新疆典型蝗蟲適生區(qū)分布預測

巨喜鋒,林 峻,吳建國,陳吉軍,關(guān)靖云,李漠巖,鄭江華,,*

1 新疆大學資源與環(huán)境科學學院, 烏魯木齊 830046

2 新疆治蝗滅鼠指揮部辦公室, 烏魯木齊 830001

3 綠洲生態(tài)教育部重點實驗室, 烏魯木齊 830046

草地是自然生態(tài)系統(tǒng)的重要組成部分,不僅在水土保持、生態(tài)平衡、碳固定方面具有重要生態(tài)價值,而且在政治、經(jīng)濟、文化、生態(tài)環(huán)境建設方面扮演著重要角色[1—2]。新疆草原草地面積為57.2588萬km2,在全國草地面積中排名第三[3],其健康受包括蝗災在內(nèi)的各類草原生物災害嚴重影響,其中蝗災與水災、旱災并稱為三大天災,新疆蝗災發(fā)生最早可追溯到東漢時期[4],1986—1991年發(fā)生面積近4萬km2,其中嚴重危害區(qū)面積近2.8萬km2,發(fā)生面積占可利用面積的8.5%[5]。新疆草原蝗蟲具有種類多,分布廣,數(shù)量大,災害嚴重的特點。20世紀陳永林[6]調(diào)查新疆蝗蟲有62屬157種；近期于冰潔等[7]指出新疆蝗蟲種類達65屬177種；而徐超民等[8]認為新疆草原蝗蟲發(fā)生區(qū)蝗蟲記載有8科16屬171種,其中優(yōu)勢種包括亞洲飛蝗(Locustamigratoriamigratoria)、意大利蝗(CalliptamusItalicus)、黑腿星翅蝗(C.barbarus)、西伯利亞蝗(GomphocerusSibirius)、寬須蟻蝗(Myrmeleotettixpalpalis)、黑條小車蝗(Oedaleusdecorus)、紅脛戟紋蝗(Dociostauruskraussikraussi)等十余種。近年新疆極端氣候事件日漸頻繁,氣候變暖和極端降水增加與新疆典型蝗蟲持續(xù)爆發(fā)關(guān)系緊密[9],此外肆虐亞非的沙漠蝗(Schistocercagregaria),使得全球糧食安全和生態(tài)安全備受關(guān)注,文獻也應用多種技術(shù)方法研究了沙漠蝗的遷飛通道以及入境中國的風險,此外Guan等還通過MaxEnt模型研究了在未來氣候條件下沙漠蝗的適生區(qū)分布情況[10—11]。在常態(tài)化疫情防控條件下,切實做好新疆本地典型蝗蟲適生區(qū)預測與境外蝗蟲遷飛入境監(jiān)測工作異常重要。新疆草原蝗蟲在日常監(jiān)測、防治方面面臨防治范圍廣、防治監(jiān)測蝗蟲類型多的嚴峻挑戰(zhàn)。

