CMIP6氣候變化情景下中國區(qū)域柑橘木虱潛在影響范圍預(yù)估*

姚俊萌，劉 丹,2，段里成，蔡 哲**

CMIP6氣候變化情景下中國區(qū)域柑橘木虱潛在影響范圍預(yù)估*

姚俊萌1，劉 丹1,2，段里成1，蔡 哲1**

（1．江西省農(nóng)業(yè)氣象中心，南昌 330096；2．江西省氣象科學(xué)研究所，南昌 330096）

從柑橘木虱適宜分布的生理機(jī)制、氣候特性出發(fā)，基于1970?2000年氣候環(huán)境數(shù)據(jù)和柑橘木虱分布資料，利用最大熵模型（MaxEnt）篩選得到影響柑橘木虱分布的七個關(guān)鍵氣候環(huán)境因子，包括溫度季節(jié)性變化標(biāo)準(zhǔn)差、最干月降水量、最冷季降水量、1月平均最高氣溫、9月平均最高氣溫、10月平均最高氣溫和8月平均最低氣溫?；陉P(guān)鍵氣候環(huán)境因子重構(gòu)MaxEnt模型，結(jié)合CMIP6多模式氣候變化情景數(shù)據(jù)，預(yù)估氣候變化對柑橘木虱在中國的潛在分布影響。結(jié)果表明：CMIP6不同氣候預(yù)測模式數(shù)據(jù)對預(yù)測柑橘木虱分布結(jié)果具有明顯影響，其中CanESM5模式下柑橘木虱適生區(qū)面積整體最大，BCC-CSM2-MR模式下整體最小，表明單一模式具有較大的不確定性。多模式集合預(yù)測顯示，2081?2100年柑橘木虱潛在適生區(qū)面積將較1970?2000年呈顯著增加趨勢，增幅從18.8%（SSP126情景）到55.7%（SSP585情景），與輻射強(qiáng)迫等級呈明顯正相關(guān)；尤其是潛在高適生區(qū)增幅最大，從78.3%（SSP126情景）到177%（SSP585情景）。柑橘木虱適宜分布北界將不斷北移，至2081?2100年，北界將到達(dá)32°N（SSP126情景下）?37°N（SSP585情景下），較目前實(shí)際發(fā)生北界（30°N）向北偏移2°～7°。研究結(jié)果表明氣候變暖將對柑橘木虱在中國的擴(kuò)散十分有利，嚴(yán)重威脅中國柑橘產(chǎn)區(qū)生態(tài)安全，各地特別是目前尚未發(fā)現(xiàn)柑橘木虱的地區(qū)需提高警惕，加強(qiáng)柑橘黃龍病檢疫和防控。

氣候變化；CMIP6；MaxEnt模型；柑橘黃龍病；物種分布

柑橘木虱（Kuwayama）是能攜帶柑橘黃龍病病原物傳播的唯一自然傳播昆蟲媒介[1]，其繁殖能力強(qiáng)、傳病率高、遷飛能力強(qiáng)，是造成柑橘黃龍病暴發(fā)蔓延的最主要原因，在目前缺少黃龍病病原有效防治措施的情況下，防控柑橘木虱是阻止黃龍病蔓延的重要手段。

柑橘木虱是喜溫性昆蟲，氣候條件顯著影響柑橘木虱的產(chǎn)卵習(xí)性[2]、種群消長[3]、發(fā)育和繁殖[4]、死亡率[5]以及存活率[6]等，對于柑橘木虱的分布起著至關(guān)重要的作用。然而，全球氣候變暖正在改變作物病蟲害適生范圍[7]，尤其增加了受低溫限制的昆蟲向高緯度或高海拔地區(qū)傳播的機(jī)會。熊紅利等[8]對比了1982年、2004年和2010年在浙江、江西、湖南、四川、貴州等地柑橘木虱發(fā)生情況調(diào)查數(shù)據(jù)，發(fā)現(xiàn)受氣候影響柑橘木虱分布區(qū)在中國出現(xiàn)了明顯北移；王曉亮等[9]于2014年在全國范圍內(nèi)進(jìn)行了柑橘黃龍病和柑橘木虱的專項(xiàng)調(diào)查，發(fā)現(xiàn)柑橘木虱發(fā)生地理位置北界2014年較1982年北移了44′，與柑橘黃龍病逐步北移發(fā)生危害的趨勢一致。以上調(diào)查結(jié)果證實(shí)，受氣候變暖影響，柑橘木虱在中國的適宜分布區(qū)正在呈現(xiàn)北移的趨勢。

在全球氣候變暖仍將持續(xù)的背景下，探究未來氣候情景下柑橘木虱在中國的適宜分布區(qū)變化，對于掌握柑橘木虱擴(kuò)散規(guī)律，開展分區(qū)防控具有重要作用。物種分布模型是研究物種適生性的重要工具，其代表模型有最大熵模型(MaxEnt）[10]、規(guī)則集遺傳算法模型（GARP）[11]、生物氣候模型(Bioclim)[12]、廣義線性模型(GLM) 以及領(lǐng)域模型(Domain)等[13]。其中，最大熵模型(MaxEnt）是Philpps等[14]基于最大熵理論開發(fā)的物種生態(tài)位模型，根據(jù)農(nóng)業(yè)氣候相似原理，計(jì)算一定生態(tài)位約束條件下物種分布規(guī)律的最理想狀態(tài)，即熵最大時物種在預(yù)測地區(qū)的可能分布情況[15]。該模型相較于其它生態(tài)位模型具有較好的性能表現(xiàn)[16]，近年來已在諸多病蟲及物種地理分布研究中取得了良好效果，包括蘋果紅縊管蚜[17]、煙粉虱[18]、突頰側(cè)琵甲[19]、胡楊[20]、冬小麥[21]等的分布預(yù)測及適生區(qū)劃研究，證明該模型對于病蟲害在中國的分布預(yù)測具有較好的適用性。

