基于InvaCost數(shù)據(jù)庫評估全球入侵昆蟲的經(jīng)濟成本

范世奇， 趙光華， 才琪， 王朵， 周曉然， 溫玄燁

（1.國家林業(yè)和草原局生物災害防控中心，沈陽 110034； 2.山西師范大學生命科學學院，山西 臨汾 041004；3.中國林業(yè)科學研究院生態(tài)保護與修復研究所，北京 100091； 4.北京市房山區(qū)林果科技服務中心，北京 102400）

入侵生物已成為生物多樣性喪失的主要驅動力，不僅威脅生態(tài)系統(tǒng)結構和功能的穩(wěn)定，還對農、林、牧、漁等多個領域的正常生產造成嚴重破壞[1]。隨著全球經(jīng)濟一體化進程的不斷加快，預計未來30 年，入侵生物事件仍將處于高發(fā)、頻發(fā)的態(tài)勢[2]。昆蟲作為生物類群的主要種類，隨物流貿易和跨境旅游在世界范圍內大肆入侵，呈現(xiàn)種類多、蔓延快、危害重等特點[3-4]。盡管全球各國通過立法、宣傳、設立保護區(qū)等方式遏制昆蟲入侵[5]，但抵御昆蟲入侵和抑制后續(xù)擴散傳播的能力薄弱，因此，入侵昆蟲依然是當前生物安全工作面臨的主要困難。

資金投入的嚴重不足是造成入侵昆蟲防范能力薄弱的關鍵因素[6]。入侵昆蟲的預防和治理屬于應急性管理，其性質決定了防范資金和物資投入多為無保障性的臨時投資[7]。研究表明，在入侵昆蟲侵入前投入預防經(jīng)費和物資，可避免后續(xù)發(fā)生更大的損失[8]；我國防控馬鈴薯甲蟲（Leptinotarsa decemlineata）、蘋果蠹蛾（Cydia pomonella）、云南黃脊竹蝗（Ceracris kiangsu）等入侵昆蟲的實踐也進一步證實了這一觀點[9-10]。因此，如能準確評估防范入侵昆蟲所產生的經(jīng)濟成本，不僅可以提升公眾的生物安全意識，還可為管理部門決策提供參考依據(jù)。

InvaCost 是2020 年由巴黎薩克雷大學研發(fā)的全球入侵生物經(jīng)濟成本數(shù)據(jù)庫[11]，該數(shù)據(jù)庫包含50 余個與入侵生物相關成本的有效信息（如成本類型、受影響部門、地理屬性、成本估算的可靠性等），涵蓋動物、植物、真菌等入侵生物的經(jīng)濟成本數(shù)據(jù)，達13 553 條。相較于以往通過樣本調查或管理部門數(shù)據(jù)核算經(jīng)濟成本[12]，InvaCost 實現(xiàn)了數(shù)據(jù)的標準化與貨幣統(tǒng)一轉化，即將不同時間或空間尺度的入侵生物經(jīng)濟成本依據(jù)世界銀行經(jīng)濟標準轉化為購買力相當?shù)膯我回泿艛?shù)值。近期應用該數(shù)據(jù)庫的案例包括德國、俄羅斯、印度等國家級評估，小龍蝦（Procambarus clarkii）、瓣鰓綱（Lamellibranchia）等特定種類的外來入侵物種評估[13-15]。

本研究擬通過InvaCost 數(shù)據(jù)庫對全球入侵昆蟲的經(jīng)濟成本進行評估，以貨幣價值的形式闡明入侵昆蟲的危害損失，在此基礎上嘗試通過模型測算當前階段入侵昆蟲的經(jīng)濟成本，以期為豐富和完善生物災害損失評估體系、加強外來入侵昆蟲的防控管理提供科學依據(jù)。

1 材料與方法

1.1 材料

經(jīng)濟成本數(shù)據(jù)：本研究選取InvaCost 數(shù)據(jù)庫（InvaCost v4.1，https://doi.org/10.6084/m9.figshare.11627406）中昆蟲綱數(shù)據(jù)，刪除多種共同危害和無明確種名的數(shù)據(jù)后，共獲得有效數(shù)據(jù)2 072條。

全球矢量數(shù)據(jù)：從自然地球（Natural Earth，http://www.qgistutorials.com/downloads/ne_global.gpkg）下載全球矢量數(shù)據(jù)用于國家與地區(qū)成本分析。

基礎地圖數(shù)據(jù)：自然資源部標準地圖服務系統(tǒng)（http://bzdt.ch.mnr.gov.cn/）小八開單色標準世界地圖，審圖號GS(2016)1665號，底圖無修改。

1.2 方法

1.2.1 數(shù)據(jù)歸一化處理 由于成本數(shù)據(jù)產生的年代、使用的貨幣價值不同，需要參考國際匯率與各國貨幣購買力均值將各條目數(shù)據(jù)進行等值換算，使用InvaCost 的轉化函數(shù)（expand yearly costs）對所有數(shù)據(jù)進行轉化，轉換后所有數(shù)值均為2017 年等值美元（2017 年平均匯率1 美元=6.7547 元人民幣，下同），具體計算公式如下。