物種分布模型(Species Distribution Models, SDMs)以已知物種分布點及環(huán)境數(shù)據(jù)作為輸入,利用數(shù)學統(tǒng)計方法或機器學習理論探究物種在生態(tài)位空間實際狀況[12],在生物多樣性保護研究、物種入侵研究及物種適生區(qū)預測等方面得到廣泛應用[13]。在模型發(fā)展中形成了基于生態(tài)位理論、數(shù)理統(tǒng)計和機器學習物種分布模型[14],其中BIOCLIM模型、HABITAT模型及領(lǐng)域模型(DOMAIN)等都是典型的基于生態(tài)位量化理論而形成的模型,該類模型基于典型已知物種分布點及環(huán)境空間中多變量極值組成的包絡體外邊緣,預測出物種分布的潛在區(qū)域[15]。在此基礎上,隨著數(shù)學方法的發(fā)展,出現(xiàn)了應用數(shù)理統(tǒng)計方法探索物種分布點與預測區(qū)統(tǒng)計學關(guān)系以預測物種潛在分布區(qū)的模型算法,該類模型算法包括廣義線性模型(GLM)、隨機森林模型(RF)和馬氏距離(MAHAL)等[16]。近些年伴隨著計算機科學的發(fā)展,機器學習的理論思想逐步引用到物種分布模型預測中,其中應用相對較為廣泛的有人工神經(jīng)網(wǎng)絡(ANN)、支持向量機(SVM)、提升回歸樹(BRT)以及最大熵模型(MaxEnt)等一大批優(yōu)秀模型[17]。但基于不同模型的物種分布區(qū)及潛在適生區(qū)預測結(jié)果具有很強的不確定性,從而導致單個最優(yōu)模型的選擇具有一定困難,因此將多個不同模型預測輸出組合為一個集成模型變得尤為重要[18]。集成建模的基本思想是將各單一模型中捕獲到的真實信號予以保留,對數(shù)據(jù)和模型中產(chǎn)生的錯誤和不確定更好地分離和降低,從而使得建模的結(jié)果更為可靠[19—20]。

在新疆典型蝗蟲發(fā)生預測相關(guān)研究中,楊洪升等[21]探究了新疆蝗蟲與植被長勢、氣候因子間的關(guān)系,指出蝗蟲發(fā)生與植被長勢息息相關(guān),且溫度是影響植被長勢的主要因子。Zheng等[22]使用基于GIS多準則分析方法預測了新疆蝗蟲可能爆發(fā)的區(qū)域,得到較高的預測精度。楊會楓等[23]使用MaxEnt模型預測了西伯利亞蝗在新疆的潛在分布,確定了影響西伯利亞蝗分布的重要環(huán)境因子,得出模型精度較高。李培先等[24]基于MaxEnt模型預測了未來不同氣候變化情景下新疆意大利蝗潛在分布,指出極端水分條件和水熱條件對其潛在分布影響巨大。因不同物種分布模型自身差異,各模型算法對模型不確定性的影響會進一步影響到模型預測結(jié)果的準確度[25]?；诩山Ｋ枷氚l(fā)展起來的利用多個模型信息的集合模型可以有效降低單一模型預測的不確定性,從而提升模型的穩(wěn)定性及預測結(jié)果的可靠性[26]。當前也有大量的文獻應用多個模型集成對不同生物物種的分布做了預測,如韓欣嬈等[27]通過多個物種分布模型的集合對草地貪夜蛾的潛在分布區(qū)做了預測,Lippi等[28]應用多個物種分布模型對美國犬蜱的分布區(qū)做了預測。

前人的研究集中于單一種類蝗蟲在不同氣候條件下的潛在適生區(qū)展開,但各類主要蝗蟲對地理環(huán)境、草地類型、氣候狀況、土壤條件等環(huán)境的適宜性存在一致性,因此文獻[29]將新疆草原蝗蟲發(fā)生區(qū)分為八大亞區(qū)；此外前人針對草原的相關(guān)研究主要通過單一物種分布模型開展,但單一模型預測的不確定性較高,而通過多模型集成預測的方法則受到了很大的關(guān)注,相關(guān)研究成果也逐步增多；且相聚焦于與蝗蟲生長密切相關(guān)的氣候因素、植被等因素展開,影響蝗蟲產(chǎn)卵、繁殖關(guān)系密切的土壤環(huán)境研究有待深入。基于此,本文綜合考慮了新疆草原優(yōu)勢蝗種,而非某單一類型蝗蟲；而且集成建?？梢杂行Ы档皖A測不確定性、提升模型的可靠性[30]；研究表明土壤因素對蝗蟲的繁殖、蟲卵孵化過程具有顯著影響[31—32]。

