基于MaxEnt模型分析新疆特色林果区春尺蠖发生风险

王 蕾，罗 磊，刘 平，侯晓臣，邱 琴,高亚琪,李曦光

(新疆林业科学院现代林业研究所，乌鲁木齐 830052)

0 引 言

【研究意义】新疆拥有独特的林果资源优势，以葡萄、核桃、巴旦杏、阿月浑子、石榴、红枣、香梨、杏、枸杞等为代表的特色林果具有名、特、优、稀的特点[1]，是我国最重要的林果生产基地之一。近几年，产业化、大规模建设特色林果基地成为新疆特色林果业发展的趋势。2005年以来，新疆特色林果种植面积以6.67 × 104hm2的速度增长，截至2012年底，新疆特色林果种植面积突破1.33×106hm2，产值达350×108元[2]。现阶段，新疆特色林果产业发展已从生产扩张型逐步转向质量效益型发展阶段，优化林果品质，提升林果效益已是势在必行之路，如何有效预防特色林果病虫害和综合评价其风险区已成为亟待解决的问题之一。春尺蠖虫害是新疆特色林果典型病虫害之一，研究其潜在风险区有对预防和控制其危害有实际意义。【前人研究进展】随着西部大开发和退耕还林等工程的深入开展[3]，特色林果产业正成为新疆尤其是南疆经济发展的重要推动力量[4]。近年来，随着新疆特色林果种植面积的增加[1,4]，伴随而来的林果病虫害面积亦迅速扩大，严重阻碍了新疆特色林果产业的进一步发展。作为我国中西部主要林木及果树最主要的害虫之一[5]，春尺蠖(ApocheimacinerariusErschoff)危害积不断扩大，危害程度逐渐加深[4]，已成为新疆林木尤其是经济林最主要的害虫之一。研究其潜在风险区及主要环境限制要素，以便提前预防。春尺蠖又名沙枣尺蠖、榆尺蠖等[6]，是一种暴发性食叶害虫，属鳞翅目(Lepido- ptera)尺蛾科(Geometridae)，多分布于新疆、甘肃、内蒙古、河北、山西等地区，其危害尤以新疆最为严重，主要寄主有苹果、梨、核桃、沙枣、杨、柳、槐、桑、榆、胡杨等。【本研究切入点】当前关于新疆特色林果病虫害尤其是春尺蠖的研究多集中于生物特性[7-12]及传统防治措施[13-14]的研究，对于其潜在风险区及受外部环境因子影响的研究仍不够深入。目前关于生物病虫害潜在风险区分析的模型有BIOCLIM、CLIMEX、DOMAIN、GARP、MaxEnt等[15-20]，其中MaxEnt模型预测效果最好[21]。当前，已有部分学者将MaxEnt模型应用于病虫害潜在风险区研究，并取得了较可靠的研究成果，如玉米霜霉病[12]、楚雄腮扁叶蜂[13]、橡胶树棒孢霉落叶病[8]、松材线虫[22]、香蕉枯萎病[23]、葡萄金黄化病[20]等。研究春尺蠖发生风险区的环境驱动因子。【拟解决的关键问题】研究以新疆特色林果春尺蠖灾害为研究对象，利用MaxEnt模型和GIS技术，对新疆经济林春尺蠖潜在风险区进行预测和分析，为新疆特色林果春尺蠖灾害研究和预防提供依据。

1 材料与方法

1.1 材 料

2012年采集《新疆特色林果矢量数据库》中，有关春尺蠖分布数据，包括病虫害种类及发生程度等内容。图1

注：该图采用的行政边界来自新疆维吾尔自治区测绘地理信息局网站http://www.xjch.gov.cn/

Note：The administrative boundary used in the map is from the website of Xinjiang Uygur Autonomous Region Surveying and Mapping Geographic Information Bureau http://www.xjch.gov.cn./

图1 新疆特色林果资源分布

Fig.1 Distribution Map of Fruit Forest Resources in Xinjiang

1.2 方 法

MaxEnt模型:最大熵(MaxEnt)理论最早由Jaynes提出，来源于信息论和统计力学，是基于有限的已知信息对未知分布进行无偏推断的一种数学方法，其核心思想是在推断未知概率分布时充分考虑已知信息，而对未知信息不妄加揣测，做到不偏不倚[24]。该模型能够根据物种“出现点”的环境变量特征得出约束条件，探寻此约束条件下最大熵的可能分布，以此来预测目标物种在研究地区的生境分布[16]。2004年，Phillips等基于最大熵理论开发了MaxEnt软件，在森林火险预测[25]、物种适生地评价[26]和病虫害潜在分布预测[23,27]中得到了广泛应用，并取得了良好的应用效果。利用MAXENT模型进行新疆经济林春尺蠖灾害的风险区评价时，以新疆经济林春尺蠖实际发生数据作为“出现点”，以降水和气温数据作为环境变量，研究春尺蠖灾害在环境变量约束下的最大熵可能分布，并将其作为春尺蠖发生风险评价指数，对新疆经济林春尺蠖风险区进行评价。

