4種蒺藜草屬雜草在中國(guó)的潛在適生性預(yù)測(cè)

李盼畔 何旭諾 左然玲 呂文剛 吳海榮

摘要：蒺藜草屬雜草為我國(guó)進(jìn)境植物檢疫性有害生物，嚴(yán)重危害農(nóng)業(yè)、畜牧業(yè)、林業(yè)以及生態(tài)環(huán)境。近年來(lái)，蒺藜草屬雜草曾多次在口岸貨檢中尤其是進(jìn)口糧食中被截獲，因此預(yù)防這些有害雜草進(jìn)入我國(guó)定植極其重要。結(jié)合溫度、降水、土壤等全球環(huán)境條件變量，利用MaxEnt軟件分析口岸截獲的4種蒺藜草屬雜草在全球和我國(guó)的適生性，并進(jìn)行等級(jí)劃分，結(jié)果證明它們?cè)谌蜻€有很大的適生空間。刺苞草、美洲蒺藜草、鼠尾蒺藜草在我國(guó)的適生范圍集中在南方，且高度適生區(qū)主要在長(zhǎng)江三角洲和云貴地區(qū)；少花蒺藜草的適生地區(qū)包括南方和北方，且高度適生區(qū)主要在東北、內(nèi)蒙古、北京以及長(zhǎng)江三角洲。該結(jié)果可為相關(guān)部門(mén)的外來(lái)入侵生物預(yù)警以及后續(xù)監(jiān)測(cè)提供一定的科學(xué)依據(jù)。

關(guān)鍵詞：蒺藜草屬；MaxEnt模型；適生區(qū)；防控

中圖分類(lèi)號(hào)：Q948 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1003-935X（2022）02-0015-09

Prediction of potential habitability of four Cenchrus weeds in China

LI Pan-pan¹，HE Xu-nuo¹，ZUO Ran-ling²，LYU Wen-gang³，WU Hai-rong¹

（1.Guangzhou Customs Technology Center，Guangzhou 510623，China；

2.Huangpu Customs Technology Center，Guangzhou 510730，China；

3.Foshan Customs Technology Center，Shunde 528303，China）

Abstract：The weeds of Cenchrus are included in quarantine pests list of China，which cause a serious threat to agriculture，livestock，forestry and ecological environment. In recent years，Cenchrus weeds have been intercepted many times in port inspection especially the imported grains，so it is extremely important to prevent these harmful weeds colonizing China. This paper analysised habitability in the world and China of four Cenchrus weeds intercepted in port through MaxEnt software，a combining with global variable environmental conditions including temperature，precipitation and soil. Then it was to divide the grades. The results showed that the four Cenchrus weeds had large suitable areas in the world. The suitable areas of C. tribuloides，C. ciliaris，C. myosuroides are in South China，and the highly suitable areas are mainly in the Yangtze River Delta and Yunnan-Guizhou regions. The suitable areas of C. spinifex include the south and the north of China，and the highly suitable areasare mainly in Tohoku region，Inner Mongolia，Beijing and the Yangtze River Delta. The results could provide a scientific basis for the early warning and follow-up monitoring of alien invasive species for the relevant departments.

收稿日期：2022-02-18

基金項(xiàng)目：廣州海關(guān)科研計(jì)劃（編號(hào)：2020GZCK-006）。

作者簡(jiǎn)介：李盼畔（1988—），湖北宜昌人，碩士，農(nóng)藝師，研究方向?yàn)殡s草鑒定。E-mail：panda411190351@126.com。