本文以與蝗蟲活動緊密相關(guān)的環(huán)境數(shù)據(jù)為基礎,應用經(jīng)典物種分布模型對新疆典型蝗蟲的潛在適生區(qū)進行研究,探究模型在新疆典型蝗蟲預測研究中的性能表現(xiàn)；選擇高性能模型構(gòu)建草原蝗蟲預測模型集合對新疆典型蝗蟲的適生區(qū)展開預測,以期為一線蝗蟲監(jiān)測工作提供可靠的技術(shù)支持。

1 研究區(qū)概況

新疆位于亞歐大陸腹地,處于我國北方干旱半干旱區(qū),地理位置在東經(jīng)73°40′—96°23′,北緯34°25′—49°10′,面積166萬km2,如圖1。其地形特征是“三山夾兩盆”——自北向南依次為阿爾泰山、準噶爾盆地、天山、塔里木盆地和昆侖山。因深居內(nèi)陸,遠離海洋而形成典型的干旱氣候特征,年均氣溫10℃,年均降水量167.1 mm,降水空間差異大,北部多于南部,由此形成多種草地類型。草場面積占自治區(qū)國土面積一半以上,是當?shù)剞r(nóng)牧業(yè)重要的生產(chǎn)資料[33]。

圖1 研究區(qū)位置及新疆典型蝗蟲發(fā)生監(jiān)測點

2 數(shù)據(jù)與方法

2.1 數(shù)據(jù)來源

2.1.1 蝗蟲發(fā)生數(shù)據(jù)

使用由新疆維吾爾自治區(qū)蝗蟲鼠害預測預報防治中心站提供的全疆范圍內(nèi)各類蝗蟲發(fā)生歷史記錄,并通過收集文獻[23—24,33—36]及全球生物多樣性信息網(wǎng)絡數(shù)據(jù)庫(GBIF)中新疆典型蝗蟲數(shù)據(jù)記錄,此外還有研究團隊長期在野外調(diào)查中采集記錄的蝗蟲發(fā)生區(qū)GPS數(shù)據(jù)。原始數(shù)據(jù)記錄共計3800條,通過篩選及預處理得到3714條數(shù)據(jù)參與后期處理與分析。

2.1.2 氣象數(shù)據(jù)

氣象數(shù)據(jù)包括與新疆典型草原蝗蟲繁殖、生長密切相關(guān)的氣溫降水數(shù)據(jù),其中氣溫數(shù)據(jù)為月最高氣溫和月最低氣溫。氣象數(shù)據(jù)空間分辨率為2.5′,該數(shù)據(jù)時間范圍基本與所收集的蝗蟲發(fā)生記錄相一致,為2000—2018年。該數(shù)據(jù)集由WorldClim(https://www.worldclim.org/data/monthlywth.html)提供,數(shù)據(jù)包括平均最低溫度、平均最高溫度和總降水量3個變量。通過處理與合成生成多年平均最低溫度、多年平均最高溫度和多年總降水量數(shù)據(jù)。

2.1.3 土壤數(shù)據(jù)

土壤濕度數(shù)據(jù)來自全球土地數(shù)據(jù)同化系統(tǒng)(https://disc.gsfc.nasa.gov/),使用空間分辨率為0.25°的表層土壤濕度(0—10 cm)數(shù)據(jù),該數(shù)據(jù)時間范圍與氣象數(shù)據(jù)一致。采用表層土壤酸堿度數(shù)據(jù)(0—30 cm),獲取自中國科學院南京土壤研究所(http://www.soilinfo.cn/),其空間分辨率為1 km。

2.1.4 植被數(shù)據(jù)

使用MODIS NDVI月度歸一化植被指數(shù)(MOD13A3)表征研究區(qū)植被生長狀況,數(shù)據(jù)時間范圍與氣象數(shù)據(jù)保持一致,空間分辨率為1km,通過最大值合成方法,形成多年植被指數(shù)平均值。

2.1.5 地形數(shù)據(jù)