目前針對柑橘木虱在中國的分布預(yù)測已有少量研究，羅偉等[22?23]分別利用MaxEnt模型和RCP情景數(shù)據(jù)以及CLIMEX模型和CliMond氣候預(yù)測數(shù)據(jù)，預(yù)測了未來柑橘木虱在中國的潛在分布情況，但研究中使用的未來氣候情景數(shù)據(jù)都是以CMIP5氣候預(yù)測數(shù)據(jù)為基礎(chǔ)，發(fā)布時間較早，存在一定的缺陷，且采用的是單一氣候模式預(yù)測結(jié)果，而單個模式往往都存在著系統(tǒng)性誤差[24]，預(yù)測結(jié)果有較大的不確定性。目前，第6階段國際耦合模式比較計(jì)劃（CMIP6）針對CMIP5不能體現(xiàn)氣溶膠影響近期氣候變化的多種可能性的缺陷進(jìn)行了改進(jìn)`，使能更好地反映土地利用的不同變化對區(qū)域氣候的影響[25]，這些研究手段的改進(jìn)很大程度上改善了CMIP5中RCP情景的不足[26]；同時CMIP6共有來自14個國家50個模式參與模式比較計(jì)劃，多模式集合有助于改進(jìn)預(yù)估結(jié)果的不確定性，提升預(yù)測準(zhǔn)確性。因此，有必要從減小系統(tǒng)性誤差的角度出發(fā)，開展CMIP6氣候變化情景的柑橘木虱預(yù)測研究。

針對過往研究中氣候變化情景數(shù)據(jù)不完善和單一模式不確定性這兩方面問題，本研究基于柑橘木虱全國分布數(shù)據(jù)和CMIP6多模式氣候變化情景預(yù)測數(shù)據(jù)，利用最大熵MaxEnt模型篩選影響柑橘木虱分布的關(guān)鍵氣候因子，重新構(gòu)建基于關(guān)鍵氣候因子的MaxEnt模型，通過多模式集合預(yù)測未來不同氣候變化情景下柑橘木虱在中國的潛在適宜分布范圍和適宜區(qū)北界變化趨勢，為準(zhǔn)確掌握柑橘木虱擴(kuò)散風(fēng)險，加強(qiáng)柑橘黃龍病防控提供依據(jù)。

1 資料與方法

1.1 資料

樣本數(shù)據(jù)：MaxEnt模型模擬需要物種分布數(shù)據(jù)和環(huán)境數(shù)據(jù)，物種分布數(shù)據(jù)即為“存在”點(diǎn)的經(jīng)緯度信息[27]。柑橘木虱的分布數(shù)據(jù)通過實(shí)地調(diào)查及查閱文獻(xiàn)兩種方式獲取。實(shí)地調(diào)查通過直接走訪有柑橘木虱發(fā)生的地區(qū)完成，記錄經(jīng)緯度；查閱文獻(xiàn)主要是檢索已公開發(fā)表的有關(guān)柑橘木虱的研究文獻(xiàn)，找到文獻(xiàn)中記錄柑橘木虱的發(fā)生地點(diǎn)，有具體經(jīng)緯度的分布點(diǎn)直接引用，無經(jīng)緯度的則通過地理位置查找到相關(guān)鄉(xiāng)鎮(zhèn)的坐標(biāo)信息，共查找相關(guān)文獻(xiàn)100多篇。通過以上兩種方式，一共獲取212個柑橘木虱發(fā)生地的經(jīng)緯度信息，組成柑橘木虱“存在”點(diǎn)數(shù)據(jù)，數(shù)據(jù)中未包括港澳臺地區(qū)。

環(huán)境因子數(shù)據(jù)：包括歷史氣候數(shù)據(jù)和未來氣候預(yù)測數(shù)據(jù)。歷史氣候數(shù)據(jù)使用Worldclim（https://www. worldclim.org）數(shù)據(jù)庫最新的歷史氣候數(shù)據(jù)集（WorldClim Version2.1 climate data for 1970?2000），時間分辨率為月尺度，空間分辨率為5km×5km，要素包括1?12月逐月月平均最低氣溫（tmin1-tmin12）、1?12月逐月月平均最高氣溫（tmax1-tmax12）以及19個生物氣候?qū)W環(huán)境因子（Bioclimatic variables），其中生物氣候?qū)W環(huán)境因子是由月氣溫和降水計(jì)算以生成更具生物學(xué)意義的變量，通常用于物種分布和生態(tài)建模，包括年平均氣溫（bio1）、平均日較差（bio2）、等溫性（bio3）、溫度季節(jié)性變化標(biāo)準(zhǔn)差（bio4，四季平均氣溫的標(biāo)準(zhǔn)差），最暖月最高溫度（bio5），最冷月最低溫度（bio6），平均氣溫變化范圍（bio7），最濕季節(jié)平均溫度（bio8），最干季節(jié)平均溫度（bio9），最暖季節(jié)平均溫度（bio10），最冷季節(jié)平均溫度（bio11），年降水量（bio12），最濕月降水量（bio13），最干月降水量（bio14），降水量變異系數(shù)（bio15），最濕季節(jié)降水量（bio16），最干季節(jié)降水量（bio17），最暖季節(jié)降水量（bio18），以及最冷季節(jié)降水量（bio19）。未來氣候情景數(shù)據(jù)使用Worldclim（https://www.worldclim. Org）數(shù)據(jù)庫CMIP6多模式多情景預(yù)測數(shù)據(jù)，包括1?12月逐月平均最低氣溫、1?12月逐月平均最高氣溫以及19個生物氣候?qū)W環(huán)境因子，時間分辨率為月尺度，空間分辨率為5km×5km，預(yù)測數(shù)據(jù)年代包括2021?2040、2041?2060、2061?2080、2081?2100年。

1.2 方法

1.2.1 關(guān)鍵環(huán)境因子篩選

構(gòu)建初始MaxEnt模型選擇了生物氣候?qū)W環(huán)境因子（bio1-bio19）以及1?12月逐月平均最低氣溫和1?12月逐月平均最高氣溫共43個環(huán)境因子。由于因子之間易產(chǎn)生多重共線性、數(shù)據(jù)冗余等問題，需要剔除高相關(guān)性和低貢獻(xiàn)率變量。本研究采用多重共線性檢驗(yàn)（Multi-collinearity）對環(huán)境因子之間進(jìn)行共線性分析[28]，當(dāng)2個環(huán)境因子間的多重共線性檢驗(yàn)的Pearson系數(shù)值大于或等于0.8時，表明兩者間存在共線性關(guān)系，只需保留其中1個環(huán)境因子，且選擇保留在初始MaxEnt模型中貢獻(xiàn)率（Percent contribution）較大的環(huán)境因子。2個環(huán)境因子間的共線性檢驗(yàn)小于0.8表示兩者間不存在共線性關(guān)系，均需要保留用于后續(xù)分析。通過共線性分析剔除掉部分因子后，將剩余因子再次輸入MaxEnt模型進(jìn)行運(yùn)行，根據(jù)MaxEnt模型計(jì)算的環(huán)境因子貢獻(xiàn)率，剔除貢獻(xiàn)率小于1%的因子，篩選得到影響柑橘木虱分布的關(guān)鍵環(huán)境因子，用于重新構(gòu)建MaxEnt模型。

