中國(guó)綴葉叢螟潛在地理分布及其生態(tài)位分析

曾雪剛，楊靜波，李衛(wèi)春

（江西農(nóng)業(yè)大學(xué) 農(nóng)學(xué)院，江西 南昌 330045）

【研究意義】綴葉叢螟（Locastra muscosalis）隸屬鱗翅目（Lepidoptera）螟蛾科（Pyralidae）叢螟亞科（Epipaschiinae）。該害蟲幼蟲取食楓香、鹽夫木和漆樹(shù)等樹(shù)木的葉片，造成樹(shù)葉缺刻，嚴(yán)重時(shí)導(dǎo)致樹(shù)木枝殘葉碎、冠頂光禿，不僅破壞園林風(fēng)景區(qū)景觀，而且會(huì)影響樹(shù)木正常生長(zhǎng)、造成嚴(yán)重的經(jīng)濟(jì)損失[1-2]。綴葉叢螟的低齡幼蟲具有群居的習(xí)性，取食葉片后吐絲結(jié)網(wǎng)，排出的糞便殘留在網(wǎng)中。齡期增長(zhǎng)后分散，蔓延至相近的樹(shù)木[3]；5 齡后獨(dú)居，并有吐絲將幾個(gè)葉片粘在一起結(jié)網(wǎng)成窩的習(xí)性（圖1）。【前人研究進(jìn)展】迄今為止，與綴葉叢螟的相關(guān)研究主要涉及其對(duì)經(jīng)濟(jì)作物的危害、生物學(xué)特性及防治措施[4-5]，但該害蟲的潛在地理分布及其生態(tài)位分析鮮有報(bào)道?！颈狙芯壳腥朦c(diǎn)】最大熵模型（maximum entropy model，Max?Ent）是以最大熵值法構(gòu)建的生態(tài)位模型，它能根據(jù)熵值的大小分析環(huán)境變量與物種間的相關(guān)性，從而預(yù)測(cè)物種的潛在地理分布[6]。該模型在分析不同分類單元的地理分布模式、農(nóng)林害蟲和外來(lái)入侵物種的潛在地理分布及其生態(tài)位等方面具有重要作用[7-9]?！緮M解決的關(guān)鍵問(wèn)題】本研究基于我國(guó)綴葉叢螟已知地理分布信息和環(huán)境因子數(shù)據(jù)，以MaxEnt 對(duì)該害蟲的地理分布范圍和生態(tài)位進(jìn)行了分析，使用ArcGIS 劃分適生區(qū)間并繪制了我國(guó)綴葉叢螟的潛在地理分布圖，為預(yù)測(cè)綴葉叢螟在我國(guó)的分布范圍及對(duì)該害蟲的科學(xué)防治提供科學(xué)依據(jù)。

圖1 綴葉叢螟Fig.1 Locastra muscosalis

1 材料與方法

綴葉叢螟的地理分布信息主要源自中國(guó)自然保護(hù)區(qū)標(biāo)本資源共享平臺(tái)（http://www.papc.cn）和全球生物多樣性資訊機(jī)構(gòu)（global biodiversity information facility，GBIF）（https://www.gbif-uat.org/species/1874937），部分信息來(lái)自作者的戶外采集和記錄數(shù)據(jù)（表1）。19個(gè)環(huán)境變量下載自Worldclim網(wǎng)站（http：//www.world?clim.org）（表2）。潛在地理分布及其生態(tài)位分析應(yīng)用MaxEnt[6]，勾選刀切法（jackknife）、繪制響應(yīng)曲線（re?sponse curves）和制作預(yù)測(cè)圖3個(gè)選項(xiàng)，并設(shè)置測(cè)試集比例為25%，輸出格式為grd。模型預(yù)測(cè)結(jié)果的可靠性以ROC（receiver operating characteristic）曲線下面積（area under the receiver operating characteristic curve，AUC）進(jìn)行評(píng)價(jià)，其它參數(shù)為軟件默認(rèn)值。最后基于我國(guó)標(biāo)準(zhǔn)地圖[審圖號(hào)：GS（2020）4619 號(hào)]（http://bzdt.ch.mnr.gov.cn）為底圖，使用ArcGis軟件繪制潛在地理分布圖，適生區(qū)間劃分為非適生區(qū)（0～0.09）、低適生區(qū)（0.09～0.29）、中適生區(qū)（0.29～0.5）和高適生區(qū)（0.52～1）。