本研究使用的地形數(shù)據(jù)為數(shù)字高程模型(DEM),數(shù)據(jù)獲取自中國科學院地理科學與資源研究所資源環(huán)境科學與數(shù)據(jù)中心(http://www.resdc.cn/),數(shù)據(jù)空間分辨率為500 m,使用ArcGIS軟件生成研究區(qū)坡度、坡向數(shù)據(jù)。

根據(jù)實際狀況,在開展數(shù)據(jù)分析和模型構(gòu)建前,使用ArcGIS軟件對所有環(huán)境因子數(shù)據(jù)重投影為WGS—84坐標,根據(jù)新疆行政區(qū)劃數(shù)據(jù)(由國家基礎地理信息中心發(fā)布的國家基礎地理信息數(shù)據(jù)庫提供)裁剪出研究區(qū)數(shù)據(jù),將所有數(shù)據(jù)重采樣至1 km,并將處理結(jié)果統(tǒng)一轉(zhuǎn)為Geo TIFF格式。

2.2 研究方法

為避免環(huán)境因子間共線性問題導致模型穩(wěn)健性降低,采用相關(guān)性分析方法和方差膨脹因子進行篩選。Green團隊推薦相關(guān)系數(shù)(r=0.7)為最佳閾值[37]。由于相關(guān)性分析有時存在非顯性的相關(guān)結(jié)構(gòu),學者[38]提出使用方差膨脹系數(shù)度量多重共線性影響的嚴重程度,一般認為當方差膨脹系數(shù)高于10時,則模型會存在較為嚴重的多重共線性問題[39]。移除方差膨脹系數(shù)最大且相關(guān)性高于0.7的環(huán)境變量,使用其他變量構(gòu)建模型。

物種分布模型在各領(lǐng)域獲得了很高的評價,如BIOCLIM、DOMAIN及最大熵(MaxEnt)等經(jīng)典模型[40]。但由于數(shù)據(jù)量的增大及各類模型應用場景差異,通過集成建?？山档湍Ｐ瓦x擇中的誤差,同時提供所有候選模型中各變量的相對重要性[41]。集成建模分簡單平均和加權(quán)平均兩種方法[20],其中加權(quán)平均基于單個模型的精度系數(shù)(AUC)分配權(quán)重[42],如式1：

(1)

式中,WApi為i的集成模型預測,AUCj為單一模型的AUC值；pij為各單一模型對i的預測值。

本文使用R語言dismo(https://cran.r—project.org/web/packages/dismo/index.html)包實現(xiàn)各典型模型的預測,之后使用加權(quán)平均方法實現(xiàn)集成模型對新疆典型蝗蟲適生區(qū)預測。

眾多模型評價方法中接受者操作特性曲線(ROC)曲線下面積(AUC)以及真實技巧統(tǒng)計(TSS)得到了廣泛的應用,AUC將所有閾值范圍的值集成到一個單一最終指標中,而非在所有閾值上尋找度量的最大值[43]；TSS是對Kappa系數(shù)優(yōu)點的繼承和對物種分布模型響應曲線不足的克服,通過敏感性和特異性度量[44]。Araujo等[45]認為AUC低于0.5為反預測(即觀測值與預測值間存在負相關(guān)),AUC低于0.6為失敗,低于0.7為差,低于0.8為可接受,低于0.9為良好,高于0.9為優(yōu)秀；張雷等[46]認為TSS低于0.4為失敗,低于0.55為一般,低于0.70為好,低于0.85為很好,高于0.85為極好。

3 結(jié)果與分析

3.1 環(huán)境變量篩選

通過相關(guān)分析得出變量間存在不同相關(guān)性,其中土壤濕度與降水變量間相關(guān)性最高(0.5027),而坡度與坡向間相關(guān)性最小(0.0021),相關(guān)性最高的變量未達到最佳閾值。將方差膨脹系數(shù)的相關(guān)性閾值設定為0.7,再次對所有變量進行篩選,得出月最低氣溫變量及地形變量與其他變量間共線性問題更為突出,如表1,因此予以剔除。在新疆典型蝗蟲適生區(qū)預測中使用除月最低氣溫數(shù)據(jù)及地形外的其余七個環(huán)境因子參與建模。

