葉江霞 王敬文 張明莎 周汝良 石 雷

(1.中國林業(yè)科學研究院資源昆蟲研究所 昆明 650224；2.西南林業(yè)大學 昆明 650233)

有害生物進入一新的環(huán)境中并定植(殖)會造成重大經濟損失和不可逆的生態(tài)變化，這一問題已經引起了國際社會的普遍關注(Andersenetal., 2004; Bakeretal.，2015)。聯合國糧農組織(FAO)明確規(guī)定了檢疫性有害生物風險評估分析(PRA)的概念及技術范疇(IPPC,2017)，并被世界貿易組織(WTO)認定為國際貿易中各國遵循的規(guī)范(高崇省，2006)?，F有的PRA多采用大量野外調查數據，以定性或定量的方式進行省、市等小區(qū)域有害生物傳播風險分析，如對山東泰山(申衛(wèi)星等，2012)、安徽省六安市舒城縣(葉明福，2019)、長春市(徐海峰等，2019)、金華市(蔣星華等，2008)、北京市(劉海軍，2003)等小區(qū)域的美國白蛾(Hyphantriacunea)潛在危害性進行分析。這類方法以概略性的、大尺度的行政單元上的平均度量表達信息，未能體現變量的空間連續(xù)變化，結果難以精準定位到山頭地塊。隨著遙感與GIS空間技術的發(fā)展，以少量地面監(jiān)測數據，結合遙感信息，基于空間分析方法及柵格矩陣表達理論，以點上的特征或屬性推導面上的現狀和趨勢已成為可能。有學者在模擬各測報變量的基礎上，以區(qū)域精細評估松材線蟲病的危險性(石雷，2010)，分析懸鈴木方翅網蝽(Corythuchaciliate)在不同氣候條件下的適生區(qū)(崔亞琴等，2019)，研發(fā)云南松材線蟲風險評估GIS平臺(沈安平等，2011)，開展云南松墨天牛(Monochamusalternatus)適生性定量分析(葉江霞等，2013)。但有關變量時空過程的精細化模擬表達、預報結果地圖的概率化描述值得進一步系統(tǒng)化及理論化。

有害生物風險評估通常采用CLIMEX、最大熵MaxEnt、DIVA-GIS、GARP、自組織特征映射網絡(Self-organizing Map, SOM)、GLM(Generalized Linear Models)、ENFA模型、Bioclim及Domain模型等(曹向鋒，2010; Kehlenbecketal., 2012; 李志紅等，2018)，其封裝在軟件包中，通過自帶各類氣象因子等環(huán)境變量，以生態(tài)位原理進行預報，尤以MaxEnt最為流行(劉曉彤等，2019)。但這些方法僅考慮物種“存在”樣本，限制了對生態(tài)變量的模擬表達與理解，以及各種自主研發(fā)的預報模型的輸入，其結果常常是模式化、主觀性較大(宋紅敏等，2004)。GLM中的二元Logistic回歸模型，考慮了物種“存在”與“不存在”，特別適合響應變量非正態(tài)分布的情況，在物種模擬及風險分析上具有一定優(yōu)勢(曹銘昌等，2005；Lippittetal.，2008；Guoetal.，2015；程冬兵等，2017；Yeetal.，2017)。