通信作者：吳海榮，博士，高級(jí)農(nóng)藝師，研究方向?yàn)殡s草鑒定。E-mail：whair5491@163.com。

Key words：Cenchrus；MaxEnt model；the suitable area to grow；prevention and control

蒺藜草屬（Cenchrus L.）為禾本目（Poales）禾本科（Poaceae）植物，全球共20種^［1］，主要分布在美洲，部分產(chǎn)自非洲和亞洲^［2］。按照《Flora of China》第22卷，蒺藜草屬目前在我國(guó)分布的有4種，均是外來(lái)傳入種，分別為美洲蒺藜草（C. ciliaris）（中國(guó)臺(tái)灣）、少花蒺藜草（C. spinifex）（遼寧、內(nèi)蒙古、吉林、北京）、刺蒺藜草（C. echinatus）（福建、海南、云南、中國(guó)臺(tái)灣）、倒刺蒺藜草（C. setigerus）（云南）。蒺藜草屬雜草適應(yīng)能力極強(qiáng)，是危害農(nóng)田和果園的有害雜草，與作物等競(jìng)爭(zhēng)水分和養(yǎng)分，導(dǎo)致作物嚴(yán)重減產(chǎn)；有一些雜草如刺蒺藜草，是玉米條紋病毒和甘蔗條紋病毒的中間宿主；同時(shí)蒺藜草屬雜草成熟后的刺苞堅(jiān)硬銳利，可對(duì)人和牲畜造成機(jī)械損傷，使牲畜患上乳房炎、蹄甲炎及跛行等，嚴(yán)重時(shí)刺傷口腔形成潰瘍，甚至刺傷腸胃黏膜，或腸胃穿孔引起死亡；刺苞黏附在羊毛上，也會(huì)導(dǎo)致羊毛品質(zhì)和產(chǎn)量下降^［3］。因此，蒺藜草屬雜草已經(jīng)被列入我國(guó)進(jìn)境植物檢疫性有害生物名錄^［4-6］。近年來(lái)，隨著我國(guó)進(jìn)口貿(mào)易的持續(xù)增長(zhǎng)、交通方式的多樣化以及物流的迅猛發(fā)展，植物檢疫性有害生物的發(fā)生趨勢(shì)日益嚴(yán)重，不僅對(duì)農(nóng)業(yè)的發(fā)展和安全帶來(lái)影響，還對(duì)生態(tài)環(huán)境、生物多樣性以及人類(lèi)健康帶來(lái)潛在威脅。2021年農(nóng)業(yè)農(nóng)村部、海關(guān)總署等幾大部門(mén)聯(lián)合發(fā)文，加大對(duì)外來(lái)入侵生物的防控和治理。預(yù)防是防止外來(lái)有害生物進(jìn)入的有效手段，在源頭上阻止進(jìn)入國(guó)門(mén)，及時(shí)監(jiān)測(cè)尤為重要。生物都有最佳適生環(huán)境，對(duì)于特定的外來(lái)生物，提前了解其適生環(huán)境，有針對(duì)地進(jìn)行監(jiān)測(cè)，減少人力、物力和財(cái)力負(fù)擔(dān)。蒺藜草屬雜草作為一類(lèi)威脅性極大的外來(lái)入侵生物，在各口岸進(jìn)境貨物中被頻繁截獲，筆者在進(jìn)口糧食中經(jīng)常截獲刺蒺藜草、少花蒺藜草、長(zhǎng)刺蒺藜草、刺苞草等^［7-9］，在進(jìn)口原木上截獲美洲蒺藜草等。這些危險(xiǎn)性極高的雜草一旦進(jìn)入我國(guó)定植，會(huì)給農(nóng)業(yè)、畜牧業(yè)等造成嚴(yán)重危害。本研究對(duì)口岸截獲的4種蒺藜草屬雜草進(jìn)行適生性分析，給外來(lái)有害生物的監(jiān)測(cè)、后續(xù)監(jiān)管和防控預(yù)案工作提供參考，防止蒺藜草屬雜草在我國(guó)進(jìn)一步入侵和擴(kuò)散。

近些年來(lái)，利用生態(tài)位模型進(jìn)行適生性預(yù)測(cè)的方法較多，包括Bioclim、Domain、Garp、Mars、Climex、MaxEnt等，原理大致相似，均是根據(jù)物種已知地理分布數(shù)據(jù)以及相應(yīng)的環(huán)境變量等，利用特定的算法推算該物種的生態(tài)需求，然后將運(yùn)算結(jié)果投射到不同的空間以及時(shí)間對(duì)該物種的潛在分布進(jìn)行預(yù)測(cè)^［10］，這些模型被廣泛應(yīng)用于外來(lái)有害生物的入侵風(fēng)險(xiǎn)分析、珍稀動(dòng)植物的保護(hù)、森林破壞生態(tài)退化過(guò)程等^［11］。其中，MaxEnt模型即最大熵模型（maximum entropy model），通過(guò)已知物種分布地經(jīng)緯度和多種環(huán)境數(shù)據(jù)來(lái)預(yù)測(cè)物種的可能分布范圍，該軟件由Phillips等于2004年首次提出，是基于Java平臺(tái)的一種生態(tài)位模型，目前最新版本為3.4.4版本。本研究采用MaxEnt模型，根據(jù)4種蒺藜草屬雜草的已知分布地區(qū)以及相應(yīng)的氣候數(shù)據(jù)資料，通過(guò)分析其已發(fā)生地區(qū)的地理位置和氣候條件，來(lái)預(yù)測(cè)該雜草在我國(guó)的地理分布范圍，為其風(fēng)險(xiǎn)預(yù)警提供依據(jù)以及技術(shù)儲(chǔ)備。

1 材料與方法

1.1 研究的雜草種類(lèi)

選取在進(jìn)口貨物中截獲的4種蒺藜草屬雜草為研究對(duì)象，分別為刺苞草、美洲蒺藜草、少花蒺藜草、鼠尾蒺藜草。

1.2 相關(guān)軟件和矢量圖

MaxEnt 3.4.4軟件^［12］；中國(guó)地圖來(lái)源于國(guó)家地理信息系統(tǒng)網(wǎng)站（http：//nfgis.nsdi.gov.cn/）提供的1 ∶400 萬(wàn)的國(guó)界和省界地圖［審圖號(hào)：GS（2012）1601號(hào)］；ArcMap 10.2版本，為中國(guó)農(nóng)業(yè)大學(xué)植物檢疫與入侵生物實(shí)驗(yàn)室購(gòu)置，提供版權(quán)使用。

