趙浩翔,冼曉青,郭建洋,張桂芬,王 瑞,劉萬學(xué),萬方浩

(中國(guó)農(nóng)業(yè)科學(xué)院植物保護(hù)研究所,植物病蟲害生物學(xué)國(guó)家重點(diǎn)實(shí)驗(yàn)室,北京 100193)

全球變化背景下,氣候變化、人類活動(dòng)和全球貿(mào)易一體化等全球變化因素增加了外來入侵物種擴(kuò)散和定殖的機(jī)會(huì),外來入侵物種又通過各種復(fù)雜方式與全球變化的各種因素發(fā)生相互作用,從而引起更加深遠(yuǎn)的生態(tài)和經(jīng)濟(jì)影響[1-3]。其中,外來入侵害蟲通過為害農(nóng)作物、傳播病原菌和破壞基礎(chǔ)設(shè)施等方式造成嚴(yán)重的經(jīng)濟(jì)損失[4-5]。在全球范圍內(nèi),外來入侵害蟲每年至少造成700億美元的經(jīng)濟(jì)損失[6]。在我國(guó),其每年造成直接經(jīng)濟(jì)損失逾500億元[7]。外來入侵害蟲在成功入侵后,往往呈現(xiàn)蔓延速度快和為害面積廣的特點(diǎn)[8],從傳入到擴(kuò)散暴發(fā)僅需10年左右的時(shí)間[9]。例如,原產(chǎn)于北美洲的外來入侵害蟲美洲斑潛蠅Liriomyzasativae,僅10年間,就逐步向世界各地?cái)U(kuò)散蔓延并暴發(fā)成災(zāi)[10]。

灰翅夜蛾屬昆蟲是世界范圍內(nèi)為害農(nóng)作物和蔬菜的重要害蟲,其中最主要的外來入侵害蟲有草地貪夜蛾Spodopterafrugiperda,甜菜夜蛾S.exigua,斜紋夜蛾S.litura,南方黏蟲S.eridania和?；页嵋苟闟.littoralis;其寄主種類繁多,主要為害禾本科、十字花科和豆科類農(nóng)作物[11]。其中前3種在我國(guó)已發(fā)生并對(duì)我國(guó)農(nóng)業(yè)生產(chǎn)造成了經(jīng)濟(jì)損失,南方黏蟲和?；页嵋苟晟形磦魅胛覈?guó)。?；页嵋苟晔菬釒Ш蛠啛釒е卮筠r(nóng)業(yè)害蟲之一,廣泛分布于非洲、歐洲西部、亞洲西部和地中海地區(qū)[11-13]。?；页嵋苟晔承暂^雜,寄主包括40多科植物,其中包括87種重要經(jīng)濟(jì)作物[14],如棉花、玉米、花生和大豆等農(nóng)作物和菊花等觀賞植物[15]。歐洲和地中海植物保護(hù)組織(EPPO,European Plant Protection Organization)將其列為A2檢疫性有害生物名單(EPPO A2 list of pests recommended for regulation as quarantine pests,version 2021-09)。鑒于其潛在危害性,我國(guó)2006年將其列入《中華人民共和國(guó)進(jìn)境植物檢疫性有害生物名錄》。目前有關(guān)該夜蛾的研究主要集中于生物學(xué)特性[16-17]等方面,其在全球范圍內(nèi)的潛在入侵風(fēng)險(xiǎn)區(qū)仍屬未知。我國(guó)有著豐富多樣的經(jīng)濟(jì)作物和觀賞植物,而且農(nóng)產(chǎn)品和經(jīng)濟(jì)作物的國(guó)際貿(mào)易往來較為頻繁,為其傳入和定殖提供了有利的條件,對(duì)我國(guó)農(nóng)作物和經(jīng)濟(jì)作物有著較大的潛在威脅。