表1 中國(guó)綴葉叢螟地理分布信息Tab.1 Geographic distribution information of Locastra muscosalis in China

續(xù)表1 Continued tab.1

表2 環(huán)境變量及其貢獻(xiàn)率Tab.2 Environmental variables and their percentage contribution

2 結(jié)果與分析

2.1 預(yù)測(cè)結(jié)果的可靠性分析

基于ROC 曲線分析法對(duì)MaxEnt 預(yù)測(cè)的綴葉叢螟潛在地理分布結(jié)果進(jìn)行檢驗(yàn)，分析得出：訓(xùn)練數(shù)據(jù)（training data）的AUC 值為0.993，檢測(cè)數(shù)據(jù)（Test data）的AUC 值為0.986，兩者遠(yuǎn)大于隨機(jī)預(yù)測(cè)（random prediction）的AUC值0.5（圖2），表明預(yù)測(cè)結(jié)果具有較高的可靠性。

圖2 ROC分析法檢驗(yàn)MaxEnt氣候變量預(yù)測(cè)的結(jié)果所得到的AUC值Fig.2 The AUC values based on ROC method for testing the results of MaxEnt using climate variables

圖3 MaxEnt模型利用刀切法測(cè)試生物氣候變量的重要性Fig.3 Jackknife test for the significance of bioclimatic variables performed by MaxEnt model

2.2 影響綴葉叢螟地理分布的環(huán)境因子及其生態(tài)位

物種分布模型涉及的環(huán)境變量對(duì)模型的貢獻(xiàn)率顯示：最暖季降水量（Bio18）對(duì)綴葉叢螟物種分布模型的貢獻(xiàn)率最高，占65.6%（表2）。此外，通過(guò)刀切法對(duì)19 個(gè)環(huán)境變量的重要性進(jìn)行分析表明Bio18 也是影響其地理分布的最重要的環(huán)境因子（圖3），且Bio18 大于500 mm 時(shí)該害蟲爆發(fā)的概率較大（圖4）。

圖4 影響綴葉叢螟分布概率的最主要因子的響應(yīng)曲線Fig.4 Response curve of distribution probability of Locastra muscosalis to the most important factor

2.3 潛在地理分布預(yù)測(cè)

潛在地理分布預(yù)測(cè)結(jié)果表明綴葉叢螟的適生區(qū)分布在我國(guó)季風(fēng)區(qū)（圖5）：高適生區(qū)主要分布在我國(guó)33° N 以南，其中以貴州大部分地區(qū)、四川中部及沿海各省為主；中適生區(qū)主要圍繞著高適生區(qū)分布；大部分低適生區(qū)沿黃海、渤海（江蘇、山東、遼寧等）分布。

圖5 綴葉叢螟在我國(guó)的適生地理分布范圍Fig.5 The suitable geographic distribution of Locastra muscosalis in China

3 結(jié)論與討論

物種分布模型涉及的環(huán)境變量對(duì)模型的貢獻(xiàn)率和刀切法測(cè)試氣候變量的重要性均表明最暖季降水量（Bio18）是影響綴葉叢螟地理分布的最重要的環(huán)境因子。我國(guó)綴葉叢螟幼蟲的高發(fā)期在7—8月[10]，該害蟲的潛在地理分布預(yù)測(cè)和生態(tài)位分析結(jié)果與其實(shí)際發(fā)生規(guī)律相符。我國(guó)33°N 以南的區(qū)域?qū)儆谠摵οx的高適生區(qū)，最暖季降水量大于500 mm 時(shí)該害蟲易于爆發(fā)。研究結(jié)果可為預(yù)測(cè)綴葉叢螟在我國(guó)的分布范圍及對(duì)該害蟲的科學(xué)防治提供依據(jù)。

但在本預(yù)測(cè)的高適生區(qū)中，如四川和貴州等的記錄分布點(diǎn)卻很少。目前，我國(guó)該物種已知的地理分布信息大部分來(lái)自自然保護(hù)區(qū)，野外采集難度較大、分布數(shù)據(jù)難免欠全面，因此導(dǎo)致高適區(qū)缺乏系統(tǒng)的分布數(shù)據(jù)。此外，綴葉叢螟的發(fā)生除與大氣候因素關(guān)聯(lián)外，部分區(qū)域的小氣候和植被等也是影響其分布的重要因素，相關(guān)數(shù)據(jù)有待系統(tǒng)記錄和分析。