1.3 物種分布數(shù)據(jù)來(lái)源與篩選方法

通過(guò)檢索全球生物多樣性信息平臺(tái)Global Biodiversity Information Facility（GBIF）（https：//www.gbif.org/），刪除無(wú)經(jīng)緯度記錄的點(diǎn)，最后得到如下數(shù)據(jù)：刺苞草152條有效數(shù)據(jù)，無(wú)中國(guó)分布記錄；美洲蒺藜草20 518條，包括6條中國(guó)臺(tái)灣分布記錄；少花蒺藜草2 563條，無(wú)中國(guó)分布記錄；鼠尾蒺藜草303條，無(wú)中國(guó)分布記錄。檢索中國(guó)植物科學(xué)數(shù)據(jù)中心（https：//www.plantplus.cn/cn），采集少花蒺藜草北京記錄1條，查閱文獻(xiàn)［13］得到少花蒺藜草山東和江蘇記錄各1條，以及《Flora of China》中內(nèi)蒙古、遼寧、吉林和北京的紀(jì)錄11條。對(duì)所有分布點(diǎn)的地理坐標(biāo)進(jìn)行篩選和確認(rèn)，剔除不具體以及不在研究范圍內(nèi)的分布點(diǎn)，由于美洲蒺藜草、少花蒺藜草在北美以及澳大利亞的記錄點(diǎn)高度密集，為避免群集效應(yīng)導(dǎo)致模型過(guò)擬合，提高預(yù)測(cè)質(zhì)量，在每1°×1°的網(wǎng)格柵格內(nèi)編寫(xiě)代碼隨機(jī)保留1/6分布點(diǎn)，最終得到美洲蒺藜草有效分布數(shù)據(jù) 1 382 條、少花蒺藜草1 078條。將4種雜草的分布記錄保存為csv格式用于MaxEnt軟件當(dāng)中，具體分布點(diǎn)見(jiàn)圖1。

1.4 環(huán)境數(shù)據(jù)分析與篩選方法

研究所采用的現(xiàn)代氣候數(shù)據(jù)來(lái)源于世界氣候網(wǎng)站（https：//www.worldclim.org/），下載1970—2000年30″ 精度的19個(gè)全球生物氣候變量和1個(gè)全球海拔數(shù)據(jù)。從聯(lián)合國(guó)糧農(nóng)組織世界土壤數(shù)據(jù)庫(kù)V1.2（http：//www.fao.org/soils-portal/soil-survey/soil-maps-and-databases/harmonized-world-soil-database-v12/en/）下載30″精度的全球土壤數(shù)據(jù)，根據(jù)其技術(shù)報(bào)告和指南的數(shù)據(jù)，結(jié)合植物生長(zhǎng)最關(guān)鍵因子，選擇表層土壤堿度和鹽度2個(gè)數(shù)據(jù)用于分析^［14］，利用ArcMap提取這2個(gè)數(shù)據(jù)圖層。

將下載得到的22個(gè)環(huán)境數(shù)據(jù)變量和4種蒺藜草屬雜草在全球分布的經(jīng)緯度數(shù)據(jù)同時(shí)導(dǎo)入ArcMap，提取各位點(diǎn)對(duì)應(yīng)22個(gè)環(huán)境變量的具體數(shù)值并導(dǎo)入Excel中，用SPSS對(duì)這22個(gè)環(huán)境變量進(jìn)行雙變量相關(guān)性分析。若2個(gè)環(huán)境變量的|r|≥0.8，則認(rèn)為差異顯著，剔除生物學(xué)意義相對(duì)較小的變量^［14-16］，減少模型的過(guò)擬合。保留的環(huán)境變量用于MaxEnt軟件分析中（表1）。利用ArcMap對(duì)相應(yīng)變量的空間參考統(tǒng)一為地理坐標(biāo)系GCS_WGS_1984，以土壤圖層大小為標(biāo)準(zhǔn)將像元進(jìn)行統(tǒng)一，并全部轉(zhuǎn)化為asc格式保存。

1.5 MaxEnt模型構(gòu)建

將4種蒺藜草屬雜草在全球分布的經(jīng)緯度數(shù)據(jù)和篩選過(guò)的環(huán)境變量導(dǎo)入到MaxEnt軟件中，對(duì)現(xiàn)代氣候變化背景下4種蒺藜草屬雜草在中國(guó)的潛在地理分布進(jìn)行預(yù)測(cè)。模型的具體參數(shù)設(shè)置：