表1 各環(huán)境變量方差膨脹系數(shù)

3.2 模型精度評價

將發(fā)生監(jiān)測點數(shù)據(jù)分為訓練集和驗證集兩部分,其中驗證樣本集通過隨機選取20%樣點得到。利用AUC驗證各預測模型的性能得出均在可接受的范圍以內(nèi),如圖2和表2所示,其中DOMAIN模型的AUC值和TSS值均最低,分別為0.688和0.301；提升回歸樹模型最高,分別為0.920和0.910。

圖2 各模型接受者操作特性曲線

表2 各模型真實技巧統(tǒng)計值

3.3 模型預測結(jié)果

首先使用單一模型對新疆典型蝗蟲的適生區(qū)進行預測,得出高適宜性區(qū)域集中于天山以北區(qū)域,但預測結(jié)果存在一定差異,其中應用BIOCLIM模型得出適生區(qū)面積最小,DOMAIN模型得出全疆大范圍內(nèi)均為高度適生區(qū),如圖3。地理分布上,高度適生區(qū)集中于北疆各大草原及天山山麓、阿爾泰山附近；行政區(qū)劃上,則集中于阿勒泰地區(qū)、塔城地區(qū)、博樂地區(qū)、石河子市、昌吉州、烏魯木齊市一帶,此外伊犁州、巴音郭楞蒙古自治州、克孜勒蘇柯爾克孜自治州及哈密部分區(qū)域也有分布。

圖3 各模型對典型蝗蟲預測結(jié)果

由于各模型性能存在差異,為提高預測模型可靠性和穩(wěn)健度,本研究將模型AUC和TSS值均更高的提升回歸樹、支持向量機和最大熵等3個高精度模型進行集成,以3個模型的加權(quán)平均最終預測新疆典型蝗蟲適生區(qū),如圖4。通過集成模型預測結(jié)果與單一模型相似,但通過集成模型預測的結(jié)果結(jié)合了三種模型的優(yōu)勢,綜合各模型在不同區(qū)域的預測結(jié)果,從而使得預測的區(qū)域達到更合理的范圍。在對三種典型蝗蟲統(tǒng)一預測的基礎上,運用集成模型分別針對三種典型蝗蟲進行適生區(qū)的預測,有利于認識到不同類型蝗蟲在全疆各地的地理分布特征和規(guī)律,以便在后期工作中對單一蝗蟲采取相對應的監(jiān)測與防控措施。作為新疆典型蝗蟲適生區(qū)集成預測的重要基礎,也分別對亞洲飛蝗、意大利蝗和西伯利亞蝗在全疆的適生區(qū)進行了模擬預測。三類蝗蟲的適生區(qū)具有較大比例的重合區(qū),從圖中看,蝗蟲的高度適生區(qū)基本都集中在新疆北部天山段及伊犁河谷等區(qū)域,對三類蝗蟲適生區(qū)的分別預測將會對蝗蟲的監(jiān)測、防治等各項工作的開展提供便利和支持。

圖4 集成模型對不同蝗蟲類型預測結(jié)果

使用ArcGIS自然間斷法,將集成模型預測的新疆典型蝗蟲適生區(qū)劃分為5個等級[24],如表3。根據(jù)劃分標準對集成模型預測結(jié)果分類,無論是新疆典型草原蝗蟲還是亞洲飛蝗、意大利蝗和西伯利亞蝗單一類型蝗蟲優(yōu)勢種而言,北疆各地州高適生區(qū)面積占比較大,南疆各地州則相對較少。而在北疆的地理分布則主要集中于天山一帶、阿爾泰山一帶、東部的吐哈盆地和西部的伊犁河谷一帶,南疆的適生區(qū)則呈帶狀分布于塔里木盆地南緣的綠洲一帶,如圖5。