1.2.2 MaxEnt模型模擬結(jié)果評價

MaxEnt模型采用接受者操作特性曲線（receiver operating characteristic curve，ROC曲線）分析法對重構(gòu)的模型進(jìn)行精度檢驗(yàn)，ROC曲線基于非閾值依賴判斷模型精度，通過改變判斷閾值，獲得以假陽性率（實(shí)際沒有該物種分布而被預(yù)測為陽性的概率）為橫坐標(biāo)，真陽性率（實(shí)際有該物種分布且預(yù)測為陽性的概率）為縱坐標(biāo)的曲線，該曲線與橫坐標(biāo)所圍成的面積即為AUC（Area Under Curve）值，該值大小在0～1，用以測度模型預(yù)測結(jié)果的準(zhǔn)確性，也即證明重構(gòu)模型是否能夠準(zhǔn)確預(yù)測柑橘木虱分布，用于未來氣候情景預(yù)測。一般來說，AUC取值小于0.6時，定義模型模擬結(jié)果為“失敗”；AUC取值范圍為(0.6, 0.7]，定義模型模擬結(jié)果為“較差”；AUC取值范圍為（0.7, 0.8]，定義模型模擬結(jié)果為“一般”；AUC取值范圍為（0.8, 0.9]，定義模型模擬結(jié)果為“好”；AUC取值范圍為（0.9, 1]，定義模型模擬結(jié)果為“很好”[17]。

1.2.3 多模式多情景氣候預(yù)測集合

由于不同模式氣候反饋過程的差異，模式對未來溫室氣體排放的響應(yīng)（即氣候敏感度）存在很大的不確定性，影響了預(yù)估結(jié)果的可信度，但目前尚沒有有效的方法減小預(yù)估不確定性[29]，因此，為了減小單一模式預(yù)測的不確定性，采用CMIP6的八種模式分別預(yù)測不同氣候變化情景下的中國區(qū)域柑橘木虱潛在分布概率。八種氣候預(yù)測模式包括BCC-CSM2-MR、CNRM-CM6-1、CNRM-ESM2-1、CanESM5、IPSL-CM6A-LR、MIROC-ES2L、MIROC6和MRI-ESM2-0。每種預(yù)測模式均包含四種氣候變化情景，SSP126（低輻射強(qiáng)迫情景，假設(shè)2100年輻射強(qiáng)迫穩(wěn)定在2.6W·m?2）、SSP245（中等輻射強(qiáng)迫情景，假設(shè)2100年輻射強(qiáng)迫穩(wěn)定在4.5W·m?2）、SSP370（中等至高輻射強(qiáng)迫情景，假設(shè)2100年輻射強(qiáng)迫穩(wěn)定在7.0W·m?2）和SSP585（高輻射強(qiáng)迫情景，假設(shè)2100年輻射強(qiáng)迫穩(wěn)定在8.5W·m?2）。處理各個年代不同輻射強(qiáng)迫情景的預(yù)測結(jié)果時，采用該年代該輻射強(qiáng)迫情景下八種模式預(yù)測結(jié)果平均，用以降低單一模式預(yù)測的系統(tǒng)誤差。

1.2.4 柑橘木虱適宜分布區(qū)等級劃分

基于柑橘木虱“存在點(diǎn)”和歷史氣候數(shù)據(jù)，利用重構(gòu)的MaxEnt模型模擬得到柑橘木虱在中國區(qū)域每個格點(diǎn)（5km×5km）上的潛在分布概率P，取值范圍為0～1。將研究區(qū)內(nèi)未出現(xiàn)柑橘木虱認(rèn)定為不適生區(qū)，局部出現(xiàn)柑橘木虱認(rèn)定為低度適生區(qū)，部分地區(qū)出現(xiàn)柑橘木虱認(rèn)定為中度適生區(qū)，全境出現(xiàn)柑橘木虱認(rèn)定為高度適生區(qū)。根據(jù)柑橘木虱潛在分布概率P值與各省實(shí)際發(fā)生情況，確定柑橘木虱適生區(qū)等級劃分標(biāo)準(zhǔn)，0≤P＜0.05為不適生區(qū)，0.05≤P＜0.15為低度適生區(qū)，0.15≤P＜0.30為中度適生區(qū)，0.30≤P為高度適生區(qū)。

2 結(jié)果與分析

2.1 關(guān)鍵環(huán)境因子篩選及MaxEnt模型重構(gòu)

2.1.1 影響柑橘木虱分布的關(guān)鍵環(huán)境因子篩選

將212個柑橘木虱“存在”點(diǎn)的地理位置信息和各格點(diǎn)處43個環(huán)境因子值（1970-2000年平均值）代入MaxEnt模型進(jìn)行模擬分析，選擇隨機(jī)檢驗(yàn)比例（‘Random test percentage’）為25%，進(jìn)行因子貢獻(xiàn)率分析。首先，剔除貢獻(xiàn)率小于1%的28個低貢獻(xiàn)因子，剩余16個高貢獻(xiàn)因子（bio4，bio7，bio8，bio14，bio15，bio17，bio19，tmax1，tmax8，tmax9，tmax10，tmax11，tmin7，tmin8，tmin9和tmin11）；然后，按照貢獻(xiàn)率大小排序，對貢獻(xiàn)率≥1%的因子間進(jìn)行多重共線性檢驗(yàn)，剔除Pearson相關(guān)系數(shù)在0.8以上且貢獻(xiàn)率較小的因子，篩選得到7個影響柑橘木虱分布的關(guān)鍵環(huán)境因子，其累計(jì)貢獻(xiàn)率達(dá)到78.9%，分別為溫度季節(jié)性變化標(biāo)準(zhǔn)差（bio4），最干月降水量（bio14），最冷季降水量（bio19），1月平均最高氣溫（tmax1），9月平均最高氣溫（tmax9），10月平均最高氣溫（tmax10）和8月平均最低氣溫（tmin8）。

2.1.2 基于關(guān)鍵環(huán)境因子重構(gòu)MaxEnt模型及檢驗(yàn)