利用最大熵模型的Jackknife检验功能, 计算出4个典型因子的反应曲线，进而以分布值0.35为阈值可获取春尺蠖发生的主要环境变量变化范围。

1.3 数据处理

1.3.1 新疆特色林果资源分布数据和春尺蠖分布数据

新疆特色林果资源分布数据和春尺蠖分布数据均来源于全疆林果资源分布的80个县市的特色林果资源调查数据，数据格式为.shp格式。利用ARCGIS的聚合面工具处理后可得全疆林果资源连续分布数据；筛选出全疆存在春尺蠖虫害的林果小班，利用ARCGIS软件的生成随机点工具，在各春尺蠖发生林果小班内生成约720个分布点，提取各点经纬度坐标(WGS-1984)，导出并转换为.csv格式文件，作为MaxEnt软件的春尺蠖实际分布输入数据。图1

利用 MaxEnt模型对新疆经济林春尺蠖病害风险区进行评价，将模型输出的 ASCII 文件导入到 ArcGIS中，转换成浮点型栅格数据。根据MaxEnt模型评价结果将春尺蠖生境分为：0.00～0.35为无风险区，0.35～1.00为风险区，在采用聚类分析法将分县区重新分为0.35～0.62为低风险区，0.62～0.80为中风险区，0.80～1.00为高风险区，最终得到新疆经济林春尺蠖病害风险分布图。利用ARCGIS软件的空间分析模块分地区统计新疆经济林春尺蠖灾害潜在风险区面积。

1.3.2 环境变量数据

查阅已有与新疆春尺蠖发生相关的研究发现，影响春尺蠖发生的主要环境因素可概括为3大要素，即降水、气温和土壤[4,10,28]。其中，土壤要素主要包括土壤温度和湿度，其与降水、气温密切相关，且获取成本较高，因此,研究仅考虑降水、气温作为模型模拟的主要环境要素。世界气候数据库提供了1950～2000年以来世界各地气象站的数据经插值法转换后的连续分布的气候数据。该数据可免费获取(http: //www.Worldclim.org/)，空间分辨率为2.5°，共包含年均温、年均日较差等19个变量，其数据质量和精度基本能够满足研究需要。利用ARCGIS软件提取新疆范围并统一坐标系为WGS-1984后，导出为.asc数据格式，作为MaxEnt软件的环境变量输入数据。表1

表1 MaxEnt模型的输入环境变量描述

Table 1 Input description of input environment variables in MaxEnt model

环境变量Enviro-nmentvariable变量描述Variabledescription环境变量Enviro-nmentvariable变量描述Variabledescriptionbio_01年平均气温bio_11最冷季度平均温度bio_02年均日较差bio_12年均降水量bio_03等温性bio_13最湿月降水量bio_04温度季节性变化标准差bio_14最干月降水量bio_05最暖月最高温度bio_15降水量变异系数bio_06最冷月最高温度bio_16最湿季度降水量bio_07年均温变化范围bio_17最干季度降水量bio_08最湿季度平均温度bio_18最暖季度降水量bio_09最干季度平均温度bio_19最冷季度降水量bio_10最暖季度平均温度

1.3.3 模拟过程

将春尺蠖发生分布数据和环境变量分别输入MaxEnt3.4软件内，并随机选取75%的分布点数据进行建模，其余25%分布点数据用作模型验证，利用Jackknife检验各变量贡献度，分析各环境变量的重要性，结果输出格式为连续分布的.asc格式，其他参数均保持默认值不变。模型结果的检验采用软件自带的AUC评价指标，即受试者工作特征曲线下面积。ROC曲线是当前MAXENT模型结果验证使用最广泛，评价最有效的指标。ROC 曲线以特异度(假阳性率)为横坐标，遗漏率(真阳性率)为纵坐标绘制而成，其曲线下方面积(area under curve，AUC)即为评价指标。评价标准为: AUC>0.9为“极好”，0.8

表2 新疆特色林果春尺蠖灾害潜在风险区面积统计

Table 2 Statistics of potential risk areas ofApocheimacinerariusErschoff in Xinjiang fruit forest