表3 新疆典型蝗蟲適生區(qū)劃分

圖5 新疆典型蝗蟲適生區(qū)分級

統(tǒng)計新疆典型蝗蟲不同適生區(qū)分區(qū)面積和比例,如表4,各類適生區(qū)(低適生區(qū)、邊緣適生區(qū)、適生區(qū)、高危區(qū))面積共約59.844萬km2,占新疆所有面積的36%。其中低適生區(qū)面積為28.284萬km2,所占比例最大,占所有適生區(qū)面積的近二分之一(47%),占所有總面積的17%；適生區(qū)面積1.735萬km2,所占比例最小,僅為不到百分之一(0.87%)；邊緣適生區(qū)所占面積較低適生區(qū)低,但也高于其他適生區(qū)分區(qū)；而高危區(qū)面積為16.568萬km2,所占面積僅次于低適生區(qū),所占比例也高達10%。

表4 不同適生區(qū)分區(qū)面積及占比

3.4 環(huán)境因子重要性

新疆各典型蝗蟲對不同環(huán)境因子具有不同耐受性,本文綜合考慮影響意大利蝗、西伯利亞蝗和亞洲飛蝗生存與繁殖等活動的重要生態(tài)環(huán)境變量,各環(huán)境變量對預測新疆蝗蟲適生區(qū)分布的貢獻率如表5。綜合而言,在新疆三類典型蝗蟲適生區(qū)預測的建模中,不同環(huán)境變量在各主要預測模型中的貢獻率存在較大差異性,但是各個環(huán)境變量貢獻率的排名整體上較為一致。具體而言,從3個預測模型的表現(xiàn)上看,在對三類蝗蟲預測中,降水、歸一化植被指數(shù)及月最高氣溫3個變量始終是對蝗蟲適生區(qū)預測貢獻最大的幾類,其中在提升回歸樹模型中,對亞洲飛蝗、意大利蝗和西伯利亞蝗適生區(qū)預測貢獻率最高的變量均為降水,其表現(xiàn)分別為20.8%、53.7%和48.2%；支持向量機模型中,對亞洲飛蝗、意大利蝗和西伯利亞蝗適生區(qū)預測貢獻率最高的變量分別為土壤酸堿度、月最高氣溫和降水,其表現(xiàn)分別為20.13%、26.28%和23.55%；最大熵模型中,對亞洲飛蝗、意大利蝗和西伯利亞蝗適生區(qū)預測貢獻率最高的變量均為降水,其表現(xiàn)分別為31%、62.2%和67.3%。

表5 環(huán)境變量貢獻率

土壤濕度和土壤酸堿度及地形因子也同樣對新疆草原典型蝗蟲的適生區(qū)分布有較大影響,而坡向則在新疆典型蝗蟲發(fā)生和分布中的影響較小。環(huán)境變量在各預測模型分別針對三類典型蝗蟲適生區(qū)預測中的貢獻率存在一定差別,但根據(jù)3個模型的綜合表現(xiàn)月最高溫度、降水和植被3個變量始終是蝗蟲生長和繁育的重要且直接的環(huán)境因素,對于其生境的選擇具有很大的影響。

4 討論與結(jié)論

4.1 討論

物種分布模型準確預測基礎之一是環(huán)境變量篩選,研究表明[47]環(huán)境變量會對模型預測精度造成較為顯著的影響。當各環(huán)境變量間存在較高相關(guān)性時,會難以避免地帶來自相關(guān)和多重共線性等問題,從而在建模中造成不必要的信息冗余,影響模型的穩(wěn)健性。本研究采用相關(guān)性及方差膨脹系數(shù)移除月最低氣溫變量構(gòu)建預測模型,這與眾多學者在相關(guān)研究中采用的變量篩選方法基本一致,如學者Pradhan[48]使用皮爾遜相關(guān)系數(shù)對環(huán)境變量進行了相關(guān)性分析,其后計算方差膨脹系數(shù),對南亞和東南亞的生物氣候變量進行了多重共線性和冗余的篩選。

