地中海实蝇入侵中国的风险评估

地中海实蝇Ceratitis capitata(Weidemann)是全球分布范围最广、为害最大的害虫之一。为评估地中海实蝇入侵中国风险并制定针对性的检疫措施,基于其在全球的分布数据,选取与其发生相关的温度、湿度等7个变量,利用MaxEnt模型预测其适生区,并结合我国进境口岸截获数据及寄主分布情况评估其入侵风险。结果显示,地中海实蝇在全球的适生区范围主要集中在热带、亚热带地区,在我国的适生区范围主要集中在南部地区。该虫在越南、老挝、缅甸、印度、不丹和尼泊尔等我国邻国多地适生,且在我国进境口岸每年也均有截获,2003—2015年共截获274批次;其主要寄主苹果、咖啡、榅桲和无花果在我国的适生区范围内种植面积及产量均较高。因此中国具备了该虫进入、定殖的适生条件,具有较高的扩散风险。为预防其入侵,需完善边境疫情监测体系,加强进境口岸管理力度,并制定科学管理措施以降低其进入、定殖及扩散的风险。     

气候变化下濒危树种华榛的潜在适生区预测

[目的]探究华榛(Corylus chinensis?Franch.)地理分布格局随气候的变化趋势,划分不同等级的华榛适生区,为华榛的保护利用提供科学依据.[方法]本研究基于华榛83条现代分布记录信息和筛选后的18个环境变量数据,采用物种分布模型中的最大熵模型(MaxEnt)模拟华榛末次间冰期以来6个时期的潜在分布区....     

基于MaxEnt模型分析新疆特色林果区春尺蠖发生风险

【目的】分析并预测新疆特色林果种植区域春尺蠖潜在风险发生范围,为新疆特色林果春尺蠖灾害的有效预防和重点防治提供依据。【方法】以新疆特色林果春尺蠖实际分布数据及环境因子为依据,采用MaxEnt模型结合GIS空间分析技术预测新疆特色林果春尺蠖潜在风险区,用聚类分析法划分风险等级,使用百分比贡献率分析其主要环境因子及生态位参数。【结果】(1)ROC评价显示新疆特色林果春尺蠖潜在风险区的训练数据集和测试数据集的AUC值分别为0.979和0.970,模拟效果优秀。(2)根据MaxEnt模型预测结果将新疆特色林果春尺蠖潜在分布区划分为风险区和无风险区,其中风险区总面积约745.38×10⁴ hm²。(3)将新疆特色林果春尺蠖潜在风险区划分为高风险区115.84×10⁴hm²、中风险区201.28×10⁴hm²、低风险区428.26×10⁴hm²。(4)影响新疆特色林果春尺蠖灾害风险性的主要环境因子是最冷月最高温度、最冷季平均温度、最干季降水量、最湿季平均温度。最冷月最高温度>-14.25℃,最冷季平均温度>-4.01℃,最干季降水量在1.23~8.29 mm,最湿季平均温度在21.63~24.82℃为新疆特色林果春尺蠖适宜生长的生态位参数。【结论】基于MaxEnt模型的新疆特色林果春尺蠖潜在风险区预测结果与春尺蠖实际分布区完全相符,明确了春尺蠖的地理分布特征:高风险区主要分布于喀什地区和和田地区,中风险区主要分布于阿克苏地区、巴音郭楞蒙古自治州、和田地区、喀什地区和克孜勒苏柯尔克孜自治州,低风险区布于阿克苏地区、巴音郭楞蒙古自治州、和田地区、喀什地区和克孜勒苏柯尔克孜自治州,在吐鲁番地区和乌鲁木齐市有少量分布。该研究对于制定检疫和防治政策具有较高的参考价值。     

检疫性害虫中对长小蠹在中国的适生区

【目的】中对长小蠹是一种已在我国海南建立种群的外来有害生物,预测其在中国的潜在入侵分布区,可为阻断其传播和早期监测提供参考。【方法】基于我国动植物检验检疫信息资源平台,对中对长小蠹在我国入境口岸的截获记录进行检索和统计。根据中对长小蠹现有分布记录,选取2组(5个环境变量和9个环境变量)相关性的气候变量,将中对长小蠹的本土生态空间与中国的生态空间进行对比,测试其在我国入侵过程中生态位保守性,然后基于2组环境变量在本土中美洲地区分别构建生态位模型,将其转移至我国和世界其他国家和地区来检测模型,并预测其在我国的适宜生态空间和潜在分布区。【结果】我国中对长小蠹的截获主要在长三角和珠三角地口岸,从木制品进口中截获。生态空间比对发现中对长小蠹在我国与其本土所占有的生态空间具有较大的重叠,其在我国的入侵过程中的生态位是保守的,然而与本土空间相比,我国所占有的生态空间存在较大的生态位空缺,表明中对长小蠹在我国的潜在入侵风险较大。在生态位模型预测中,与基于9个环境变量模型的预测相比较,基于5个环境变量的模型预测较为保守,基于2组变量的模型结果均显示中对长小蠹的适生区主要分布于中美洲、南美洲中部、非洲中部、澳洲北部和亚洲中部以及东南亚地区。中对长小蠹在我国的适生区主要在海南、台湾、广东等地,此外云南和广西南部等地的适生性亦较高。【结论】中对长小蠹在我国海南、台湾、广东等大部分地区存在入侵风险。本次预测结果与当前分布范围一致,这些潜在分布区多聚集在沿海地区,贸易活动频繁,有利于该害虫在入侵地建立种群并扩散;这些高风险地区应开展预警与监测,防止其从海南向大陆扩张或二次入侵。综合潜在分布分析和截获记录统计,我国广东珠江三角地区入侵风险最高,需要密切监控。     