利用212個柑橘木虱“存在”點(diǎn)處的7個關(guān)鍵環(huán)境因子重新構(gòu)建MaxEnt模型并進(jìn)行模擬檢驗(yàn)，同樣選擇隨機(jī)檢驗(yàn)比例（‘Random test percentage’）為25%。為檢驗(yàn)關(guān)鍵環(huán)境因子的可靠性，將由43個環(huán)境因子建立的初始MaxEnt模型檢驗(yàn)結(jié)果（圖1a）與基于7個關(guān)鍵環(huán)境因子重構(gòu)的最終MaxEnt模型檢驗(yàn)結(jié)果（圖1b）對比，初始MaxEnt模型（圖1a）和

圖1 1970-2000年氣候條件下的最初模型(a)和最終模型(b)ROC檢驗(yàn)曲線

最終MaxEnt模型（圖1b）對于75%建模訓(xùn)練“存在點(diǎn)”的AUC值分別為0.979和0.969，對于25%測試“存在點(diǎn)”的AUC值分別為0.968和0.970，可以看出，最終模型檢驗(yàn)結(jié)果接近最初模型，預(yù)測精度達(dá)到“很好”標(biāo)準(zhǔn)，表明經(jīng)過篩選得到的7個關(guān)鍵環(huán)境因子具有很好的代表性，是影響柑橘木虱潛在分布的主導(dǎo)因子。因此，認(rèn)為基于7個關(guān)鍵環(huán)境因子重構(gòu)的最終MaxEnt模型可以用于模擬柑橘木虱潛在分布范圍。

2.2 未來氣候變化情景下柑橘木虱潛在分布面積變化分析

2.2.1 氣候變化情景下關(guān)鍵環(huán)境因子變化

對比中國區(qū)域所有格點(diǎn)7個關(guān)鍵環(huán)境因子平均值在2081-2100年與1970-2000年的變化趨勢，由表1可以看出，中國區(qū)域整體溫度季節(jié)性變化標(biāo)準(zhǔn)差在逐步減小，最干月和最冷季降水量有所增加，1月、9月、10月平均最高氣溫和8月平均最低氣溫呈顯著升高趨勢，且升溫幅度隨著輻射強(qiáng)度的增加而上升。表明受氣候變化影響，中國各區(qū)域溫度將顯著升高，干季和冬季降水量將有所增多，溫度季節(jié)性變化在縮小，柑橘木虱生存的氣候條件出現(xiàn)了顯著變化，將對其適宜性和分布范圍造成明顯影響。

2.2.2 不同氣候預(yù)測模式預(yù)測結(jié)果對比分析

基于7個關(guān)鍵環(huán)境因子未來氣候情景數(shù)據(jù)和最終MaxEnt模型，模擬得到未來（2021-2040、2041-2060、2061-2080和2081-2100年）八種氣候模式（BCC-CSM2-MR、CNRM-CM6-1、CNRM-ESM2-1、CanESM5、IPSL-CM6A-LR、MIROC-ES2L、MIROC6和MRI-ESM2-0）預(yù)測的四種氣候變化情景（SSP126、SSP245、SSP370和SSP585）下中國區(qū)域各格點(diǎn)柑橘木虱潛在分布概率P，并按照不適生區(qū)、低度適生區(qū)、中度適生區(qū)和高度適生區(qū)等級標(biāo)準(zhǔn)進(jìn)行等級劃分和格點(diǎn)面積統(tǒng)計(jì)。潛在適生區(qū)面積為低度適生區(qū)、中度適生區(qū)和高度適生區(qū)面積之和。

對比八種氣候模式預(yù)測的柑橘木虱分布面積結(jié)果（如圖2和表2），取2021-2040年、2041-2060年、2061-2080年、2081-2100年四個年代預(yù)測面積的平均值作為2021-2100年平均適生區(qū)面積。在SSP126情景下，柑橘木虱潛在適生區(qū)面積八種模式平均值為127.1×104km2，模式間標(biāo)準(zhǔn)差為9.1×104km2，其中，MIROC-ES2L模式預(yù)測適生區(qū)面積最大，MRI-ESM2-0模式預(yù)測結(jié)果最?。辉赟SP245情景下，潛在適生區(qū)面積平均為129.5×104km2，模式間標(biāo)準(zhǔn)差為12.7×104km2，CanESM5模式預(yù)測結(jié)果最大，BCC-CSM2-MR模式最小；在SSP370情景下，潛在適生區(qū)面積平均為136.6×104km2，模式間標(biāo)準(zhǔn)差為13.6×104km2，CanESM5模式預(yù)測結(jié)果最大，BCC-CSM2-MR模式預(yù)測結(jié)果最??；在SSP585情景下，潛在適生區(qū)面積平均為143.2×104km2，模式間標(biāo)準(zhǔn)差為15.6×104km2，CanESM5模式預(yù)測結(jié)果最大，MRI-ESM2-0模式預(yù)測結(jié)果最小。

對比不同SSP情景間的預(yù)測結(jié)果，SSP245-SSP585情景下，所有模式均預(yù)測潛在適生區(qū)呈增加趨勢。但比較SSP126與SSP245情景結(jié)果，各模式預(yù)測趨勢不同，BCC-CSM2-MR、MIROC-ES2L、MIROC6和MRI-ESM2-0四種模式預(yù)測SSP245情景下潛在適生區(qū)面積較SSP126呈下降趨勢，其余四種模式則預(yù)測呈上升趨勢；而綜合八種模式結(jié)果平均來看，SSP245情景（129.5×104km2）較SSP126（127.1×104km2）呈上升趨勢，與柑橘木虱喜溫的習(xí)性較為吻合。

表1 1970-2000年和2081-2100年中國區(qū)域7個關(guān)鍵環(huán)境因子預(yù)測值統(tǒng)計(jì)（平均值±標(biāo)準(zhǔn)差）

Note: SSP is shared socioeconomic pathways, TSSD is temperature seasonality standard deviation, PDM is precipitation of driest month, PCQ is precipitation of coldest quarter, AMTJ is average maximum temperature in January, AMTS is average maximum temperature in September, AMTQ is average maximum temperature in October, AMTA is average minimum temperature in August.