生態(tài)位模型(ecological niche models,ENMs)是預(yù)測(cè)物種生態(tài)位和潛在地理分布區(qū)的重要工具,能根據(jù)物種發(fā)生記錄和環(huán)境因子相結(jié)合模擬其在自然環(huán)境中的生態(tài)位和潛在地理分布區(qū)[18]。近年來,生態(tài)位模型在外來入侵物種的潛在地理分布預(yù)測(cè)研究中的應(yīng)用愈發(fā)廣泛[19]。MaxEnt模型(maximum entropy model)是以最大熵理論為基礎(chǔ),依托于Java平臺(tái)構(gòu)建的生態(tài)位模型[20]。隨著MaxEnt模型應(yīng)用范圍的不斷擴(kuò)展,如今其已被廣泛應(yīng)用于外來入侵物種的風(fēng)險(xiǎn)評(píng)估研究中,如外來入侵植物[21]、昆蟲[22]和病害[23]的潛在地理分布區(qū)預(yù)測(cè),結(jié)合ArcGIS的空間分析技術(shù)能進(jìn)一步定量評(píng)估外來入侵物種的傳入和定殖風(fēng)險(xiǎn)。本研究以?；页嵋苟甑姆植紨?shù)據(jù)和相關(guān)生物氣候因子為基礎(chǔ),利用MaxEnt模型和ArcGIS軟件的空間分析技術(shù),預(yù)測(cè)海灰翅夜蛾在全球和我國(guó)的潛在地理分布區(qū),并在此基礎(chǔ)上評(píng)估其在我國(guó)的定殖和擴(kuò)散風(fēng)險(xiǎn),闡明相關(guān)生物氣候因子對(duì)?；页嵋苟隄撛诘乩矸植嫉挠绊?能夠?qū)；页嵋苟甑脑缙陬A(yù)警監(jiān)測(cè)工作提供指導(dǎo)。

1 材料與方法

1.1 物種數(shù)據(jù)來源

通過查詢?cè)L問全球生物多樣性信息平臺(tái)(http:∥www.gbif.org)、國(guó)際應(yīng)用生物科學(xué)中心(http:∥www.cabi.org)等相關(guān)網(wǎng)站,獲得海灰翅夜蛾的地理分布信息。去除描述不夠具體和重復(fù)的分布記錄,同時(shí)利用ENMTools工具,參照環(huán)境因子的分辨率,使每個(gè)10 km×10 km的柵格內(nèi)只保留一個(gè)分布點(diǎn),使得MaxEnt模型不會(huì)由于分布點(diǎn)冗余而造成過度擬合現(xiàn)象[24]。最終,保留了?；页嵋苟暝谌蚍秶鷥?nèi)的617個(gè)分布點(diǎn)用于MaxEnt模型運(yùn)行(圖1)。

1.2 環(huán)境因子及相關(guān)數(shù)據(jù)

本研究所使用的全球氣候數(shù)據(jù)來源于世界氣候數(shù)據(jù)庫(kù)(http:∥www.world-clim.org∥),該數(shù)據(jù)庫(kù)對(duì)1970年-2000年全世界的氣象站點(diǎn)所記錄的氣象數(shù)據(jù)進(jìn)行整合,包括19個(gè)生物氣候環(huán)境數(shù)據(jù),分辨率為10 km×10 km。由于19個(gè)生物氣候因子之間存在一定的相關(guān)性,本研究首先將19個(gè)生物氣候因子在MaxEnt模型中運(yùn)行3次,剔除貢獻(xiàn)率為0的因子,然后利用ENMTools工具對(duì)19個(gè)生物氣候因子進(jìn)行Spearman相關(guān)性分析[24],當(dāng)2項(xiàng)環(huán)境因子的相關(guān)系數(shù)≥0.8時(shí),舍去貢獻(xiàn)率較小的生物氣候因子,最終保留了8個(gè)生物氣候因子導(dǎo)入MaxEnt模型(表1)。世界和中國(guó)行政區(qū)劃圖來源于國(guó)家測(cè)繪地理信息局標(biāo)準(zhǔn)地圖服務(wù)網(wǎng)站(http:∥bzdt.ch.mnr.gov.cn/index.html)。

圖1 全球范圍內(nèi)?；页嵋苟甑姆植加涗汧ig.1 Global geographical distribution of Spodoptera littoralis