隨機(jī)測(cè)試比例Random test percentage設(shè)置為25%，即25%的樣本作為測(cè)試集，剩余75%的樣本為訓(xùn)練集；重復(fù)類(lèi)型Replicated run type選擇為交叉驗(yàn)證Crossvalidate，即將經(jīng)緯度分布點(diǎn)數(shù)據(jù)隨機(jī)平均分成10份，每一次運(yùn)算隨機(jī)選取1份作為測(cè)試集；剩余9份作為訓(xùn)練集，運(yùn)算次數(shù)Replicates設(shè)定為10次，預(yù)測(cè)結(jié)果為10次運(yùn)算結(jié)果的平均值。勾選制作響應(yīng)曲線(xiàn)Create response curves、繪制預(yù)測(cè)圖形Make pictures of predictions、刀切法檢驗(yàn)顯示環(huán)境變量的重要程度Do jackknife to measure variable importance，輸出格式Output format選擇logistic，輸出類(lèi)型Output file type選擇asc，其他設(shè)置為默認(rèn)設(shè)置。

將MaxEnt運(yùn)算的平均值結(jié)果的asc格式文件導(dǎo)入ArcMap中，使用工具欄中轉(zhuǎn)換工具（Conversion tools）將ASCⅡ 格式文件轉(zhuǎn)換為柵格數(shù)據(jù)，然后使用空間分析工具（Spatial analyst tools）中的重分類(lèi) （Reclassify） 程序，選擇自然間斷點(diǎn)分級(jí)法Natural breaks （Jenks）將適生區(qū)分成4個(gè)等級(jí)^{［11，17］}，分別為非適生區(qū)（>0～≤0.1）、低度適生區(qū)（>0.1～≤0.3）、中度適生區(qū)（>0.3～≤0.5）和高度適生區(qū)（>0.5～≤1.0），并通過(guò)掩膜裁剪出中國(guó)范圍的適生性預(yù)測(cè)結(jié)果。

2 結(jié)果與分析

2.1 適生性預(yù)測(cè)結(jié)果

2.1.1 在世界的適生性預(yù)測(cè)結(jié)果

對(duì)比圖1、圖2可知，經(jīng)過(guò)MaxEnt進(jìn)行適生性預(yù)測(cè)之后，4種蒺藜草屬雜草的適生性范圍比目前分布區(qū)域進(jìn)一步擴(kuò)大，說(shuō)明這4種蒺藜草屬雜草還有入侵其他國(guó)家地區(qū)的可能性。刺苞草的適生性范圍（圖1-A、圖2-A）擴(kuò)大到了非洲、亞洲和澳洲，其中在中國(guó)、日本和澳大利亞部分地區(qū)具有高度適生性；美洲蒺藜草的適生性范圍（圖1-B、圖2-B）在亞洲地區(qū)擴(kuò)大，主要包括印度、尼泊爾、孟加拉國(guó)、緬甸、泰國(guó)、老撾、越南、柬埔寨、中國(guó)、菲律賓等，其中在部分區(qū)域有高度適生性；少花蒺藜草的適生性范圍（圖1-C、圖2-C）在非洲和亞洲在目前分布范圍上進(jìn)一步擴(kuò)大；鼠尾蒺藜草的適生性范圍（圖1-D、圖2-D）擴(kuò)大到了非洲、歐洲、亞洲、澳洲，并且在這些地區(qū)的部分區(qū)域還表現(xiàn)出高度適生性。

2.1.2 在中國(guó)的適生性預(yù)測(cè)結(jié)果

結(jié)合適生性預(yù)測(cè)結(jié)果（圖3）以及ArcMap程序，計(jì)算得到如下結(jié)果：刺苞草在中國(guó)的高度適生區(qū)約占總面積的0.68%，約為6.53萬(wàn)km²，主要地區(qū)為江蘇、浙江、安徽相連接地區(qū)，上海以及湖北中南部和湖南北部小部分區(qū)域；中度適生區(qū)約占總面積的1.75%，約為16.85萬(wàn)km²，主要地區(qū)為江蘇、安徽、浙江、湖北、湖南、江西、福建、廣東、海南、西藏的局部區(qū)域；低度適生區(qū)約占總面積的5.74%，約為55.09萬(wàn)km²，主要地區(qū)為山東、河南、安徽、江蘇、湖北、湖南、江西、浙江、福建、中國(guó)臺(tái)灣、廣東、廣西、海南、西藏的局部區(qū)域。

美洲蒺藜草在中國(guó)的高度適生區(qū)約占總面積的0.19%，約為1.80萬(wàn)km²，主要地區(qū)為云南中部和北部、貴州南部小部分區(qū)域、海南西部、中國(guó)臺(tái)灣西部以及福建沿海小部分區(qū)域；中度適生區(qū)約占總面積的3.02%，約為28.96萬(wàn)km²，主要地區(qū)為云南、貴州、廣西、海南、廣東、福建、中國(guó)臺(tái)灣、上海、江蘇的局部區(qū)域；低度適生區(qū)約占總面積的9.10%，約為87.39萬(wàn)km²，主要地區(qū)為西藏、云南、四川、貴州、廣西、湖南、廣東、海南、江西、福建、中國(guó)臺(tái)灣、浙江、上海、江蘇的局部區(qū)域。