圖2 八種氣候預(yù)測模式模擬四種情景下柑橘木虱在中國的潛在適生區(qū)面積

由上可知，八種模式在不同情景下表現(xiàn)不同，模式間標(biāo)準(zhǔn)差達(dá)到9.1×104～15.6×104km2，其中，CanESM5模式預(yù)測結(jié)果整體高于其它模式，BCC-CSM2-MR模式整體低于其它模式；對于SSP126和SSP245兩種情景，部分模式預(yù)測趨勢相反?？梢钥闯觯煌Ｊ介g預(yù)測結(jié)果存在較大差異性和系統(tǒng)誤差，對柑橘木虱分布的預(yù)測結(jié)果有明顯影響。因此，通過采用多模式集合預(yù)測，降低單一模式的系統(tǒng)性誤差，能夠提升預(yù)測結(jié)果的穩(wěn)定性和可靠性。研究中采用八種模式預(yù)測平均值作為預(yù)測結(jié)果進(jìn)行統(tǒng)計(jì)分析。

2.2.3 未來氣候變化情景下潛在適生區(qū)分布面積變化

由表2可知，按1970-2000年氣候數(shù)據(jù)模擬，研究區(qū)內(nèi)柑橘木虱潛在適生區(qū)面積為107.5×104km2；未來氣候變化情景下，柑橘木虱潛在適生區(qū)較1970-2000年呈顯著增加趨勢，且增幅隨著輻射強(qiáng)迫（SSP）等級的升高而擴(kuò)大。2081-2100年與1970-2000年相比，柑橘木虱潛在適生區(qū)面積增幅最大的為SSP585情景，達(dá)到55.7%，適生區(qū)面積增加59.8×104km2；SSP370情景下增幅為44.0%；SSP245情景下增幅為31.4%；SSP126情景下增幅最小，為18.8%。從動態(tài)來看，在SSP245、SSP370和SSP585的輻射強(qiáng)迫影響下，柑橘木虱潛在適生區(qū)為持續(xù)增加態(tài)勢，輻射強(qiáng)迫越高，增加速率越大，說明中等輻射至高輻射強(qiáng)迫造成的升溫效應(yīng)對柑橘木虱種群擴(kuò)散十分有利；而在低輻射強(qiáng)迫（SSP126）影響下，潛在適生區(qū)雖較1970-2000年有所增加，但在2021-2100年間保持了整體穩(wěn)定，潛在適生區(qū)面積維持在123.5×104～130×104km2，未出現(xiàn)明顯擴(kuò)散，說明低脆弱性、低減緩壓力和低輻射強(qiáng)迫的可持續(xù)發(fā)展路徑（SSP126）可一定程度上穩(wěn)定柑橘木虱種群，限制其擴(kuò)散，對于防控黃龍病具有積極意義。

表2 不同情景下MaxEnt模型預(yù)測的柑橘木虱各等級適生區(qū)面積統(tǒng)計(jì)（104km2）

注：數(shù)據(jù)為不同模式預(yù)測結(jié)果±標(biāo)準(zhǔn)差。

Note: The data is prediction results ±standard deviation of different models.

從不同等級適生區(qū)面積變化來看，在所有的輻射強(qiáng)迫情景下，潛在高適生區(qū)面積均呈增加趨勢，2081-2100年較1970-2000年的增幅從78.3%（SSP126）到177%（SSP585），與輻射強(qiáng)迫等級呈正相關(guān)；潛在中適生區(qū)、低適生區(qū)和不適生區(qū)均呈減少趨勢，輻射強(qiáng)迫越高，減幅越大，其中，中適生區(qū)減幅為33.8%～44.9%，低適生區(qū)減幅為16.6%～22.6%，不適生區(qū)減幅為4.8%～12.6%。

2.3 未來氣候變化情景下柑橘木虱潛在適生區(qū)北界偏移分析

從空間分布來看（圖3a），按1970-2000年氣候數(shù)據(jù)模擬，柑橘木虱適生區(qū)主要位于長江以南地區(qū)，適生區(qū)北界位于30°N，最北端位于四川、重慶、湖北、安徽、浙江等省（市）境內(nèi)，其中，高適生區(qū)主要分布于9個省（市），包括海南、廣西、廣東和福建四省全境以及湖南、江西、浙江三省中南部、重慶市西部和臺灣西部；中適生區(qū)分布范圍包括云南西南部、四川和貴州兩省東部以及湖南、江西和浙江三省北部；低適生區(qū)分布范圍包括西藏東南部、云南西南部、貴州中東部、湖南、江西和浙江三省最北端以及湖北、安徽兩省南部。

氣候變化影響下，柑橘木虱潛在適生區(qū)不斷北移，北移速度與輻射強(qiáng)迫等級（SSP）呈正比（圖3a-圖3e，）。2081-2100年與1970-2000年相比，SSP126情景下，潛在適生區(qū)北界將移至32-33°N，陜西、河南、江蘇三省南部由原來的不適生區(qū)轉(zhuǎn)為低適生區(qū)，湖南、江西、浙江、重慶四省（市）大部以及四川東部和臺灣西部均為高適生區(qū)。而在SSP585情景下，潛在適生區(qū)北界將移至36-37°N，柑橘木虱潛在分布范圍進(jìn)一步擴(kuò)大，寧夏、陜西、山西、河南四省大部以及山東南部由不適生區(qū)轉(zhuǎn)變?yōu)檫m宜分布區(qū)，高適生區(qū)分布范圍由9省（市）擴(kuò)大到18?。ㄊ校?，包括海南、廣西、廣東、福建、貴州、湖南、江西、浙江、重慶、湖北等?。ㄊ?、區(qū)）全境以及西藏東南部、云南西南部、四川東部、陜西南部、河南南部、安徽中南部、江蘇中南部、臺灣大部。

圖3 1970-2000年和2081?2100年不同氣候變化情景下柑橘木虱在中國的潛在分布區(qū)

綜上可知，未來氣候變化對于柑橘木虱種群在中國的生存和擴(kuò)散十分有利，適宜分布區(qū)域不斷北擴(kuò)，將對目前尚未出現(xiàn)柑橘木虱的地區(qū)造成嚴(yán)重威脅；同時高適生區(qū)占潛在適生區(qū)比例不斷擴(kuò)大，至2081-2100年，長江以南大部分區(qū)域?qū)⒊蔀楦涕倌臼瓭撛诟哌m生區(qū)。

3 結(jié)論與討論

3.1 結(jié)論

（1）氣候環(huán)境因子對柑橘木虱分布范圍具有顯著影響，其中，溫度季節(jié)性變化標(biāo)準(zhǔn)差（bio4），最干月降水量（bio14），最冷季降水量（bio19），1月最高氣溫（tmax1），9月最高氣溫（tmax9），10月最高氣溫（tmax10）和8月最低氣溫（tmin8）七個關(guān)鍵因子能夠有效反映柑橘木虱種群分布的氣候特點(diǎn)，預(yù)測柑橘木虱分布結(jié)果達(dá)到“很好”標(biāo)準(zhǔn)，可用于預(yù)測柑橘木虱潛在分布。