對模型性能度量的重要標準之一是接受者操作特性曲線(即AUC值),AUC受閾值影響較低,可對所有閾值范圍內(nèi)的性能評價結(jié)果予以顯示,因此也受到生態(tài)環(huán)境領(lǐng)域?qū)W者重視[49]。AUC值越接近1即表明模型的性能越好,本研究中各模型的AUC基本都保持在0.7以上,說明各模型的性能可較好地預測新疆典型蝗蟲的適生區(qū),但模型間存在一定差異,其中DOMAIN性能相對最差,對新疆典型蝗蟲的預測能力最低；而提升回歸樹、支持向量機、最大熵3個模型的AUC均大于0.9,其性能在新疆典型蝗蟲的預測中高于其他各模型,這也與相關(guān)研究中各模型在不同物種分布預測模型中的性能表現(xiàn)基本一致[50]。具體如Duan等[51]使用BIOCLIM、DOMAIN、MAHAL、RF、MaxEnt和SVM等六個模型預測了五種樹種的潛在分布區(qū),以標準差、變異系數(shù)、Kappa值和AUC值評估模型的穩(wěn)定性,指出MAHAL、RF、MaxEnt和SVM具有更高預測精度。

物種分布模型模擬出物種生存的可能性空間依賴于基本生態(tài)位的穩(wěn)定性及空間分布的平衡[52]。通過物種分布模型預測的物種潛在適生區(qū)與真實適生區(qū)之間存在一定差異,但預測的潛在適生區(qū)基本覆蓋了其實際的分布狀況[53]。本文參考陳健等[54]關(guān)于蝗蟲生境研究應用進展中不同生境因子對蝗蟲影響的研究成果,結(jié)合新疆草原典型蝗蟲具體實際,綜合考慮了對蝗蟲有顯著影響的氣溫、地形、植被和土壤四個方面的因素,使預測的潛在適生區(qū)較真實蝗蟲適生區(qū)范圍最大化[55]。在新疆典型蝗蟲適生區(qū)預測中各生境因子對預測模型的貢獻率表現(xiàn)差異顯著,其中降水量對蝗蟲適生區(qū)的影響尤為顯著,這與王晗等[56]在新疆意大利蝗適生區(qū)與降水量、最高氣溫和最低氣溫的變化相關(guān)研究中相關(guān)的結(jié)論有一定的關(guān)聯(lián)性。因本文選取的環(huán)境變量并非在不同氣候情境下的生物氣候變量,預測變量的貢獻情況與李培先[24]等關(guān)于意大利蝗潛在分布中各變量貢獻率和楊會楓[23]關(guān)于西伯利亞蝗在新疆潛在分布中各變量貢獻率存在一定差異。

本文對新疆各類典型蝗蟲的適生區(qū)預測結(jié)果顯示,典型蝗蟲的適生區(qū)具有顯著的區(qū)域差異,各類適生區(qū)面積近60萬km2,適生區(qū)地理分布主要集中在新疆天山一帶、北部阿爾泰山及伊犁河谷一帶,此外在東部的吐哈盆地和南疆塔里木盆地邊緣也有適生區(qū),這些基本與文獻有關(guān)新疆蝗蟲地理分布的表述基本一致。同時本文預測的適生區(qū)地理分布及其面積也與鄭淑丹對2012年新疆草地蝗蟲發(fā)生分布擬合結(jié)果一致,但本文預測結(jié)果無論是從預測方法上還是預測結(jié)果上均有了較大的提升和優(yōu)化；更近一步,與楊會楓等人使用MaxEnt模型對西伯利亞蝗潛在分布區(qū)的預測結(jié)果同樣具有相似性,這也印證了本文構(gòu)建的新疆典型蝗蟲預測模型及其預測結(jié)果對新疆典型蝗蟲適生區(qū)預測存在一定合理性和可靠性。