式中，Ce為2017 年成本估算值（根據(jù)匯率或購買力換算為美元）；MV為原始成本（從搜集的數(shù)據(jù)中提取的“當?shù)刎泿拧被蜣D換的“每年當?shù)刎泿拧保?；CF為換算系數(shù)（官方市場匯率或平價購買力，以美元計算）；IF為自估算年份以來的通貨膨脹系數(shù)，計算方法如下。

式中，CPI對應于消費者價格指數(shù)；y對應于成本估算年份。

1.2.2 保守成本計算 計算所有已報道入侵昆蟲的總經(jīng)濟成本，對多年危害的昆蟲將成本總值依據(jù)發(fā)生年份進行平均，求和獲得1970—2017 年全球入侵昆蟲所產生的保守成本。

1.2.3 成本構成分析 首先，對1.2.2 所得保守成本進行處理，剔除無明確地理信息的數(shù)據(jù)后導入全球矢量數(shù)據(jù)，獲得不同國家成本明細；其次，對成本類型進行分類，包括損失成本（資源直接損失、修復成本和醫(yī)療護理）、管理成本（檢疫或邊境檢查、入侵風險評估等入侵前管理；根除、遏制、控制等入侵后管理；行政、溝通、教育、研究等其他管理成本）和混合成本（同時包含損失和管理的成本）3 種類型，分別統(tǒng)計并求和；最后，按物種類別對成本進行匯總排序，獲得成本最高的10 種入侵昆蟲。

1.2.4 近期成本估算 考慮到經(jīng)濟成本的發(fā)布時間和數(shù)據(jù)樣本收集均存在一定程度的滯后，這可能會導致最近一個年份的保守成本遠低于實際成本。因此，需要通過模型估算2010—2019年入侵昆蟲的經(jīng)濟成本，以1970—2017年數(shù)據(jù)為基礎，使用modelCosts 函數(shù)構建最小二乘法（OLS regression）、穩(wěn)健回歸（robust regression）和分位數(shù)回歸（quantile regression）3 種預測模型。其中，最小二乘法和穩(wěn)健回歸均采用線性和二階2 種方式，分位數(shù)回歸取值0.1、0.5 和0.9，分別表示成本下限、成本中值和成本上限。比較均方根誤差（root mean square error，RMSE）評估各模型擬合的準確性，數(shù)值越低則模型預測越準確[16]。

1.3 數(shù)據(jù)分析

采用R v4.1.2軟件進行數(shù)據(jù)處理與分析。

2 結果與分析

2.1 1970—2017年全球入侵昆蟲保守經(jīng)濟成本

保守估算顯示，1970—2017 年全球因昆蟲入侵所產生的經(jīng)濟成本為5 004.38 億美元（3.38 萬億人民幣），年均104.26 億美元（704.25 億人民幣）。過去的48 年中，入侵昆蟲的經(jīng)濟成本持續(xù)上升，21 世紀10 年代的年均成本是50 年前的60 倍，增長最快的年份是2000—2009 年，整體投入較上個10年增長了1 862億美元（圖1）。

圖1 1970—2017年全球入侵昆蟲保守經(jīng)濟成本Fig. 1 Conservative economic costs of invasive insects worldwide from 1970 to 2017

2.2 成本構成分析

在計算獲得的總成本中，有65 個國家和地區(qū)標記了2 661.57 億美元的支出，其中，美國累計成本最高，為1 135.44 億美元，占比達42.66%；我國入侵昆蟲的經(jīng)濟成本排名第2，為503.52 億美元（3 401.13億人民幣），占比18.92%；印度、加拿大、巴西、泰國、哥倫比亞分列第3~第7 位，支出總成本均超過50億美元（圖2）。

圖2 各國入侵昆蟲經(jīng)濟成本Fig. 2 Economic cost of invasive insects in various countries

各國用于管理入侵昆蟲的支出總計312.07億美元，該值僅占入侵昆蟲危害損失總額的13.28%（2 349.5 億美元）。1970—2009 年，入侵昆蟲所產生的損失和管理成本均持續(xù)增長，但各國投入管理成本的增幅明顯小于危害造成損失的增幅。20 世紀90 年代各國管理與損失比為53.33%，至21 世紀初下降為9.72%，最近10 年則進一步減少為8.18%。

產生入侵成本的昆蟲共11 目、78 科、176 屬、235種，不同昆蟲所產生的經(jīng)濟成本差異較大。經(jīng)濟成本最高的10 種入侵生物依次為：伊蚊（Aedesspp.）、臺灣家白蟻（Coptotermes formosanus）、紅火蟻（Solenopsis invicta）、棉 鈴 象 甲（Anthonomus grandis）、小火蟻（Wasmannia auropunctata）、白蠟窄吉?。ˋgrilus planipennis）、舞毒蛾（Lymantria dispar）、云杉藍樹蜂（Sirex noctilio）、西方蜜蜂（Apis mellifera）和蘋果蠹蛾（C. pomonella）（圖3）。