（2）氣候預(yù)測模式之間存在系統(tǒng)性誤差和不確定性，CanESM5模式對未來柑橘木虱分布面積的預(yù)測結(jié)果整體偏高，而BCC-CSM2-MR模式則整體偏低，對于不同情景間的預(yù)測趨勢也存在不同，說明單一模式預(yù)測結(jié)果具有較大的系統(tǒng)誤差。因此，通過多模式集合預(yù)測的方式，降低單一模式的系統(tǒng)性誤差，能夠有效提升預(yù)測結(jié)果的穩(wěn)定性和準(zhǔn)確性。

（3）氣候變暖將對柑橘木虱在中國的擴(kuò)散十分有利，2081?2100年潛在適生區(qū)面積將較1970?2000年呈顯著增加趨勢，且增加幅度與輻射強(qiáng)迫等級呈顯著正相關(guān)；其中，在低脆弱性、低減緩壓力和低輻射強(qiáng)迫的可持續(xù)發(fā)展路徑（SSP126）下柑橘木虱潛在適生區(qū)在2021?2100年間保持了總體穩(wěn)定。充分說明控制全球氣候變化，對于防控柑橘木虱擴(kuò)散具有積極意義。

（4）柑橘木虱適宜分布北界將不斷北移，至2081?2100年，適生區(qū)北界預(yù)計(jì)將到達(dá)32（SSP126）?37°N（SSP585），較目前實(shí)際發(fā)生北界（30°N）向北擴(kuò)散2°～7°；SSP585情景下高適生區(qū)?。ㄊ?、區(qū)）將由9個擴(kuò)大到18個省（市、區(qū)），占潛在適生區(qū)比例達(dá)到75%；中、低適生區(qū)則呈減少趨勢，適生區(qū)等級逐漸向更高級轉(zhuǎn)變。表明在氣候變暖影響下中國柑橘主產(chǎn)區(qū)將越來越適宜柑橘木虱生存，黃龍病防控形勢更加嚴(yán)峻。

3.2 討論

柑橘木虱攜帶的柑橘黃龍病病原傳播嚴(yán)重威脅柑橘產(chǎn)業(yè)發(fā)展，因此，柑橘木虱的適宜分布范圍引起了廣泛關(guān)注。在對當(dāng)前柑橘木虱分布范圍的研究中，熊紅利等[8?9]基于柑橘木虱不同年代區(qū)域發(fā)生情況調(diào)查，二者調(diào)查得到的最北界范圍分別為29°47′和29°29′，并證實(shí)了氣候變暖背景下柑橘木虱在中國的分布范圍正在逐漸北移。本研究得出了相同的結(jié)論，1970?2000年柑橘木虱潛在分布北界位于30°N附近，與實(shí)際調(diào)查結(jié)果接近，說明模型對于柑橘木虱潛在分布的模擬結(jié)果較為準(zhǔn)確。

羅偉等[22]已利用MaxEnt模型分析預(yù)測柑橘木虱適宜分布，與本研究均認(rèn)為柑橘木虱在氣候變化影響下未來適宜分布區(qū)將北移明顯。但對于不同等級適生區(qū)的變化存在一定的差異，該研究認(rèn)為未來中適生區(qū)面積增加明顯，高適生區(qū)增加不明顯，而本研究中高適生區(qū)增加明顯，中適生區(qū)則呈減少趨勢。主要差異一是由于關(guān)鍵環(huán)境因子選擇不同，該研究[22]篩選關(guān)鍵環(huán)境因子時只采用了19個生物學(xué)氣候因子，未考慮逐月最低氣溫和最高氣溫等因子，但本研究對43個氣候環(huán)境因子篩選發(fā)現(xiàn)，1月平均最高氣溫（tmax1），9月平均最高氣溫（tmax9），10月平均最高氣溫（tmax10）和8月平均最低氣溫（tmin8）等四個環(huán)境因子對于柑橘木虱分布的貢獻(xiàn)率更高，關(guān)鍵環(huán)境因子選擇的差異對于重構(gòu)MaxEnt模型和預(yù)測結(jié)果具有重要影響；二是該研究[22]基于CMIP5氣候數(shù)據(jù)進(jìn)行研究，而本研究采用CMIP6氣候預(yù)測數(shù)據(jù)，能夠更好地體現(xiàn)氣溶膠影響近期氣候變化的多種可能性和土地利用的不同變化對區(qū)域氣候的影響，同時多模式集合預(yù)測降低了單一模式系統(tǒng)誤差，能夠更加準(zhǔn)確地預(yù)測未來氣候條件下柑橘木虱在中國的潛在分布范圍變化。

柑橘木虱的分布范圍除了與氣候環(huán)境因子高度相關(guān)外，柑橘種植分布、防控強(qiáng)度等因素也對柑橘木虱的潛在分布起著重要作用，本研究著重于探究氣候環(huán)境變化對柑橘木虱分布的可能影響，未考慮柑橘種植分布變化和人為防控影響，后續(xù)可結(jié)合種植分布、地形地勢、防控強(qiáng)度等條件開展進(jìn)一步研究。

[1] 唐仙壽,何世忠.柑桔黃龍病暴發(fā)蔓延關(guān)鍵因素的關(guān)聯(lián)性分析[J].中國熱帶農(nóng)業(yè),2015(4):54-57.

Tang X S,He S Z.Correlation analysis of key factors in the spread of citrus Huanglongbing[J].China Tropical Agriculture, 2015(4):54-57.(in Chinese)

[2] 謝秀挺,劉衛(wèi)東,彭龍,等.柑桔木虱成蟲產(chǎn)卵習(xí)性研究[J].中國南方果樹,2016,45(2):74-76.

Xie X T,Liu W D,Peng L.Study on oviposition habits ofKuwayama adults[J].South China Fruits,2016,45(2):74-76.(in Chinese)

[3] 孫桂春.試論柑桔木虱的分布消長及綜合防治技術(shù)[J].中國南方果樹,1999,28(6):17-18.

Sun G C.Discussion on the distribution and decline ofand comprehensive control techniques[J]. South China Fruits,1999,28(6):17-18.(in Chinese)

[4] 楊余兵.光、溫濕度對柑桔木虱發(fā)育、繁殖與存活的影響[J].生態(tài)學(xué)報,1989(4):66-72.