少花蒺藜草在中國(guó)的高度適生區(qū)約占總面積的1.02%，約為9.79萬(wàn)km²，主要地區(qū)為內(nèi)蒙古、北京、遼寧、吉林、江蘇、安徽、浙江、福建、云南局部區(qū)域以及上海；中度適生區(qū)約占總面積的4.76%，約為45.70萬(wàn)km²，主要地區(qū)為內(nèi)蒙古、北京、遼寧、吉林、云南、廣西、廣東、福建、浙江、江蘇、安徽、江西、湖北、湖南和河南的局部區(qū)域；低度適生區(qū)約占總面積的30.42%，約為292.03萬(wàn)km²，主要地區(qū)為內(nèi)蒙古、北京、遼寧、吉林、河北、山西、陜西、寧夏、云南、四川、貴州、湖南、廣西、廣東、海南、福建、中國(guó)臺(tái)灣、江西、浙江、安徽、江蘇、山東、河南、湖北、陜西、山西的全部或局部區(qū)域。

鼠尾蒺藜草在中國(guó)的高度適生區(qū)約占總面積的0.40%，約為3.85萬(wàn)km²，主要地區(qū)為云南中部和北部、貴州南部小部分區(qū)域；中度適生區(qū)約占總面積的1.80%，約為17.20萬(wàn)km²，主要地區(qū)為云南、貴州、廣西、廣東、湖南、江西、福建、中國(guó)臺(tái)灣、浙江、江蘇、安徽、湖北的局部區(qū)域；低度適生區(qū)約占總面積的14.58%，約為139.94萬(wàn)km²，主要地區(qū)為西藏、云南、四川、重慶、貴州、廣西、海南、廣東、湖南、江西、福建、中國(guó)臺(tái)灣、浙江、上海、江蘇、安徽、湖北、河南的局部區(qū)域。

2.2 潛在適生性預(yù)測(cè)結(jié)果的評(píng)價(jià)與分析

2.2.1 潛在適生性預(yù)測(cè)結(jié)果的精確度評(píng)價(jià)

受試者工作特征曲線(xiàn)（receiver operating characteristic，ROC）是將運(yùn)算結(jié)果中的每一個(gè)值作為可能的判斷閾值來(lái)得出對(duì)應(yīng)的特異性和靈敏性，對(duì)模型的精確性進(jìn)行評(píng)估。由于ROC曲線(xiàn)下面積（AUC）不受判斷閾值的影響，因此被公認(rèn)為目前最佳的模型預(yù)測(cè)準(zhǔn)確度評(píng)價(jià)指標(biāo)^［11］。AUC的取值范圍為0～1，取值越小，表示與隨機(jī)分布距離越近，模型預(yù)測(cè)結(jié)果準(zhǔn)確性越低；相反，取值越大，則表示與隨機(jī)分布距離越遠(yuǎn)，模型預(yù)測(cè)結(jié)果準(zhǔn)確性越高。一般評(píng)估標(biāo)準(zhǔn)為：0≤AUC<0.7時(shí)，預(yù)測(cè)結(jié)果準(zhǔn)確性低；0.7≤AUC<0.8時(shí)，預(yù)測(cè)結(jié)果比較準(zhǔn)確；0.8≤AUC<0.9時(shí)，預(yù)測(cè)結(jié)果準(zhǔn)確；0.9≤AUC<1.0時(shí)，預(yù)測(cè)結(jié)果非常準(zhǔn)確^［18］。本研究利用MaxEnt模型預(yù)測(cè)4種蒺藜草屬雜草在中國(guó)潛在分布結(jié)果的ROC曲線(xiàn)中的AUC值為0.954、0.867、0.931、0.952，說(shuō)明預(yù)測(cè)結(jié)果準(zhǔn)確。

2.2.2 影響適生性預(yù)測(cè)的環(huán)境變量

在用于MaxEnt模型的環(huán)境變量中，由刀切法檢驗(yàn)結(jié)果可知單一環(huán)境變量作用時(shí)，對(duì)模型訓(xùn)練預(yù)測(cè)增益影響最大的環(huán)境變量：對(duì)刺苞草增益影響最大的4個(gè)變量（圖4-A）為Bio19（最冷季降水量）、Bio12（年降水量）、Elev（海拔）、Bio9（最干季平均溫度），說(shuō)明降水量、溫度、海拔是影響刺苞草模型預(yù)測(cè)結(jié)果準(zhǔn)確性以及分布的主要因素；對(duì)美洲蒺藜草增益影響最大的4個(gè)變量（圖4-B）為Bio4（溫度季節(jié)性變化標(biāo)準(zhǔn)差）、Bio9（最干季平均溫度）、Bio5（最熱月最高溫度）、Bio8（最濕季平均溫度），說(shuō)明溫度是影響美洲蒺藜草模型預(yù)測(cè)結(jié)果準(zhǔn)確性以及分布的主要因素；對(duì)少花蒺藜草增益影響最大的4個(gè)變量（圖4-C）為Bio1（年平均氣溫）、Bio9（最干季平均溫度）、Bio4（溫度季節(jié)性變化標(biāo)準(zhǔn)差）、Bio3（等溫性），說(shuō)明溫度是影響少花蒺藜草模型預(yù)測(cè)結(jié)果準(zhǔn)確性以及分布的主要因素；對(duì)鼠尾蒺藜草增益影響最大的4個(gè)變量（圖 4-D）為Bio9（最干季平均溫度）、Bio4（溫度季節(jié)性變化標(biāo)準(zhǔn)差）、Bio2（平均氣溫日較差）、Bio5（最熱月最高溫度），說(shuō)明溫度是影響鼠尾蒺藜草模型預(yù)測(cè)結(jié)果準(zhǔn)確性以及分布的主要因素。