美國白蛾，又名美國燈蛾、秋幕毛蟲、秋幕蛾，屬鱗翅目(Lepidoptera)燈蛾科(Arctiidae)，是國際檢疫物種(史永善，1981)，也是我國林業(yè)部門、農業(yè)部門定為唯一一種農林共有的國內A2類植物檢疫對象(孔雪華等，2012)，嚴重影響農林業(yè)生產、森林健康和生態(tài)安全。自1979年在遼寧丹東首次發(fā)現以來，由于其食性雜、食葉量大、繁殖能力強等危害特點，發(fā)生面積明顯增加、危害程度不斷加劇(杜娟等，2010)。我國有很多的適生區(qū)、半適生區(qū)，一旦發(fā)生，易暴發(fā)成災，造成重大損失(楊忠岐等，2004)，2004年，全國美國白蛾疫區(qū)的損失約為140.35億元人民幣(趙鐵珍，2006)。有學者分析了各氣象因子及地理環(huán)境條件下的全國美國白蛾的風險格局(李淑賢等，2009；楊明琪，2013；陸霞等，2016；Panetal.，2017；紀燁琳等，2019)。有害生物的傳播主要有自然擴散的短距離傳播及人流物流的遠距離傳播，人為活動是主要傳播途徑(Gilbertetal.，2004; Muirheadetal.，2006)，美國白蛾擴散主要由苗木及木材或木制品、農產品調運等人類活動引起的(陳仲梅等，1980)，有害生物風險評估應綜合考慮人為活動影響變量以提高預報精度(Lippittetal.，2008)。然而人為活動是一復雜的過程，空間表達及量化一直是難點，故大多現有風險評估未考慮人為活動對美國白蛾擴散的影響，僅限于氣候適宜性分析。研究人為活動擴散變量精細化表達方法，對于提高有害生物風險評估精度具有重要意義。

以影響有害生物發(fā)生發(fā)展的寄主、氣象類、地理環(huán)境類及擴散因子為測報變量，通過對人為活動影響等變量的空間柵格模擬表達，利用近年鄉(xiāng)鎮(zhèn)檢疫數據，以統(tǒng)計分析方法建立全國美國白蛾二元Logistic擴散傳播風險模型，并以可視化地圖表達擴散風險格局，可為綜合防治實踐提供支持。

1 數據與方法

1.1 基礎數據的收集

收集國家林業(yè)和草原局病蟲害防治總站2011—2016年2 209個美國白蛾全國鄉(xiāng)鎮(zhèn)檢疫數據，作為美國白蛾空間“存在”的樣點(量化為1)，未檢疫出美國白蛾的2 417個鄉(xiāng)鎮(zhèn)為“不存在”(量化為0)為樣本。以ArcGIS 10.5空間隨機選取70%的3 238樣點作為建模樣本，其余的30%(663個“存在”及725個“不存在”)組成模型獨立檢驗樣本。

收集非涉密的全國基礎地理信息數據，包括國界、省及市界等各行政界線矢量，高速公路、國道、省道、鐵路、其他道路等交通矢量數據，地級城市、縣級城市及鄉(xiāng)鎮(zhèn)駐地各居民點矢量數據，作為人為活動影響模擬表達及制圖地理參照的基礎數據。

1.2 測報變量的柵格化矩陣地圖表達

測報變量的空間模擬表達是風險分析的基礎，以250 m分辨率的柵格矩陣為基本模型，將影響有害生物發(fā)生發(fā)展的地理環(huán)境、氣象、人類活動影響、生物因子等測報變量進行量化和制圖。

1.2.1 寄主 美國白蛾可危害的寄主植物多達49科108屬300多種(孔雪華，2010)，幾乎包括發(fā)生區(qū)栽培的所有林木果樹、蔬菜、農作物、園林花卉，桑(Morusalba)和白蠟槭(Acernegundo)等闊葉樹種及部分農業(yè)植被是美國白蛾最喜食植物(季榮，2003；申衛(wèi)星，2012)。收集全國1∶100萬植被分布數據(數據來源于資源環(huán)境數據云平臺(http:∥ www.resdc.cn)，根據文獻(季榮等，2003；申衛(wèi)星，2012；劉曉燕，2011；李淑賢等，2009；鞠珍，2007；曹江峰等，2011)對美國白蛾的喜食性的描述，把全國植被類型量化為0～100，數值越高，表示其喜食性更強，具體劃分如表1所示，并轉化為柵格模型，如圖1所示。