地区Region高风险区HighRiskZone(104hm2)中风险区MediumRiskZone(104hm2)低风险区LowRiskZone(104hm2)风险区总面积TotalAreaofRiskZone(104hm2)阿克苏地区AksuPrefecture0.305.9888.2594.53巴音郭楞蒙古自治州BayingolMongolianAutonomousPrefecture7.0316.5741.5665.15和田地区HotanPrefecture59.1340.8064.11164.03喀什地区KashgarPrefecture46.7481.28157.26285.29克孜勒苏柯尔克孜自治州KizilsuKirghizAutonomousPrefecture2.6456.6576.46135.76吐鲁番地区TurpanPrefecture0.000.000.200.20乌鲁木齐市UrumqiCity0.000.000.410.41合计115.84201.28428.26745.38

2.2 春尺蠖潜在风险区

新疆特色林果春尺蠖灾害潜在风险区主要分布于环塔里木盆地地区、焉耆盆地，少量分布于天山东部地区，总面积约745.38×104hm2。高风险区和中风险区(风险系数>0.62)总面积约317.12×104hm2，主要分布于塔里木盆地西南方向的喀什地区和和田地区；低风险区总面积约428.26×104hm2，主要分布于塔里木盆地北部的阿克苏地区和巴音郭楞蒙古自治州；另外吐鲁番地区和哈密地区也有少量分布。在地区上，面积最大的是喀什地区、和田地区、克孜勒苏柯尔克孜自治州，该区域是中高风险区的集中分布区域，其次是阿克苏地区、巴音郭楞蒙古自治州，该区域多以低风险区为主。图3

2 结果与分析

2.1 模拟效果评价

MaxEnt模型利用训练数据和测试数据的ROC曲线来进行模拟结果的验证。选用25%的分布数据作为测试数据集，其余作为训练数据集，随机运算10 次制作ROC曲线。春尺蠖MaxEnt 预测模型训练集与验证集的AUC 值分别为0.979和0.970，AUC 平均值为0.975，模型预测价值达优秀水平。图2

图2 新疆经济林潜在风险区评价结果ROC曲线验证

Fig.2 Validation of ROC curve of evaluation results of potential risk areas of xinjiang fruit forests

注：该图采用的行政边界来自新疆维吾尔自治区测绘地理信息局网站

Note：The administrative boundary used in the map is from the website of Xinjiang Uygur Autonomous Region Surveying and Mapping Geographic Information Bureau http://www.xjch.gov.cn.

图3 新疆经济林春尺蠖发生潜在风险区分布

Fig.3 Distribution of potential risk zones for the occurrence of apocheima cinerarius erschoff in Xinjiang fruit forest

2.3 环境影响因子评价

Jackknife检验结果表明，冷月最高温度(bio_06)、最冷季度平均温度(bio_11)、最干季度降水量(bio_17)、最湿季度平均温度(bio_08)是影响新疆经济林春尺蠖发生的主要环境因子，其累计贡献率达78.61%。其中，冷月最高温度(bio_06)对模拟结果的贡献最大，其贡献率达56.91%，远远高于其他因子，证明其在影响春尺蠖发生的主要环境因子中占据主导地位；其次是最冷季度平均温度(bio_11)，其贡献率为10.62%，且二者均与低温有关，春尺蠖发生受低温影响严重，这主要是由于低温能抑制春尺蠖的羽化[29]。最干季度降水量(bio_17)、最湿季度平均温度(bio_08)对春尺蠖发生具有一定影响，但影响程度不高，三者累计贡献率仅为11.08%。表3

冷月最高温度的下限为-14.25℃，最冷季度平均温度的下限为-4.01℃，最干季度降水量变化范围为1.23～8.29 mm，最湿季度平均温度变化范围为21.63～24.82℃，年均日较差为12.68～17.18℃。图4

表3 各环境因子贡献率统计结果

Table 3 Statistical results of contribution rates of environmental factors

图4 环境影响因子

Fig.4 Environmental impact factors

3 讨 论

当前关于动植物的适生性研究有很多，但有关动植物病虫害的研究则相对较少。这主要是由于大多数文献对植物病害的发生和分布地点记载不够详尽,给确定预测模型所需的经纬度带来了困难[23]。研究所使用的分布点数据来自于具有较高的权威性和准确性的全疆林果资源分布的80个县市各林业局的特色林果资源调查数据，其调查单位为特色林果小班，调查面积共计891 565.22 hm2，利用ARCGIS的生成随机点工具在每个小班内生成3～5个随机点，基本能够保证分布点的均匀性和全面性。环境变量数据来自于世界气候数据库，已被广泛应用于物种的潜在分布区研究中，具有较高的可靠性[30-31]。同时也应注意到，现有的林果检疫和预防措施在一定程度上降低了春尺蠖灾害的实际发生范围，因此,以当前所获取的分布点数据作为源数据，可能会导致MaxEnt模型预测所得的春尺蠖潜在分布区低于实际可能的最大分布范围。尽管如此，该文所得模拟结果对于制定检疫和防治政策仍具有较高的参考价值。