表1 8個(gè)生物氣候變量Table 1 Eight bioclimatic variables

1.3 MaxEnt 模型參數(shù)設(shè)置和精度驗(yàn)證

調(diào)控倍頻(regularization multiplier,RM)和特征組合(feature combinations,FCs)是MaxEnt模型的重要參數(shù),對(duì)其進(jìn)行優(yōu)化能顯著提升MaxEnt模型的精度[25]。FCs包含5種特征,分別為L(zhǎng)(linear,線性),Q(quadratic,二次型),H(hinge,片段化),P(product,乘積性)和T(threshold,閾值型)。本研究利用R語(yǔ)言結(jié)合ENMeval數(shù)據(jù)包對(duì)RM和FCs參數(shù)進(jìn)行調(diào)整[26]。首先,基于保留的?；页嵋苟攴植紨?shù)據(jù)和生物氣候因子,將RM分別設(shè)置為0.5～4,間隔0.5。設(shè)置6個(gè)FCs用于選擇最佳參數(shù)組合:L,LQ,H,LQH,LQHP和LQHPT,最終建立了48個(gè)不同RM和FCs組合的模型,選擇AICc值最小的特征組合模型為最優(yōu)模型。最后,本研究的RM設(shè)置為0.5,特征組合為L(zhǎng)Q。

最優(yōu)模型的其他參數(shù)設(shè)置為:選取25%的?；页嵋苟攴植键c(diǎn)作為測(cè)試集,75%的分布點(diǎn)作為訓(xùn)練集,最大迭代次數(shù)設(shè)置為500次,最大背景點(diǎn)數(shù)量設(shè)置為10 000個(gè),重復(fù)次數(shù)為10次。ROC(receiver operating characteristic curve)曲線下面積值(AUC,area under ROC curve)用于測(cè)試適用性結(jié)果的準(zhǔn)確性。ROC曲線是一個(gè)接受曲線,其中橫坐標(biāo)表示假陽(yáng)性率(1-特異性),縱坐標(biāo)表示真陽(yáng)性率(1-遺漏率)[27],AUC值對(duì)模型精度的評(píng)估標(biāo)準(zhǔn)劃分為較差(AUC≤0.80)、一般(0.8

1.4 適宜度等級(jí)劃分

本研究將最優(yōu)的MaxEnt模型的10次重復(fù)后的最大值作為最終結(jié)果,基于物種的存在概率邏輯值(P),利用ArcGIS軟件將最終結(jié)果轉(zhuǎn)換成柵格形式并進(jìn)行可視化,?；页嵋苟甑倪m宜度等級(jí)根據(jù)最小訓(xùn)練邏輯閾值(MTP,minimum training presence)劃分為4個(gè)等級(jí),分別為高適宜生境(0.5≤P≤1)、中適宜生境(0.3≤P<0.5)、低適宜生境(0.08≤P<0.3)和不適宜生境(0≤P<0.08)。統(tǒng)計(jì)每個(gè)等級(jí)的柵格數(shù),計(jì)算各等級(jí)適宜生境面積所占比例。

2 結(jié)果與分析

2.1 影響?；页嵋苟隄撛诘乩矸植嫉沫h(huán)境因子

基于617個(gè)全球范圍內(nèi)?；页嵋苟甑姆植加涗浐?個(gè)生物氣候因子,利用最優(yōu)的MaxEnt模型對(duì)海灰翅夜蛾在世界范圍內(nèi)的潛在地理分布進(jìn)行模擬。ROC曲線(圖2)表明,AUC均值為0.919,表明最優(yōu)的MaxEnt模型的精度較高。

圖2 ?；页嵋苟闙axEnt模型的受試者工作特征曲線Fig.2 MaxEnt model receiver operating characteristic curve of Spodoptera littoralis

本研究根據(jù)生物氣候因子貢獻(xiàn)率和刀切法選取對(duì)?；页嵋苟隄撛诘乩矸植加绊戄^大的因子。用于MaxEnt模型模擬的8個(gè)環(huán)境因子中,貢獻(xiàn)率大于10%的環(huán)境因子變量依次為:最冷月最低溫 (bio6,60.4%)和晝夜溫差月均值(bio2,20.8%),累計(jì)貢獻(xiàn)率為81.2%(圖3);由刀切法檢驗(yàn)結(jié)果(圖4)可知:僅使用單一環(huán)境因子變量時(shí),對(duì)正規(guī)化訓(xùn)練增益影響最大的兩個(gè)環(huán)境因子變量為:最冷月最低溫 (bio6)和最濕季平均溫度(bio8),進(jìn)一步佐證了影響?；页嵋苟隄撛诘乩矸植嫉闹匾餁夂蛞蜃印＞C上所述,影響?；页嵋苟隄撛诘乩矸植嫉沫h(huán)境因子為最冷月最低溫(bio6)、晝夜溫差月均值(bio2)和最濕季平均溫度(bio8)。