圖1 美國白蛾寄主及喜食性的柵格量化

表1 美國白蛾寄主量化

1.2.2 氣象及地理環(huán)境因子 氣象因子表達的水熱狀況是物種生長發(fā)育的必要條件，下載WorldClim 30″尺度的19種生物氣候變量數據(www.worldclim.org)(Ficketal.，2017)，如表2所示。

表2 美國白蛾風險模型自變量表①

地理環(huán)境變量影響微氣象格局，并與有害生物發(fā)育密切，如美國白蛾在330 m的海拔下可以1年3代，在1 553 m依然能1年1代(申衛(wèi)星，2012)。以地理空間數據云(http:∥www.gscloud.cn/)下載90 m SRTM DEM，通過對缺失數據的填充及增強處理，集成全國250 m的海拔數據，并提取坡度、坡向。坡向常用0～360°表達陽坡(南坡)與陰坡(北坡)，表達坡面接收的太陽輻射從少、中、多，再變?yōu)橹?、少的?guī)律，這一復雜變量在線性建模和定量化表達時很難直接應用，故將其轉化為0～100度量的坡向指數(石雷，2010)，如公式1。

(1)

式中，x為坡向，y為坡向指數。

1.2.3 人類活動因子 有害生物的遠距離傳播往往與人類活動密切相關(Kochetal.，2014)，它是有害生物入侵、擴散傳播的關鍵影響因子。盡管人類活動多種多樣，對其進行空間建模和制圖是非常困難、復雜的(Songetal.，2006)，但人的活動往往有一固定地理范圍，常與居民點及交通基礎設施相關(Fuscoetal.，2016; Yeetal.，2017)。因此，本文根據全國省會、地級市、縣等居民點及高速公路、國道、省道等交通網絡，借鑒文獻(Yeetal.，2017)中各類人為活動影響空間模擬方法，以可及性的成本距離模擬人流物流活動帶來的有害生物空間傳播度量，并歸一化為0～100，如圖2所示。

圖2 美國白蛾隨人類活動傳播能力的柵格矩陣

寄主數量的多少直接與有害生物的食量供給有關，以NASA提供的全球衛(wèi)星影像數據產品MOD44B的500 m的VCF(Vegetation Continuous Fields，來源https:∥lpdaac.usgs.gov/)(Hansenetal.，2015)，重采樣制作全國250 m植被覆蓋。

1.3 0～1測度建模

Logistic回歸是一種經驗統(tǒng)計建模方法，常用于二元的響應變量，如物種的“存在”/“不存在”。它假設自變量與響應變量間是一個Logistic關系，且樣本是隨機，殘差是獨立的，模型如式(2)、(3)所示。

(2)

(3)

其中P為每個250 m×250 m空間單元上美國白蛾擴散傳播的風險概率，取值為0～1，β0代表常數，x1～n代表測報風險解釋變量，β1～n代表各測報變量的系數。

對于一個空間單元，如果美國白蛾“存在”，P值取1，否則取0，解釋變量主要有寄主、坡度、坡向指數、海拔、生物氣候類、人為活動影響類、植被覆蓋變量，共計30個變量，如表2。由于寄主是有害生物發(fā)生發(fā)展的關鍵變量，故將其作為決定變量不參與建模，而其余變量作為美國白蛾擴散傳播風險的可能變量，按照P<0.05顯著水平進行向前wald逐步篩選變量建立模型。模型根據wald統(tǒng)計量進行顯著性檢驗，并通過偽決定系數cox & SnellR2和NagelkerkeR2，反映前模型中自變量解釋了因變量的變異占因變量總變異的比例。模型擬合度以受試者工作特征曲線(receiver operating characteristic curve，ROC)進行檢驗，其值介于0.5～1.0之間，0.5為擬合度最差，1.0為完全擬合，越接近1時效果越好。模型通過驗證有效后計算分析多變量影響下的風險地圖，再與寄主地圖進行空間疊加得到最終美國白蛾擴散傳播風險格局。