作为模型预测效果的重要评价指标，AUC值能够克服阈值的影响，是公认的较理想的评价指标，其对模型评判结果的可靠性得到了广泛验证[32-33]。王运生等[20]通过比较分析ROC曲线分析法对BIOCLIM、CLIMEX、DOMAIN、GARP、MAXENT等5种的预测结果发现，AUC值在MaxEnt模型中最大，表明其预测效果最好。经ROC曲线精度检验，AUC平均值为0.975，表明MaxEnt模型对春尺蠖灾害潜在分布区的预测效果极好，预测结果可靠性强。

MaxEnt模型预测结果显示，新疆特色林果春尺蠖潜在风险区总面积745.38×104hm2，主要分布于环塔里木盆地地区、焉耆盆地，少量分布于天山东部地区。高风险区和中风险区(风险系数>0.62)总面积约317.12×104hm2，主要分布于塔里木盆地西南方向的喀什地区和和田地区；低风险区总面积约428.26×104hm2，主要分布于塔里木盆地北部的阿克苏地区和巴音郭楞蒙古自治州；另外吐鲁番地区和哈密地区也有少量分布。造成新疆特色林果春尺蠖灾害。

在南疆集中分布，在北疆基本无分布的原因可能与林果资源分布及气候有关。北疆林果资源分布范围更小，海拔更高，气温更低，降水增多，因此，使得春尺蠖灾害的发生受到一定的抑制。在南疆地区，主要分布于环塔里木盆地地区，尤其在塔里木盆地西南部的喀什地区、和田地区、克孜勒苏柯尔克孜自治州，分布面积大且风险等级高。南疆林果资源分布地区地势低温度高，尤其是最低温度相对北疆更高，且降水稀少，为春尺蠖的安全越冬提供了适宜环境，进而造成春尺蠖潜在风险区分布更为广泛；另外，南疆林果资源分布广且集中，为春尺蠖的传播创造了相对有利的客观条件。

Maxent 模型运行结果表明，影响春尺蠖潜在风险区分布的主要环境因子是冷月最高温度(bio_06)、最冷季度平均温度(bio_11)、最干季度降水量(bio_17)、最湿季度平均温度(bio_08)。冷月最高温度(bio_06)、最冷季度平均温度(bio_11)是影响春尺蠖灾害发生的最重要的环境因子，二者均与低温有关，说明低温对于春尺蠖灾害的发生具有至关重要的作用，其次为最干季度降水量，有研究表明：春尺蠖发生与土壤含水量成正比[34]，降水尤其是干季降水量直接影响土壤含水量，当土壤含水量较低的时候，会导致春尺蠖蛹由于失水过多干死；最湿季度平均温度对春尺蠖灾害影响最小，气温与降水的共同作用对春尺蠖灾害影响相对偏低。白斌等[4]在研究塔里木河流域春尺蠖灾害与生境要素关系后发现春尺蠖发生面积与年最低温度呈正相关，与降水量呈负相关，从侧面验证了研究结果的可靠性。

考虑到环境因子对树种分布的影响，研究已经选取了16个环境因子作为模型输入参数，因此，没有将树种作为模型运行的必要参数，但春尺蠖发生与林果树种明确的相关性，还需要展开进一步的研究。

春尺蠖的危害对象不仅仅是林果树种，也常见发生在生态树种如榆树、杨树及胡杨等树种，在新疆塔里木胡杨国家级自然保护区，大片的胡杨林常常被春尺蠖幼虫吃尽叶片，危害巨大；在食料缺少的情况下，幼虫还取食柽柳、白刺等灌木，甚至危害麦类、玉米等农作物。

4 结 论

新疆特色林果春尺蠖潜在风险区总面积为745.38×104hm2。主要分布于阿克苏地区、巴州、和田地区、喀什地区和克州，在吐鲁番地区和乌鲁木齐市有少量分布。影响新疆特色林果春尺蠖灾害风险性的最主要环境因子是冷月最高温度；其响应曲线显示：冷月最高温度>-14.25℃，最冷季度平均温度>-4.01℃，最干季度降水量在1.23～8.29 mm，最湿季度平均温度在21.63～24.82℃为新疆特色林果春尺蠖适宜生长的生态位参数。

在部分林果资源未分布区域也存在一定的风险性，如果在该区域扩大林果种植面积，应当考虑选择种植非春尺蠖寄主的树种。对于春尺蠖灾害已经发生的地区，必须采取科学合理的措施控制春尺蠖灾害，阻止其向其他地区扩散蔓延；对于潜在的适生分布区做好春尺蠖灾害的检疫工作。