圖3 8個(gè)生物氣候因子的貢獻(xiàn)率Fig.3 Contribution rates of eight bioclimatic variables

2.2 當(dāng)前氣候條件下的海灰翅夜蛾潛在地理分布

當(dāng)前氣候條件下,由最優(yōu)MaxEnt模型模擬得到的全球范圍內(nèi)?；页嵋苟甑臐撛诘乩矸植紖^(qū)表明(圖5),其高適宜生境面積為346.78×104km2,中適宜生境面積為1 068.04×104km2,低適宜生境面積為3 204.55×104km2,總適宜生境面積為4 619.37×104km2(表2)。?；页嵋苟甑臐撛诘乩矸植紖^(qū)主要位于在北美洲(美國(guó)西部、墨西哥中部和南部)、南美洲(哥倫比亞、委內(nèi)瑞拉、秘魯、智利、玻利維亞、烏拉圭、巴拉圭、阿根廷和巴西)、非洲(阿爾及利亞、利比亞、埃及、尼日利亞、埃塞俄比亞、肯尼亞、坦桑尼亞、剛果、安哥拉、納米比亞、南非和馬達(dá)加斯加)、歐洲(西班牙、英國(guó)、法國(guó)、德國(guó)、葡萄牙、意大利、保加利亞、波蘭和羅馬尼亞)、亞洲(中國(guó)中部和南部、印度、緬甸、老撾、泰國(guó)、土耳其和沙特阿拉伯等)和大洋洲(澳大利亞南部和新西蘭)。其高適宜生境面積占總適宜生境面積的比例為7.51%,中適宜生境面積占23.1%,其在全球的中高風(fēng)險(xiǎn)區(qū)范圍較大。

根據(jù)MaxEnt模型的預(yù)測(cè)結(jié)果表明(圖5),?；页嵋苟暝谖覈?guó)的總適生區(qū)面積為221.59×104km2(表2),約占全國(guó)總面積的23.0%,主要位于我國(guó)的長(zhǎng)江流域及其以南地區(qū)。其高適生區(qū)面積為23.13×104km2,占總適生區(qū)面積的10.44%,主要位于重慶、四川、湖北、貴州、云南、江西、福建、廣東和海南。中適生區(qū)面積為121.9×104km2,占總適生區(qū)面積的55.01%,主要位于四川、重慶、湖北、湖南、貴州、云南、廣西、廣東、江西、福建、浙江、安徽和上海。低適生區(qū)面積為76.56×104km2,占總適生區(qū)面積的34.55%,主要位于云南、四川、甘肅、陜西、河南、湖北、安徽、浙江、江蘇和江西。?；页嵋苟暝谖覈?guó)南部和東部的沿海地區(qū)均呈現(xiàn)較高的適生度。

圖4 ?；页嵋苟戥h(huán)境因子刀切法檢驗(yàn)結(jié)果Fig.4 Jackknife test result of environmental factor of Spodoptera littoralis

表2 不同地區(qū)海灰翅夜蛾潛在地理分布區(qū)面積Table 2 The potential geographical distribution area of Spodoptera littoralis in different region

圖5 當(dāng)前氣候條件下?；页嵋苟甑臐撛诘乩矸植糉ig.5 Potential geographical distribution of Spodoptera littoralis under current climate conditions

3 討論

本文利用最優(yōu)的MaxEnt模型結(jié)合全球范圍內(nèi)?；页嵋苟?17個(gè)分布記錄和8個(gè)影響其分布的生物氣候因子,預(yù)測(cè)了其在全球和中國(guó)的潛在入侵風(fēng)險(xiǎn)區(qū)。10次重復(fù)后的MaxEnt模型的AUC均值達(dá)到了0.919,表明優(yōu)化后的MaxEnt模型具有較高的準(zhǔn)確性。本研究表明,最冷月最低溫(bio6)、晝夜溫差月均值(bio2)和最濕季平均溫度(bio8)對(duì)?；页嵋苟甑臐撛诘乩矸植加兄匾绊?由此表明海灰翅夜蛾的潛在地理分布主要受氣溫因子的影響。氣溫因子影響是昆蟲的分布和存活率的重要驅(qū)動(dòng)力,能直接影響昆蟲的生長(zhǎng)發(fā)育和生存繁殖[29]。氣溫升高會(huì)使得一些昆蟲的為害時(shí)間提前,如重大外來入侵昆蟲稻綠蝽Nezaraviridula,氣溫升高可使其越冬死亡率大大降低,為害范圍增大[30]。在17.5℃時(shí),?；页嵋苟甑穆寻l(fā)育成幼蟲需要9 d時(shí)間,而在32.5℃時(shí)只需要2 d[31]。表明氣溫升高會(huì)加速海灰翅夜蛾的發(fā)育,對(duì)其暴發(fā)為害有著促進(jìn)作用,增加其入侵?jǐn)U散風(fēng)險(xiǎn)。