2 結果與分析

2.1 風險評估模型及檢驗

以建模的3 238個0、1樣本為因變量，表2所示的參數為評估自變量，通過GIS空間采樣獲取各樣本的自變量值，剔除無效樣點，并對數據進行Z標準化處理。通過迭代，在0.05顯著性水平下，確定模型有效回歸變量和系數，結果如表3—5所示。

從表3可知，經過13次向前逐步回歸后，模型決定系數趨于穩(wěn)定，R2分別為0.466 和0.622，模型擬合效果較好。由表4可知，對“不存在”樣點經過13次逐步回歸，模型估算正確的百分比為79.4%，而對“存在”樣點，模型估計精度更高，達到86.9%，模型總體精度達到83%。

表3 模型匯總

表4 回歸分類

逐步回歸中將與美國白蛾發(fā)生發(fā)展相關的29個原始變量，剔除19個作用不顯著的變量，模型中采用的變量包括Bio1、Bio2、Bio15、Bio6、Bio7、Bio12、Bio13等7個生物氣候變量和Hwpct、Pvrpct、Ele共10個變量。剔除變量中主要為大部分生物氣候變量與坡度、坡向及植被覆蓋度，這表明其他生物氣候變量對美國白蛾擴散的影響不顯著，而坡度與坡向主要影響地表濕度與溫度，其作用與生物氣候變量一致，獨立性不顯著。植被覆蓋度對美國白蛾的擴散風險影響不顯著，這與近年來研究結論不一致(紀燁琳等，2019)，植被蓋度是潛在的可供給食物量，對于存在或非存在的測報，其密切性不夠；植被量的多少不是直接影響美國白蛾發(fā)生的主要因素。從表5整體上可以看出，每個變量的顯著性水平均小于0.05，表示模型中選入的各變量的獨立性顯著；各變量的Wald均大于顯著性水平0.05，自由度為1時的臨界值3.84，各變量對美國白蛾的擴散傳播風險均有影響，模型具有統(tǒng)計學意義。

表5 模型中的變量

從回歸系數及其指數函數Exp(B)可見，各變量與美國白蛾擴散傳播風險的相關性及影響不盡相同的，最冷月的最低溫及氣溫的年變輻與美國白蛾擴散風險呈現正相關，且影響最大，表明最低溫越高，傳播和發(fā)生的風險愈大；接著是最濕月降水、平均氣溫日較差也呈正相關，說明降水愈多、日較差溫度越高，擴散風險愈大；只要在適宜的生物學溫度條件下，美國白蛾的發(fā)育和適宜性加大，這與孔雪華(2010)的研究，美國白蛾在適生溫度為25～32 ℃范圍內呈正相關的結論一致。值得注意的是高速公路及省道影響力對于擴散傳播風險影響較大，表明高速公路與省道帶來的交通人流物流活動要素對擴散傳播起到重要作用，這與現有認知的美國白蛾主要隨苗木及農林制品運輸而擴散的結論一致(陳仲梅等，1980)，而已開展的美國白蛾的風險評估中卻未考慮該變量因子(陸霞等，2016；Panetal.，2017；紀燁琳等，2019)可能會影響測報的精準性，本研究引入了該變量是方法上的一大突破。海拔、地理環(huán)境變量與美國白蛾的擴散風險呈負相關，影響較小，這與紀燁琳等(2019)研究得出的海拔與美國白蛾適宜有關結論一致，但影響高于生物氣候變量的結論不一致。這是因為海拔雖影響微氣候格局而對美國白蛾的生長發(fā)育起作用，但有害生物適生發(fā)育的最關鍵因子是適宜的生物溫度范圍。另外，模型ROC值為0.904，接近1，表明模型擬合度優(yōu)。

圖3 ROC曲線

構建的模型如式4：

(4)

式中：P表示的是美國白蛾發(fā)生的概率值；X1海拔，X2高速公路影響力、X3年平均氣溫、X4年降水、X5最濕月降水、X6降水季節(jié)性變化、X7平均氣溫日較差、X8最冷月的最低溫、X9省道影響力、X10氣溫年變化。