Yang Y B. The weather effect on the development, reproduction and survival of citrus psyllid[J].Acta Ecologica Sinica,1989(4):66-72.(in Chinese)

[5] 鄺凡,林夢琪,袁水秀,等.高溫對亞洲柑橘木虱死亡率和活動行為的影響[J].南方農(nóng)業(yè)學(xué)報,2017,48(9):1600-1604.

Kuang F,Lin M Q,Yuan S Y,et al.Effects of high temperature on mortality and activity behavior ofKuwayama[J].Journal of Southern Agriculture,2017,48(9):1600-1604.(in Chinese)

[6] 鄧鐵軍,王凱學(xué),覃貴亮.冰凍災(zāi)害對柑桔木虱越冬存活率的影響和災(zāi)后防治對策[J].廣西農(nóng)學(xué)報,2008,23(S1): 51-53.

Deng T J,Wang K X,Qin G L.The research analysis on the survival rate ofwith the effect of freeze disaster and protection countermeasure[J].Guangxi Plant Protection,2008,23(S1):51-53.(in Chinese)

[7] Daniel P.Bebber, Mark A.T.Ramotowski, Sarah J.Gurr,等.農(nóng)作物病蟲害在全球變暖中向極地?cái)U(kuò)散[J].中國植保導(dǎo)刊,2017,37(3):80-86.

Bebber D P,Ramotowski M A T,Gurr S J,et al.Crop pests and diseases spread to polar regions in global warming[J]. China Plant Protection,2017,37(3):80-86.(in Chinese)

[8] 熊紅利,林云彪,項(xiàng)宇,等.柑橘黃龍病與柑橘木虱在我國發(fā)生北界調(diào)查[J].植物檢疫,2011,25(4):79-80.

Xiong H L,Lin Y B,Xiang Y,et al.The Investigation on the northern boundary ofand Huanglongbing in China[J].Plant Quarantine,2011,25(4):79-80.(in Chinese)

[9] 王曉亮,李瀟楠,馮曉東,等.柑橘黃龍病與柑橘木虱在我國發(fā)生情況調(diào)查[J].植物檢疫,2016,30(2):44.

Wang X L,Li X N,Feng X D,et al.The Investigation on occurrence ofand Huanglongbing in China[J]. Plant Quarantine,2016,30(2):44.(in Chinese) .

[10] 王茹琳,郭翔,李慶,等.四川省獼猴桃潰瘍病潛在分布預(yù)測及適生區(qū)域劃分[J].應(yīng)用生態(tài)學(xué)報,2019,30(12): 4222- 4230.

Wang R L,Guo X,Li Q,et al.Potential distribution and suitability regionalization of kiwifruit canker disease in Sichuan Province,China[J].Chinese Journal of Applied Ecology,2019,30(12):4222-4230.(in Chinese)

[11] 閆東,史獻(xiàn)明,杜國義,等.利用規(guī)則集遺傳算法生態(tài)位模型預(yù)測禿病蚤蒙冀亞種適宜分布[J].中國媒介生物學(xué)及控制雜志,2019,30(1):48-51.

Yan D,Shi X M,Du G Y,et al.Prediction of the suitable distribution area forby the genetic algorithm for rule-set prediction ecological niche model[J].Chin J Vector Biol & Control,2019,30(1):48-51. (in Chinese)

[12] 黃芳,張文俊,張建成,等.基于BIOCLIM模型的石蒜綿粉蚧在中國的適生區(qū)分析[J].浙江農(nóng)業(yè)學(xué)報,2019, 31(8): 1331-1336.

Huang F,Zhang W J,Zhang J C,et al.Prediciton of potential distribution of phenacocccus solani in China by BIOCLIM model[J].Acta Agriculturae Zhejiangensis,2019,31(8):1331- 1336.(in Chinese)

[13] 張雷,劉世榮,孫鵬森,等.氣候變化對馬尾松潛在分布影響預(yù)估的多模型比較[J].植物生態(tài)學(xué)報,2011,35(11): 1091- 1105.

Zhang L,Liu S R,Sun P S,et al.Comparative evaluation of multiple models of the effects of climate change on the potential distribution of pinus[J].Chinese Journal of Plant Ecology,2011,35(11):1091-1105.(in Chinese)

[14] Phillips S J,Anderson R P,Schapire R E.Maximum entropy modeling of species geographic distributions[J].Ecological Modelling,2006,19(3/4):231-259.

[15] 林姍,陸興利,王茹琳,等.RCP8.5情景下氣候變化對四川省獼猴桃潰瘍病病菌地理分布的影響[J].江蘇農(nóng)業(yè)科學(xué),2020,48(3):124-129.

Lin S,Lu X L,Wang R L,et al.Effects of climate change on the geographical distribution ofin Sichuan province under the RCP8.5 scenario[J].Jiangsu Agricultura Sinica,2020,48(3):124-129. (in Chinese)

[16] Elith J,Graham C H,Anderson R P,et al.Novel methods improve prediction of species’ distributions from occurrence data[J].Ecography,2006,29(2):129-151.

[17] 賈棟,徐朝茜,劉艷紅,等.基于MaxEnt模型預(yù)測蘋紅縊管蚜在中國的適生區(qū)[J].植物保護(hù)學(xué)報,2020,47(3):528-536.

Jia D,Xu C Q,Liu Y H,et al.Potential distribution prediction of apple-grass aphidin China based on MaxEnt model[J].Journal of Plant Protection, 2020,47(3):528-536.(in Chinese)

[18] 趙健,李志鵬,張華緯,等.基于MaxEnt模型和GIS技術(shù)的煙粉虱適生區(qū)預(yù)測[J].植物保護(hù)學(xué)報,2019,46(6):133-141.

Zhao J,Li Z P,Zhang H W,et al.Prediction of potential distribution of tobacco whiteflyin China based on MaxEnt niche model and GIS[J].Journal of Plant Protection,2019,46(6):133-141.(in Chinese)

[19] 李培先,鄭江華,林峻,等.基于MaxEnt模型的突頰側(cè)琵甲新疆潛在地理分布預(yù)測和主要影響因子分析[J].植物保護(hù)學(xué)報,2017,44(3):445-452.

Li P X,Zheng J H,Lin J,et al.Prediction of potential geographic distribution and analysis of the major driving factors for)Motschulsky in Xinjiang by using MaxEnt model[J].Journal of Plant Protection,2017,44(3):445-452.(in Chinese)

[20] 張華,趙浩翔,王浩.基于Maxent模型的未來氣候變化情景下胡楊在中國的潛在地理分布[J].生態(tài)學(xué)報,2020,40(18): 6552-6563.