本文基于新疆典型蝗蟲發(fā)生數(shù)據(jù)和相關(guān)環(huán)境變量,使用經(jīng)典物種分布模型對新疆典型蝗蟲適生區(qū)進行了預測,但還存在一些不足:(1)在環(huán)境變量選擇方面未全面考慮人類活動等非自然因素影響,因此可能對預測結(jié)果造成一定影響；(2)僅選用部分經(jīng)典物種分布模型進行了預測,暫未將如生態(tài)位因素分析模型(ENFA)、廣義加性模型(GAM)、人工神經(jīng)網(wǎng)絡(ANNs)等其他具有同樣代表性的模型考慮在內(nèi),可能也會對更精準預測結(jié)果的展示產(chǎn)生一定影響。(3)僅對新疆全區(qū)尺度典型蝗蟲適生區(qū)進行了預測,未對地州甚至區(qū)縣尺度狀況展開,另一方面也未對新疆周邊省區(qū)以及國外地區(qū)展開研究,在未來條件允許的情況下也可考慮在不同尺度下推進。總之,本研究對新疆典型蝗蟲適生區(qū)預測一方面于區(qū)域相關(guān)研究深入開展具有一定探索意義,另一方面于基層實際蝗蟲監(jiān)測、防治工作的推進亦可提供一定建議和支持。

4.2 結(jié)論

基于物種分布模型對新疆典型蝗蟲適生區(qū)預測,得出：

(1)新疆典型蝗蟲適生區(qū)受多種環(huán)境因素共同作用,各因素相互影響對新疆蝗蟲適生區(qū)影響存在差異。本研究選取的眾多影響蝗蟲繁殖、生長等不同生命活動階段的環(huán)境因子中,月最低氣溫變量及地形相較于其他變量對蝗蟲適生區(qū)的影響最小。降水、氣溫和植被對物種分布預測模型的貢獻率最高,此外土壤濕度和土壤酸堿度對新疆典型蝗蟲適生區(qū)預測也有較高貢獻率。

(2)各預測模型性能存在顯著差異,其中DOMAIN模型在新疆典型蝗蟲適生區(qū)預測中性能最低(AUC=0.688,TSS=0.301),而提升回歸樹模型的預測性能最佳(AUC=0.920,TSS=0.910)；綜合預測性能最優(yōu)的3個經(jīng)典模型集成最終預測模型對新疆典型蝗蟲潛在適生區(qū)的預測具有更高的準確性與合理性。

(3)通過集成預測模型的預測,新疆典型蝗蟲的潛在適生區(qū)分布具有區(qū)域性,其中天山以北的廣大草原地區(qū)存在各類蝗蟲適生區(qū),此外在東部的哈密地區(qū)、南疆各綠洲邊緣地帶亦有零星分布；各類適生區(qū)面積56.844萬 km2,其中高危區(qū)面積16.568萬 km2。

(4)新疆草原典型蝗蟲適生區(qū)存在高度集中、區(qū)域差異顯著、地理分布結(jié)構(gòu)復雜等多種特點,不同區(qū)域、不同地州草原部門對蝗蟲的日常監(jiān)測和防治工作需緊密結(jié)合當?shù)毓ぷ鲗嶋H,分區(qū)、分時制定嚴密的蝗蟲日常監(jiān)測和防治計劃,在做好本地蝗蟲監(jiān)測防治工作的同時,各邊境地區(qū)草原部門還需做好跨境蝗蟲的遷飛入境的監(jiān)測、預防工作。

致謝：自治區(qū)級產(chǎn)學研聯(lián)合培養(yǎng)研究生基地——新疆維吾爾自治區(qū)治蝗滅鼠指揮部辦公室提供蝗蟲發(fā)生點數(shù)據(jù),國家基礎地理信息數(shù)據(jù)庫提供本文所有基礎底圖數(shù)據(jù)。