2.2.3 環(huán)境變量對(duì)4種蒺藜草屬雜草生長(zhǎng)的影響

根據(jù)環(huán)境變量相應(yīng)曲線(xiàn)，刺苞草的存在概率為20%以上時(shí)，最冷季降水量為160～400 mm，年降水量為700～1 800 mm，海拔0～250 m，最干季平均溫度-3～22 ℃，結(jié)合刺苞草在中國(guó)的適生區(qū)預(yù)測(cè)結(jié)果（圖3-A），刺苞草的高度和中度適生區(qū)主要位于長(zhǎng)江出?？诩捌渲?chē)鷧^(qū)域，其環(huán)境條件與上述4個(gè)主要變量基本相吻合。美洲蒺藜草的存在概率為20%以上時(shí)的溫度季節(jié)性變化標(biāo)準(zhǔn)差為50～800 ℃，最干季平均溫度5.5～33 ℃，最熱月最高溫度26～44.5 ℃，最濕季平均溫度14～36 ℃，可知美洲蒺藜草適合在溫度較高的環(huán)境中生存，結(jié)合美洲蒺藜草在世界范圍內(nèi)的適生性預(yù)測(cè)結(jié)果（圖2-B）可知美洲蒺藜草的確適宜在赤道周?chē)鷾囟容^高的熱帶、亞熱帶地區(qū)生長(zhǎng)。而在我國(guó)的適生性預(yù)測(cè)結(jié)果（圖3-B）中，美洲蒺藜草最適宜在云貴高原地區(qū)生長(zhǎng)，云貴高原屬于亞熱帶季風(fēng)氣候，冬季溫暖，總體溫度較高。少花蒺藜草的存在概率為20%以上時(shí)的年平均氣溫9.5～24 ℃，最干季平均溫度-1～25 ℃，溫度季節(jié)性變化標(biāo)準(zhǔn)差600～1 000 ℃，等溫性28～75，可知少花蒺藜草適合在溫差較大的地區(qū)生長(zhǎng)。結(jié)合少花蒺藜草在中國(guó)的適生性預(yù)測(cè)結(jié)果（圖3-C），其在東北、內(nèi)蒙古、北京、江蘇、上海和安徽等地區(qū)適生性強(qiáng)，而這些地區(qū)年溫差較大。鼠尾蒺藜草的存在概率為20%以上時(shí)的最干季平均溫度5～21 ℃，溫度季節(jié)性變化標(biāo)準(zhǔn)差小于45 ℃或者 100～700 ℃，平均氣溫日較差大于10 ℃，最熱月最高溫度22.5～38 ℃，可知鼠尾蒺藜草適合在溫度較高、溫差較大的環(huán)境中生存。在我國(guó)的適生性預(yù)測(cè)結(jié)果（圖3-D）中，鼠尾蒺藜草最適宜在云貴高原地區(qū)生長(zhǎng)，該地區(qū)總體溫度較高且年溫差較大。

3 討論與結(jié)論

經(jīng)過(guò)適生性分析可知，4種蒺藜草屬雜草在世界范圍內(nèi)還具有很大的適生空間，且在我國(guó)的部分地區(qū)還存在高度適生性，其中溫度對(duì)分布范圍的影響最大。因此，應(yīng)提高對(duì)該4種雜草的入侵風(fēng)險(xiǎn)意識(shí)，做好預(yù)警工作，防止在我國(guó)的定植與（或）進(jìn)一步擴(kuò)散。

3.1 應(yīng)提高蒺藜草屬雜草入侵我國(guó)的風(fēng)險(xiǎn)意識(shí)，守好國(guó)門(mén)第一道防線(xiàn)