利用模型驗證的獨立樣本數據，根據建立的Logistic預測模型計算美國白蛾擴散的風險概率，并疊加寄主分布關鍵變量，通過歸一化處理，根據臨界值0.5視為美國白蛾“存在”(Y=1)，而小于0.5的歸為“不存在”(Y=0)驗證模型預測的精度，如表6所示。

表6 模型驗證數據表①

從表6可知，對于“存在”預測正確率為74.81%，而對于“不存在”模型預測精度為76.55%，總體驗證精度為75.68%。結果表明模型在預測“存在”樣點的準確率大于70%，“不存在”樣點的準確率大于50%，說明模型有效(Carranzaetal., 2000)。

2.2 美國白蛾風險格局

按0～0.15為無風險、0.15～0.35為低風險、0.35～0.65為中等風險、0.65～0.75為高風險、0.75～1為極高風險5個等級進行風險等級劃分和制圖，結果如圖4所示。圖中可見青海、西藏、四川、貴州、新疆大部分區(qū)域為美國白蛾的無風險區(qū)域，但全國總體呈現不同程度的擴散風險，極高風險及高風險主要集中在東北部及沿海地區(qū)，包括北京、天津、河北、山東、河南、安徽、遼寧、上海、江蘇等省、市、自治區(qū)的大部分地區(qū)，以及陜西及山西部分地區(qū)，風險面積為439 978 km2，占總體風險約為4.77%，而高風險為170 925 km2，占比約為1.85%，這與李淑賢等(2009)發(fā)現的美國白蛾最適生區(qū)總體較一致。中等風險面積約為654 399 km2，占比為7.09%，主要分布在吉林、湖北、江西、遼寧、陜西等地的大部分地區(qū)，以及內蒙、廣西、新疆、福建等地的部分地區(qū)。

遼寧等東北省份呈現高擴散風險狀態(tài)的主要原因是從現有疫區(qū)傳播過去的可能性較大(陳景蕓，2013)。福建、浙江等東部的沿海城市的擴散風險等級多為高擴散風險，主要是由于人類活動密集，擴散可能性大。四川盆地有部分低擴散風險區(qū)，該區(qū)域有美國白蛾非常喜食的桑樹等分布，這與前人的研究結果一致(李濤等，2018)，且盆地大面積連片的農業(yè)和建設用地與疫區(qū)的地理格局高度一致；當前風險低原因是遠離疫區(qū)，以及尚未獲得存在的檢疫樣本，隨著疫區(qū)向南擴展，四川盆地的風險將會大大提高。新疆的塔里木盆地和內蒙古部分區(qū)域有較高擴散風險，這些地區(qū)有較多美國白蛾喜食的農業(yè)植被和闊葉人工植被的分布，并且疫區(qū)與該片區(qū)的人流物流通道中，不存在山地自然森林系統(tǒng)的阻隔，為遠距離擴散傳播提供了通道，而四川盆地存在大巴山秦嶺一帶的自然植被阻隔。其他的高擴散風險、中等擴散風險的地區(qū)，位于人類活動相對密集區(qū)的華南、華北等地區(qū)。而無擴散風險和低擴散風險的地區(qū)，基本處于海拔較高、人為活動稀疏、山地森林自然植被系統(tǒng)較好的區(qū)域，人流物流導致的傳播可能性較小?？傮w風險區(qū)域占國土面積約33.28%，遠高于紀燁琳等(2019)研究的2011—2030年適生區(qū)占國土面積比8.73%，而小于楊明琪(2013)基于歷史氣象數據計算出的我國美國白蛾的適生范圍占國土面積的55%，且有向南向西擴散的趨勢，這主要是由于考慮了人類活動對美國白蛾遠距離擴散傳播的影響。