?；页嵋苟曛饕獮楹γ藁ā⒒ㄉ?、大豆、玉米、黃麻、苜蓿、水稻等農(nóng)作物,其卵和幼蟲可以伴隨進(jìn)境農(nóng)作物進(jìn)行遠(yuǎn)距離傳播[31]。本研究結(jié)果表明海灰翅夜蛾在世界范圍內(nèi)的潛在地理分布區(qū)包括美國(guó)、巴西、埃及、印度和澳大利亞等與我國(guó)有著貿(mào)易往來的國(guó)家,需警惕從上述國(guó)家進(jìn)口農(nóng)作物中夾雜其卵和幼蟲。?；页嵋苟甑臑楹Ψ绞街饕瞧溆紫x取食寄主的穗部、葉片和果實(shí),最終造成農(nóng)作物減產(chǎn)甚至絕收[31]。其對(duì)溫室作物具有極大的潛在威脅。在歐洲大部分地區(qū),其主要為害溫室作物,如蔬菜作物和觀賞植物[32]。在西班牙南部和埃及,其使得棉花等經(jīng)濟(jì)作物產(chǎn)量下降,造成了嚴(yán)重的經(jīng)濟(jì)損失[33-35]。當(dāng)其為害棉花時(shí),通過取食葉片和棉鈴等部位,可導(dǎo)致棉花產(chǎn)量減少50%[36]。我國(guó)是棉花種植和進(jìn)口大國(guó),2021年,我國(guó)棉花產(chǎn)量約為598萬t,預(yù)計(jì)進(jìn)口棉花達(dá)217.7萬t[37]。印度是我國(guó)主要的棉花進(jìn)口國(guó)之一,印度已有?；页嵋苟臧l(fā)生并為害棉花[38],而且其在印度的潛在地理分布區(qū)范圍較大。因此,?；页嵋苟暧邪殡S印度進(jìn)口棉花傳入我國(guó)的風(fēng)險(xiǎn),各海關(guān)口岸應(yīng)制定針對(duì)性檢疫措施,防止其卵或幼蟲伴隨進(jìn)境棉花傳入我國(guó)。

海灰翅夜蛾在為害花生時(shí),其幼蟲取食花生嫩葉和果實(shí),造成減產(chǎn)[31]。我國(guó)是全球最大的花生生產(chǎn)和進(jìn)出口貿(mào)易國(guó)[39],花生在我國(guó)的主要種植區(qū),如四川、廣東、湖北、安徽和廣西是海灰翅夜蛾的適生區(qū),其對(duì)我國(guó)花生產(chǎn)業(yè)有著潛在威脅。我國(guó)每年從非洲進(jìn)口的油用花生占總進(jìn)口量的95%[40],?；页嵋苟暝诜侵薜貐^(qū)廣泛分布,各海關(guān)口岸應(yīng)對(duì)非洲進(jìn)境花生實(shí)施嚴(yán)格檢疫工作,防止其卵或幼蟲伴隨進(jìn)境花生傳入我國(guó)。海灰翅夜蛾的其他寄主如大豆和玉米等是我國(guó)廣泛種植的農(nóng)作物和經(jīng)濟(jì)作物,而且我國(guó)的大豆和玉米產(chǎn)區(qū)也是?；页嵋苟甑倪m生區(qū),例如,其主要寄主大豆在我國(guó)東南部地區(qū)廣泛種植,例如,長(zhǎng)江流域、江南各省以及廣西、廣東和云南大豆種植區(qū)。2020年,我國(guó)大豆產(chǎn)量高達(dá)1 960萬t,進(jìn)口大豆量也達(dá)到了1億t[41],為其提供了有利的傳入和定殖條件。綜上所述,?；页嵋苟陮?duì)我國(guó)農(nóng)業(yè)生產(chǎn)有著較大的潛在威脅,應(yīng)建立更加完善的檢疫和預(yù)警機(jī)制,嚴(yán)防?；页嵋苟陚魅胛覈?guó)并擴(kuò)散蔓延成災(zāi)。