圖3 經(jīng)濟成本最高的入侵昆蟲種類Fig. 3 The invasive insects species with the highest economic costs

2.3 模型預測結果

如圖4所示，3種模型所得擬合曲線均呈上升趨勢，21世紀10年代入侵昆蟲的經(jīng)濟成本較上個10 年進一步增長。比較均方根誤差顯示，線性穩(wěn)健回歸在3 種模型中誤差最小，除0.1 和0.9 分位數(shù)回歸外，各模型間準確率差距較小。因此，排除小于2000—2009 年年均成本（228.21 億美元）的預測結果，21世紀10年代入侵昆蟲所產生的可能經(jīng)濟成本為2 923.62~7 097.25 億美元，最高置信值為3 672.24億美元。

圖4 入侵昆蟲預測模型建模結果Fig. 4 Invasive insect prediction modeling results

3 討論

相較于綜合考慮生態(tài)服務功能損失的經(jīng)濟損失評估[17]，本研究從直接成本的角度測算了過去近50 年中入侵昆蟲所產生的經(jīng)濟成本，雖然所得的評估數(shù)值要低于其對生態(tài)系統(tǒng)的真實損失[18]，但值得注意的是入侵昆蟲仍然給全球經(jīng)濟造成了巨大壓力。以保守估算的平均每年104.26億美元來看，這一數(shù)值超過了2017年全球18個最小經(jīng)濟體國內生產總值之和，倘若以模型預測2010—2019 年年均最高值709 億美元來看，入侵昆蟲所產生的經(jīng)濟成本與中美洲國家危地馬拉2017 年全國的GDP基本相當[19]。

表1 各年代入侵昆蟲的損失與管理成本Table 1 Losses and management costs of invasive insects every decade

關于入侵生物經(jīng)濟成本與時間的趨勢關系，Essl等[20]認為，入侵生物即使沒有進一步的擴散傳播，其入侵的時間越長所產生的成本也將越高。本研究發(fā)現(xiàn)，隨著時間的推移，入侵昆蟲的經(jīng)濟成本呈上升趨勢，這意味著未來如不能有效預防和根除入侵昆蟲，全球將遭受更為嚴重的經(jīng)濟損失。管理成本的增速緩慢是未來入侵昆蟲可能造成更為嚴重損失的主要因素。Fantle-Lepczyk 等[21]測算發(fā)現(xiàn)，2020 年美國入侵生物的防控總經(jīng)費為13.5 億美元，對比2001年的6.3億美元，在過去的20年間用于管理入侵生物的經(jīng)費僅增加了1.1倍，而同期生物造成的入侵損失由31 億美元·年-1上升為210 億美元·年-1，同比增長了577%。來自入侵昆蟲的個案報道也得出了同樣的結論，全球12 種入侵螞蟻的管理成本僅占總成本的4.13%[22]，且占比逐年下降，伊蚊擴散的前55 年，管理成本基本沒有變化，而其危害損失卻增加了45.7億美元[23]。這些研究均表明入侵生物防控急需從管理方面加大投入，以降低后續(xù)災害發(fā)生造成的經(jīng)濟損失。

我國入侵昆蟲的經(jīng)濟成本僅次于美國，排名全球第2?？紤]到近年來草地貪夜蛾（Spodoptera frugiperda）、長林小蠹（Hylurgus ligniperda）等重大危險性害蟲相繼入侵我國[24-25]，紅火蟻（S.invicta）、美國白蛾（Hyphantria cunea）等檢疫性害蟲持續(xù)擴散[26-27]，在未來很長的一段時間內，我國入侵昆蟲所產生的經(jīng)濟成本仍將處于長期增長態(tài)勢。因此，為加強我國入侵昆蟲的抵御能力，從降低入侵昆蟲危害損失的角度，建議開展以下3 方面研究：一是研究適用于我國的生物災害經(jīng)濟損失評估方法，通過行政要求、技術標準或者協(xié)會準則等多維度規(guī)范農、林業(yè)保險評估賠付體系；二是加大對入侵昆蟲的基礎研究，在現(xiàn)有監(jiān)測、防治研究的基礎上向深層次挖掘，培育入侵昆蟲學新的生長點；三是持續(xù)推動國際間交流，特別是對他國危害一般的常發(fā)性害蟲進行風險分析，以避免其傳入我國后因適宜生境而造成更大的危害。

盡管采用了目前世界最大的生物入侵經(jīng)濟庫測算了入侵昆蟲的經(jīng)濟成本，但在估算結果上本研究仍存在一定不足。一是數(shù)據(jù)量比較有限，InvaCost 是建立在以英語為基礎的開源數(shù)據(jù)庫，非英語數(shù)據(jù)僅占總數(shù)據(jù)的14%[28]，以其他語言記錄的數(shù)據(jù)可能未被收集；二是非直接經(jīng)濟投入的生態(tài)效益難以量化，生物多樣性損失、景觀價值損失、水土保持能力下降等這些難以用貨幣評估的生態(tài)后果沒有完全體現(xiàn)，這可能導致評估的結果低于真實數(shù)據(jù)。

表2 模型均方根誤差Table 2 Model root mean square error evaluation