Zhang H,Zhao H X,Wang H.Potential geographical distribution ofin China under future climate change scenarios based on Maxent model[J].Acta Ecologica Sinica,2020,40(18):6552-6563.(in Chinese)

[21] 孫敬松,周廣勝.利用最大熵法(MaxEnt)模擬中國冬小麥分布區(qū)的年代際動態(tài)變化[J].中國農(nóng)業(yè)氣象,2012,33(4): 481-487.

Sun J S,Zhou G S.Inter-decadal variability of winter wheat plangting zone in China during 1961 to 2010 simulated by Maximum Entropy(MaxEnt)[J].Chinese Journal of Agrometeorology,2012,33(4):481-487.(in Chinese)

[22] 羅偉,王閆利,林姍,等.氣候變化情景對柑橘木虱潛在地理分布的影響[J].貴州農(nóng)業(yè)科學(xué),2019,47(9):30-35.

Luo W,Wang Y L,Lin S,et al.Effect of climate change scenarios on pothential geographical distribution of[J].Guizhou Agricultural Sciences,2019, 47(9):30-35.(in Chinese)

[23] 汪善勤,肖云麗,張宏宇.我國柑橘木虱潛在適生區(qū)分布及趨勢分析[J].應(yīng)用昆蟲學(xué)報,2015,52(5):1140-1148.

Wang S Q,Xiao Y L,Zhang H Y.Studies of the past, current and future potential distributions ofKuwayama (Homoptera:Psyllidae) in China[J].Chinese Journal of Applied Entomology,2015,52(5):1140-1148.(in Chinese)

[24] 杜鈞.集合預(yù)報的現(xiàn)狀和前景[J].應(yīng)用氣象學(xué)報,2002, 13(1):16-28.

Du J.Present situation and prospects of ensemble numerical prediction[J].Journal of Applied Meteorological Science[J]. 2002,13(1):16-28.(in Chinese)

[25] 張麗霞,陳曉龍,辛?xí)愿?CMIP6情景模式比較計(jì)劃(ScenarioMIP)概況與評述[J].氣候變化研究進(jìn)展,2019,15 (5):519-525.

Zhang L X,Chen X L,Xin X G.Short commentary on cMIP6 scenario Model Intercomparison Project (ScenarioMIP)[J]. Climate Change Research,2019,15(5):519-525.(in Chinese)

[26] Stouffer R J,Eyring V,Meehl G A,et al.CMIP5 scientific gaps and recommendations for CMIP6[J].Bulletin of the American Meteorological Society,2017,98(1):95-105.

[27] 王茹琳,李慶,封傳紅,等.基于MaxEnt的西藏飛蝗在中國的適生區(qū)預(yù)測[J].生態(tài)學(xué)報,2017,37(24):8556-8566.

Wang R L,Li Q,Feng C H,et al.Predicting potential ecological distribution ofin China using MaxEnt ecological niche modeling[J].Acta Ecologica Sinica,2017,37(24):8556-8566.(in Chinese)

[28] 王雨生,王召海,邢漢發(fā),等.基于MaxEnt模型的珙桐在中國潛在適生區(qū)預(yù)測[J].生態(tài)學(xué)雜志,2019,38(4):306-313.

Wang Y S,Wang Z H,Xing H F,et al.Prediction of potential suitable distribution ofBaill in China based on MaxEnt[J].Chinese Journal of Ecology,2019,38(4): 306-313.(in Chinese)

[29] 周天軍,陳梓明,鄒立維,等.中國地球氣候系統(tǒng)模式的發(fā)展及其模擬和預(yù)估[J].氣象學(xué)報,2020,78(3):332-350.

Zhou T J,Chen Z M,Zou L W,et al.Development of climate and earth system models in China:past achievements and new CMIP6 fesults[J].Acta Meteorologica Sinica,2020, 78(3):332-350.(in Chinese)

Prediction of Potential Distribution ofKuwayama in China under Future Climate Change Scenarios of CMIP6

YAO Jun-meng1,LIU Dan1,2, DUAN Li-cheng1, CAI Zhe1

(1. Jiangxi Agricultural Meteorological Center, Nanchang 330096, China; 2. Meteorological Science Research Institute of Jiangxi Province, Nanchang 330096)

Based on the climate data in 1970?2000 and the distribution data ofKuwayamain China, the main climatic indices affecting the distribution ofKuwayama were identfied by maximum entropy model (Maxent), including temperature seasonality standard deviation, precipitation of driest month(mm), precipitation of coldest quarter(mm), average maximum temperature in January(℃), average maximum temperature in September (℃), average maximum temperature in October(℃) and average minimum temperature in August (℃). The MaxEnt model was reconstructed by the 7 main climatic indices to estimate the impact of climate change on the potential distribution ofKuwayama in China. The results showed that climate prediction mode selection of CMIP6 had significant impacts on prediction of the distribution ofKuwayama. The overall prediction distribution ofKuwayama was the highest in the CanESM5 mode, and the lowest in the BCC-CSM2-MR mode. It showed that the single mode had a greater uncertainty. Affected by climate change, multi-mode ensemble prediction showed that the potential suitable areas in the 2081?2100 forKuwayama would increase significantly compared with in the 1970?2000, from 18.8% (SSP126 scenario) to 55.7% (SSP585 scenario). In the 2081?2100, the potential high suitable area would increase significantly from 78.3% (SSP126 scenario) to 177% (SSP585 scenario). The northern boundary of the suitable distribution shifted northward to about 32°N (SSP126 scenario) and 37°N (SSP585 scenario), while the actual northern boundary was at 30°N in the 1970?2000.This study indicated that climate change would be very beneficial to the spread ofKuwayama and threaten the ecological security of citrus-producing in China. The main citrus producing provinces, especially the areas whereKuwayama had not been found, need to be vigilant and strengthen the prevention of Citrus Huanglongbing.

Climate change; CMIP6; MaxEnt; Citrus Huanglongbing ; Species distribution

10.3969/j.issn.1000-6362.2021.12.005

姚俊萌,劉丹,段里成,等.CMIP6氣候變化情景下中國區(qū)域柑橘木虱潛在影響范圍預(yù)估[J].中國農(nóng)業(yè)氣象,2021,42(12):1031-1041

收稿日期：2021?04?25

江西省氣象局重點(diǎn)項(xiàng)目（JXQXZD201811）

通訊作者：蔡哲，高級工程師，從事農(nóng)業(yè)氣候資源研究，E-mail：caizheread@163.com

姚俊萌，E-mail：Meng_jackyyao@sina.com