近些年來(lái)，應(yīng)用MaxEnt模型進(jìn)行適生性預(yù)測(cè)的研究較多，主要因?yàn)镸axEnt模型是根據(jù)物種的具體分布點(diǎn)進(jìn)行預(yù)測(cè)的，在物種分布點(diǎn)數(shù)量不定和分布記錄較少（少于20條）以及環(huán)境變量不明確的情況下仍具有較準(zhǔn)確的預(yù)測(cè)效果^{［11，19-21］}。因此，本研究對(duì)4種蒺藜草屬雜草的適生性預(yù)測(cè)具有較準(zhǔn)確的參考價(jià)值。蒺藜草屬雜草屬于我國(guó)進(jìn)境植物檢疫性有害生物，對(duì)我國(guó)的農(nóng)業(yè)、林業(yè)、畜牧業(yè)以及生態(tài)環(huán)境都具有較大的危害。由適生性預(yù)測(cè)的結(jié)果可以得出該4種蒺藜草屬雜草在全球還有很大的適生空間，因此我們?cè)陉P(guān)注其在國(guó)內(nèi)的適生范圍情況外，還需要關(guān)注國(guó)外潛在分布可能性，在進(jìn)口貨物、國(guó)外引種等過(guò)程中要提高疫情防控的風(fēng)險(xiǎn)意識(shí)。

我國(guó)是世界上糧食進(jìn)口量最大的國(guó)家，糧食是攜帶外來(lái)雜草的重要載體，且普遍攜帶檢疫性雜草^［9］。有效監(jiān)管糧食裝卸、運(yùn)輸、加工以及儲(chǔ)存各個(gè)環(huán)節(jié)，防止如蒺藜草屬等外來(lái)入侵雜草疫情的傳入和擴(kuò)散，并進(jìn)行防治根除對(duì)海關(guān)以及農(nóng)業(yè)、林業(yè)部門(mén)來(lái)說(shuō)都是一項(xiàng)艱巨的任務(wù)。因此，進(jìn)口糧食的口岸部門(mén)要加強(qiáng)對(duì)外來(lái)雜草的檢疫鑒定能力，平時(shí)多關(guān)注其他國(guó)家的國(guó)內(nèi)植物疫情動(dòng)態(tài)，對(duì)威脅性較大的有害生物要提高警惕，在現(xiàn)場(chǎng)抽樣以及實(shí)驗(yàn)室鑒定時(shí)也要進(jìn)行重點(diǎn)關(guān)注。如發(fā)現(xiàn)檢疫性雜草和危險(xiǎn)性雜草，要加大后續(xù)環(huán)節(jié)的監(jiān)管力度，對(duì)加工廠(chǎng)的下腳料要嚴(yán)格進(jìn)行焚燒處理，將有害雜草如蒺藜草屬雜草拒絕在國(guó)門(mén)一線(xiàn)。

3.2 4種蒺藜草屬雜草在我國(guó)的適生范圍廣，需加強(qiáng)監(jiān)測(cè)與調(diào)查

4種蒺藜草屬雜草在我國(guó)都具有一定的適生性，其中刺苞草、美洲蒺藜草、鼠尾蒺藜草的適生范圍主要集中在南方地區(qū)，其中高度適生區(qū)在長(zhǎng)江三角洲和云貴地區(qū)；而少花蒺藜草在南方和北方都具適生性，其中高度適生區(qū)主要集中在東北、內(nèi)蒙古、北京以及長(zhǎng)江三角洲。這些地區(qū)應(yīng)該將4種蒺藜草屬雜草列入外來(lái)有害生物監(jiān)控名單，定期監(jiān)測(cè)。同時(shí)，這些地區(qū)的農(nóng)業(yè)、林業(yè)、海關(guān)等相關(guān)部門(mén)也應(yīng)在進(jìn)口糧食口岸以及運(yùn)輸沿線(xiàn)、定點(diǎn)加工廠(chǎng)周?chē)?，定期進(jìn)行外來(lái)雜草監(jiān)測(cè)，一旦發(fā)現(xiàn)上述4種蒺藜草屬雜草，應(yīng)立即進(jìn)行鏟除，并對(duì)發(fā)生的地點(diǎn)進(jìn)行持續(xù)監(jiān)控，直至未發(fā)現(xiàn)該雜草為止。

3.3 要擴(kuò)大宣傳，提高公眾對(duì)有害生物的防控意識(shí)

加強(qiáng)宣傳，提高公眾對(duì)有害生物的認(rèn)識(shí)以及防范意識(shí)，在日常生活中要避免有意或無(wú)意引入和轉(zhuǎn)移外來(lái)物種，明白其危害性，鼓勵(lì)利用本地種進(jìn)行綠化和園藝栽培，保護(hù)未受外來(lái)雜草入侵的自然生態(tài)環(huán)境系統(tǒng)，形成全民共同防止外來(lái)有害生物入侵我國(guó)的氛圍。采取“防重于治”的防范原則，避免“先污染后治理”現(xiàn)象發(fā)生^［22-23］。

參考文獻(xiàn)：

［1］Delisles D G. Taxonomy and distribution of the genus Cenchrus［J］. Iowa State Journal Science，1963，37（3）：259-351.

［2］Verloove F. New combinations in Cenchrus （Paniceae，Poaceae） in Europe and the Mediterranean area［J］. Willdenowia，2012，42（1）：77-78.