?；页嵋苟瓿上x具有較強(qiáng)的飛行能力,成蟲在夜間4 h內(nèi)可飛行1.5 km,每個(gè)世代能擴(kuò)散8 km[31],一旦其入侵至新的區(qū)域,其飛行能力能使得其在不同寄主之間快速擴(kuò)散,進(jìn)一步提升了其蔓延成災(zāi)的風(fēng)險(xiǎn)。草地貪夜蛾憑著其遷飛的特性,傳入我國(guó)僅一年便快速擴(kuò)散蔓延至我國(guó)20多個(gè)省份,造成極其嚴(yán)重的經(jīng)濟(jì)損失。?；页嵋苟暝谑澜绶秶鷥?nèi)主要分布于熱帶和亞熱帶地區(qū),其在我國(guó)的潛在地理分布區(qū)表明,我國(guó)南部和東部沿海的熱帶和亞熱帶地區(qū)是適宜其生存的地區(qū)。在我國(guó)南部和東部沿海地區(qū),其寄主分布廣泛,也有著較多的貿(mào)易口岸。國(guó)際貿(mào)易過程中,其卵和幼蟲可附著在農(nóng)作物、蔬菜和觀賞植物上進(jìn)行遠(yuǎn)距離傳播,據(jù)EPPO的檢疫截獲記錄表明,其?；祀s于觀賞植物和農(nóng)作物之中[32]?；谏鲜鰝魅腼L(fēng)險(xiǎn),我國(guó)東部和南部地區(qū)是其傳入、定殖和擴(kuò)散的高風(fēng)險(xiǎn)地區(qū),建議相關(guān)部門加強(qiáng)對(duì)其早期預(yù)警監(jiān)測(cè)和管理。主要加強(qiáng)對(duì)其發(fā)生分布來源國(guó)的進(jìn)口農(nóng)產(chǎn)品和經(jīng)濟(jì)作物的口岸檢疫檢測(cè),尤其是其在我國(guó)潛在地理分布區(qū)的口岸,而其非適生區(qū)口岸,如天津、北京、河北、黑龍江、吉林、遼寧和內(nèi)蒙古等,一旦檢測(cè)發(fā)現(xiàn),應(yīng)及時(shí)滅除,防止其卵和幼蟲伴隨農(nóng)產(chǎn)品調(diào)運(yùn)到適生區(qū)。

4 結(jié)論

本研究通過優(yōu)化的MaxEnt模型,利用?；页嵋苟甑姆植紨?shù)據(jù)和生物氣候因子預(yù)測(cè)了其在全球和我國(guó)的潛在地理分布區(qū),模型精度評(píng)價(jià)指標(biāo)表明,優(yōu)化后的MaxEnt模型精度較高。通過分析影響其潛在地理分布的重要生物氣候因子得出,氣溫因子(最冷月最低溫、晝夜溫差月均值和最濕季平均溫度)是影響?；页嵋苟隄撛诘乩矸植嫉闹匾餁夂蛞蜃印：；页嵋苟暝谌虻臐撛诘乩矸植紖^(qū)主要分布在北美洲南部、南美洲、非洲、亞洲西部和東部、歐洲北部和大洋洲。其在我國(guó)的潛在地理分布區(qū)主要位于我國(guó)的東部和南部地區(qū),潛在分布區(qū)范圍內(nèi)有大量的寄主植物,也有著較多的貿(mào)易口岸,為其傳入、定殖和擴(kuò)散提供了有利條件,有著伴隨國(guó)際貿(mào)易的農(nóng)產(chǎn)品和經(jīng)濟(jì)作物傳入我國(guó)的風(fēng)險(xiǎn)。因此,各海關(guān)口岸應(yīng)加強(qiáng)對(duì)從?；页嵋苟赀m生區(qū)國(guó)家進(jìn)口農(nóng)產(chǎn)品和經(jīng)濟(jì)作物的檢疫工作,防止其傳入我國(guó)并擴(kuò)散蔓延成災(zāi)。