2.3 美國白蛾擴散的地理格局

收集MODIS衛(wèi)星遙感數據，進行250 m像元融合、圖像增強變換和彩色合成，生成全國土地覆蓋景觀和地形地貌影像，提取美國白蛾發(fā)生和擴散的高風險、極高風險的地理區(qū)域矢量，疊加檢疫樣點數據，形成擴散地理格局分析地圖(圖5)。衛(wèi)星影像的色彩客觀表達了土地覆蓋、地形地貌和地理景觀。其中，亮綠色區(qū)域為東部農業(yè)和建設用地分布區(qū)，暗綠色為山地森林系統(tǒng)中的自然植被分區(qū)，灰綠色為蒙新高原農業(yè)、草地植被區(qū)，黃紅色多為農業(yè)區(qū)，暗紅黃色為青藏高原荒漠區(qū)，白色為常年雪覆蓋區(qū)域，藍色為水體。紫紅色點狀為檢出美國白蛾的樣點，其主要分布于亮綠色的東部農業(yè)區(qū)、建設用地區(qū)域；少量分布區(qū)與東部平原外的亮綠色農業(yè)區(qū)或建設用地區(qū)；紅色線條為美國白蛾發(fā)生擴散的高風險、極高風險區(qū)的邊界，其包含了當前美國白蛾的所有疫區(qū)。

圖5表明，1979年以來美國白蛾發(fā)生擴散形成的疫區(qū)主要為華北平原，遼寧以南的東北平原。新預測的高風險區(qū)有長江中下游平原的上海、江西、湖北的南部區(qū)域，以及黃土高原和遼寧北部。這表明，近40余年來，美國白蛾從遼寧的丹東，沿著渤海灣邊緣的狹窄廊道傳播到華北平原，但未侵入周邊山地以及燕山自然植被森林系統(tǒng)；在華北平原的擴散傳播中，未能侵入太行山、泰山、大別山等自然植被森林系統(tǒng)。近年，美國白蛾沿著秦嶺大巴山和大別山之間的廊道向南擴散，到了長江中下游平原的湖北省的孝感市、襄陽市、棗陽市、宜城市等區(qū)域，但未能侵入大別山、大巴山和秦嶺?，F有的地理格局、預報的高擴散風險格局表明，美國白蛾主要在農業(yè)區(qū)、建設用地的園林綠化植被中發(fā)生和擴散，而難以侵入山地中的自然植被森林系統(tǒng)，這可能與森林系統(tǒng)中的天敵較多，生物多樣高帶來更為穩(wěn)定的生態(tài)系統(tǒng)有關，因而對美國白蛾繁殖和傳播具有阻遏作用。

圖5 美國白蛾擴散風險地理格局

將模擬的各類人為活動進行疊加形成綜合的人流物流密度，疊加檢疫樣點及高風險以上區(qū)域，如圖6所示。美國白蛾發(fā)生擴散風險具有明顯的通道格局，沿遼東半島傳播到華北平原的通道是渤海灣廊道，從華北平原傳播到長江中下游平原的廊道是秦嶺大巴山與大別山之間的廊道。這2個區(qū)域是歷史上能阻斷美國白蛾傳播的重要咽喉要地。此外，在河南至河北必經的壺口、橫穿浙江的廊道，苗木、農林產品運輸等人流物流繁忙，是美國白蛾擴散傳播的主要渠道，加大該類區(qū)域的蟲害檢疫和除治力度，對控制其傳播具有重要意義。

圖6 美國白蛾擴散通道

3 討論

3.1 風險變量

借助于GIS系統(tǒng)的柵格矩陣模型，將生態(tài)變量或人為影響變量表達為GIS系統(tǒng)中的一層柵格化地圖，實現了測報變量的數字矩陣描述，解決了測報變量空間分異性、連續(xù)化描述的難題，為精細化時空測報奠定了基礎。