［3］印麗萍. 中國(guó)進(jìn)境植物檢疫性有害生物：雜草卷［M］. 北京：中國(guó)農(nóng)業(yè)出版社，2018.

［4］中華人民共和國(guó)進(jìn)境植物檢疫性有害生物名錄：中華人民共和國(guó)農(nóng)業(yè)部公告第862號(hào)［EB/OL］. （2007-06-20） ［2022-01-07］. http：//www.moa.gov.cn/nybgb/2007/dliuq/201806/t20180613_6151927.

［5］木薯綿粉蚧和異株莧亞屬雜草增列入《中華人民共和國(guó)進(jìn)境植物檢疫性有害生物名錄》：農(nóng)業(yè)部和國(guó)家質(zhì)檢總局聯(lián)合公告第1600號(hào)［EB/OL］. （2020-07-20）［2022-01-07］. http：//www.moa.gov.cn/ztzl/gjzwbhgy/tjxx/201205/t20120506_2617758.htm.

［6］中華人民共和國(guó)農(nóng)業(yè)農(nóng)村部和中華人民共和國(guó)海關(guān)總署聯(lián)合公告第413號(hào)［EB/OL］. （2021-10-29） ［2022-01-07］. http：//www.moa.gov.cn/nybgb/2021/202105/202110/t2021 1021_6380102.htm

［7］李盼畔，左然玲，蔣 湘，等. 進(jìn)境美國(guó)高粱攜帶雜草種子萌發(fā)率測(cè)定［J］. 植物檢疫，2017，31（5）：21-25.

［8］左然玲，蔣 湘，李盼畔，等. 進(jìn)境美國(guó)高粱截獲雜草種子現(xiàn)狀分析［J］. 生物安全學(xué)報(bào)，2017，26（4）：307-310.

［9］李盼畔，吳海榮，劉明航，等. 南沙自貿(mào)區(qū)進(jìn)口貨物截獲雜草疫情分析［J］. 中國(guó)口岸科學(xué)技術(shù)，2021，3（5）：75-82.

［10］ 張 超，陳 磊，田呈明，等. 基于GARP和MaxEnt的云杉矮槲寄生分布區(qū)的預(yù)測(cè)［J］. 北京林業(yè)大學(xué)學(xué)報(bào)，2016，38（5）：23-32.

［11］張 華，趙浩翔，徐存剛. 氣候變化背景下孑遺植物桫欏在中國(guó)的潛在地理分布［J］. 生態(tài)學(xué)雜志，2021，40（4）：968-979.

［12］Phillips S J，Dudík M，Schapire R E. Maxent software for modeling species niches and distributions （Version 3.4.4）［EB/OL］. ［2022-01-07］. http：//biodiversityinformatics.amnh.org/open_source/maxent/.

［13］于勝祥，陳瑞輝. 中國(guó)口岸外來(lái)入侵植物彩色圖鑒［M］. 鄭州：河南科學(xué)技術(shù)出版社，2020.

［14］郭云霞，王亞鋒，付志璽，等. 基于優(yōu)化MaxEnt模型的疣果匙薺在中國(guó)的適生區(qū)預(yù)測(cè)與分析［J］. 植物保護(hù)，2022，48（2）：40-47.

［15］Yan H Y，F(xiàn)eng L，Zhao Y F，et al. Prediction of the spatial distribution of Alternanthera philoxeroides in China based on ArcGIS and MaxEnt［J］. Global Ecology and Conservation，2020，21：e00856.

［16］Xu D P，Zhuo Z H，Wang R L，et al. Modeling the distribution of Zanthoxylum armatum in China with MaxEnt modeling［J］. Global Ecology and Conservation，2019，19：e00691.

［17］寧 瑤，雷金睿，宋希強(qiáng)，等. 石灰?guī)r特有植物海南鳳仙花潛在適宜生境分布模擬［J］. 植物生態(tài)學(xué)報(bào)，2018，42（9）：946-954.

［18］Swets J A. Measuring the accuracy of diagnostic systems［J］. Science，1988，240（4857）：1285-1293.

［19］Barbosa F G，Schneck F. Characteristics of the top-cited papers in species distribution predictive models［J］. Ecological Modelling，2015，313：77-83.

［20］Elith J，Phillips S J，Hastie T，et al. A statistical explanation of MaxEnt for ecologists［J］. Diversity and Distributions，2011，17（1）：43-57.

［21］Kumar S，Stohlgren T. Maxent modeling for predicting suitable habitat for threatened and endangered tree Canacomyrica monticola in New Caledonia［J］. Journal of Ecology and the Natural Environment，2009，1：94-98.

［22］張永宏，袁淑珍. 二連浩特口岸外來(lái)雜草的調(diào)查與監(jiān)測(cè)［J］. 現(xiàn)代農(nóng)業(yè)科技，2010（6）：180-181，184.

［23］李盼畔，魏 霜，陳 萍，等. 需重視的檢疫性雜草：密花豚草［J］. 植物檢疫，2020，34（5）：64-67.