以幾百米的空間地理柵格單元為最小載體，開展全國地理區(qū)域的有害生物的測報預警，基于GIS空間信息的柵格表達特性，使得有害生物時空精細化測報成為可能。

本研究盡可能考慮了影響美國白蛾發(fā)生發(fā)展的寄主、地理環(huán)境、氣象條件及人為擴散傳播因子，并進行各因子的空間量化、地圖表達，結合鄉(xiāng)鎮(zhèn)檢疫樣本數據，綜合評估美國白蛾在全國的定量化擴散風險程度，以可視化風險等級和地圖分布格局展示了全國各地的潛在傳播區(qū)，空間指示性明確，在生產實踐中具有指導作用。

模型表明年平均氣溫、年降水、最濕月降水、平均氣溫日較差、降水季節(jié)性變動、最冷月的最低溫及氣溫的年變幅7個生物溫度變量對美國白蛾的發(fā)生和擴散作用顯著。這與美國白蛾的生物學特征有關，溫度對美國白蛾發(fā)育起著主導作用，每年3至4月是美國白蛾越冬卵發(fā)育的關鍵時期，其數量直接影響下一代種群數量。而低溫過低時，會導致越冬卵死亡，低溫合適時，可完成化蛹越冬。適宜的高溫是美國白蛾2代或可能的3代幼蟲種群數量發(fā)育的關鍵，熱量足夠時，幼蟲發(fā)育良好，種群數量大，甚至可以支持3世代發(fā)育(季榮等，2003；申衛(wèi)星，2012；陳景蕓，2013)。

模型研究引入了美國白蛾遠距離擴散傳播的人類活動影響，并對這一影響進行空間量化模擬，突破了常規(guī)分析中的人流物流難以量化和表達的局限性，提高了測報的準確性。人類活動變量對美國白蛾的傳播作用明顯，人流物流強度及頻度為有害生物的遠距離傳播提供了主要通道，這與美國白蛾隨人為活動、物品、交通工具等進行遠距離傳播(蘇茂文等，2008)的認知一致。

寄主是美國白蛾的發(fā)生和擴散的決定性變量，當存在寄主時，其他變量和預測模型才有效；反之，其他變量影響和作用模型歸于0。研究將寄主變量與其他影響變量區(qū)別開，用影響變量構建發(fā)生擴散作用模型，在此基礎上用寄主變量進行0、1合成，即有寄主的區(qū)域，用喜食性權重合成地圖，無寄主區(qū)域歸為背景區(qū)域，這也是風險評估方法的一大特點。

3.2 風險格局模型

利用二元Logistic模型進行美國白蛾擴散風險格局的預測，以連續(xù)0～1測度擬概率值表達風險大小，方便基層森防單位和行業(yè)管理人員理解應用。模型總體預測精度達75.68%，模型預測是有效的(Carranzaetal.，2000)，Logistic模型對非正態(tài)分布變量的建模具有靈活、穩(wěn)定的特性，且能直觀表達解釋變量與響應變量間的關系，常被用于物種分布建模與風險評估(Lippittetal.，2008；Yeetal.，2017)，研究提出的建模方法，為其他有害生物的風險評估及測報供了借鑒。

利用全國現有更為精細的樣本，采用多種風險方法模型，如機器學習方法進行格局分析，精度比對，優(yōu)化風險模型，是值得今后進一步研究的方向。充分利用地面監(jiān)測統(tǒng)計數據，考慮蟲害危害面積及危害程度以更為合適密度函數，如泊松分布進行綜合風險傳播格局分析是將來研究的重點。

3.3 展望

本研究建模的樣點數據為檢疫鄉(xiāng)鎮(zhèn)數據，是描述一個鄉(xiāng)鎮(zhèn)單元發(fā)生、未發(fā)生的數據，并未準確獲得實際蟲害的發(fā)生位置信息，對評估結果會有一定影響。加之檢疫鄉(xiāng)鎮(zhèn)數據表達了檢疫部門通過檢疫或專門調查，發(fā)現某個鄉(xiāng)鎮(zhèn)有白蛾的現狀數據，但不代表該檢出鄉(xiāng)就是疫區(qū)，按國家確認疫區(qū)的標準，檢出地的美國白蛾必須實現穩(wěn)定的世代繁育，才確認為疫區(qū)，而實際苗木、木材等長距離攜帶運輸，很多地方檢出該物種后，但種群數量小、環(huán)境適應性差、人為除治等因素影響，經過一段時間白蛾就能被控制、消亡，形成不了疫區(qū)，這些樣點的準確性都會影響結果的精度。另外測報變量的精度影響評估結果，如溫度數據采用了歷史平均溫度，寄主來源于全國1∶100萬植被數據等，也使得該風險分析缺乏動態(tài)特性。由于溫度、人類活動及寄主的影響都在隨時間動態(tài)變化，將來應充分利用遙感反演(如Landsat、Modis影像)并同化地面觀測結果、專題信息提取等進行精細化、動態(tài)的測報變量空間分布格局分析。特別是隨著遙感技術的發(fā)展，與人為活動密切相關的夜視燈光衛(wèi)星數據的出現，如DMSP/OLS，NPP/VIIRS(Huangetal.，2014)以及我國自主研發(fā)的珞伽燈光衛(wèi)星數據(肖東升等，2019)為有害生物風險評估提供了又一重要數據源。精確樣點信息，測報變量的時空精細化表達及機器學習分析是提高有害生物風險評估精度的趨勢和發(fā)展方向。而對于時間維度上的測報變量，可描述為多個時間節(jié)點上的一系列的柵格化地圖，從而可實現測報變量時空連續(xù)化模擬表達，有助于將傳統(tǒng)的有害生物測報，發(fā)展為時空連續(xù)的測報預警，實現環(huán)境及地理場景、有害生物發(fā)生發(fā)展過程的計算機模擬表達。

4 結論

1)本文以全國為研究區(qū)域，分析闡述了美國白蛾以農業(yè)植被、建設用地園林綠化植被為寄主，以人流物流活動高密度區(qū)為通道進行繁育傳播的規(guī)律；該蟲害尚無法侵入山地天然植被森林系統(tǒng)，這為防控提供了重要參考。

2)充分考慮影響美國白蛾發(fā)生發(fā)展的生物地理環(huán)境外因子，以空間矩陣模型實現測報變量時空連續(xù)化描述，將風險評估結果表達為精細化的空間地塊，奠定了時空化測報的技術基礎，提高有害生物風險評估精度。以0～1概率化風險值及可視化地圖表達美國白蛾的傳播擴散可能，地圖化預報結果能精確描述有害生物發(fā)生的高風險區(qū)和極高風險，對基層開展檢疫和防治具明顯的指示作用，促進精細化的風險防控實踐，有效保護農林生態(tài)系統(tǒng)。

3)美國白蛾的高風險及極高風險區(qū)主要集中在我國東部，華北地區(qū)，并有呈現向西、向南的擴散趨勢，應加強防控，嚴控高擴散風險區(qū)管理，如西部、南部過渡區(qū)，內蒙古、陜西、湖北、江西、上海、浙江地區(qū)，對進出貨物特別是種苗、木材以及木材制品等加強檢疫。

4)人為活動對美國白蛾的擴散具有重要影響，著力開展傳播廊道、咽喉地段的監(jiān)測、預防和除治工作，堵死美國白蛾蔓延擴展通道。

5)基于地理景觀的宏現防治理論，加強自然森林生態(tài)系統(tǒng)的恢復與建設、構筑生態(tài)屏障包圍圈，遏制美國白蛾北上、西擴、南下的勢頭，維護森林健康與生物多樣性。

6)對于已發(fā)現疫情的區(qū)域，要分割殲滅已突破包圍圈的疫區(qū)、疫點，采用物理防治與生物防治結合，如培育抗美國白蛾的幼苗，誘導美國白蛾幼蟲食物偏好(李濤等，2018)、釋放周氏嚙齒小蜂(Chouioiacunea)寄生天敵等(Wuetal.，2019)對美國白蛾進行防治。