基于MaxEnt和ArcGIS的大叶桂樱在我国的潜在分布预测研究

基于19个环境气候变量和大叶桂樱(Laurocerasus zippeliana Miq.)345个标本分布记录,利用最大熵模型(MaxEnt)和地理信息系统(GIS)分析预测了大叶桂樱在我国的潜在分布区,评估了影响大叶桂樱潜在地理分布的主要气候因子。结果表明:当前气候环境下,大叶桂樱潜在适生区分布在广东、广西、贵州、云南、江西、福建、甘肃、四川、浙江、湖北、湖南、陕西、台湾等省份,其中其最适生区主要集中在广西、贵州、广东、福建;影响其当前分布的环境气候因子有降水和温度,且降水较温度影响更大。未来气候下,大叶桂樱的分布有向北迁移的趋势,并且其最适生区面积具有减少和离散的趋势。     

基于MaxEnt分析金钱松适生的生物气候特征

[目的]利用MaxEnt模型分析金钱松适生的生物气候特征,为金钱松林业生产提供科学依据.[方法]从我国4个标本馆获取金钱松43个标本记录数据,并从WorldClim网站下载1950-2000年生物气候数据,用最大熵模型(MaxEnt)模拟金钱松的地理分布,检测其生物气候主导因子及其适宜值.[结果]金钱松最适宜(分布值为0.73 ～1.0)分布的地区是湖南东部、湖北东南部、江西的东北部、安徽的南部、浙江西北部和其东部沿海地区,其余具分布值0.37 ～0.73的区域是以上这些高分布值区域的向外连续延伸.刀切法检测表明:冷季均温、干季均温、暖季降雨量对金钱松的分布影响较大,其中冷季均温适宜值为1.15～8.1℃,最适值为4.62℃;干季均温适宜值为2.7 ～11.9℃,最适值为7.3℃;暖季降雨量适宜值为45.6～734.4 mm,最适值为546.9 mm.[结论]MaxEnt模拟可信度较高,精确反映出金钱松的地理分布范围,并阐明主导其分布的3个生物气候因子,揭示金钱松在地理分布上所需的定量生物气候条件.     

基于遥感与MaxEnt预测海南东亚飞蝗宜生区

【目的 】科学预测海南东亚飞蝗宜生区并划分不同等级,对海南东亚飞蝗制定科学防治措施、提高绿色防控效率提供参考。【方法 】文章选取海南岛为研究区域,结合600个海南东亚飞蝗分布点,基于最大熵模型构建基于遥感、土壤、植被和地形等多源数据的海南东亚飞蝗宜生区指标体系,分析不同生境因子对海南东亚飞蝗宜生区分布的影响,对海南东亚飞蝗宜生区进行预测。【结果 】模型模拟结果极好,平均AUC值为0.944;决定海南东亚飞蝗宜生区分布的主要影响因子为6月降水量、5月植被指数（NDVI）、6月地表温度、9月降水量、10月降水量和3月植被指数;高宜生区和中等偏高适生区主要分布在东方市、儋州市、昌江黎族自治县和乐东黎族自治县。【结论 】在当前全球变暖的条件下,气温的升高可能会使海南东亚飞蝗繁殖加快,从而增加种群数量,海南东亚飞蝗的高宜生区在东方市和乐东黎族自治县分布比例较高,需密切关注该地蝗虫发育情况,做到早防早控。     

基于MaxEnt模型预测苹果树腐烂病在中国的潜在地理分布

为了明确影响苹果树腐烂病发生的主要环境因子及其潜在地理区域,根据1960年至1990年30 a环境气候因子数据,利用19个生物气候因子首先建立MaxEnt模型,结果显示该模型的准确性良好,训练数据AUC值达0.884,影响MaxEnt模型最重要的影响因子是最暖季度平均温(Bio10),其对模型构建的贡献率为22.3%,其次是最冷季度降水量(Bio19)和最干月份降水量(Bio14)。随后,该模型结合以往苹果树腐烂病发生地点统计数据,对影响苹果腐烂病发生的环境因子和适生区进行预测。结果表明最冷月份最低温(Bio6)、最暖季度平均温(Bio10)和最冷季度降水量(Bio19)是影响苹果树腐烂病分布的主要环境因子。     

Potential global distribution of the guava root-knot nematode Meloidogyne enterolobii under different climate change scenarios using MaxEnt ecological niche modeling

In recent years, Meloidogyne enterolobii has emerged as a major parasitic nematode infesting many plants in tropical or subtropical areas. However, the regions of potential distribution and the main contributing environmental variables for this nematode are unclear. Under the current climate scenario, we predicted the potential geographic distributions of M. enterolobii worldwide and in China using a Maximum Entropy(MaxEnt) model with the occurrence data of this species. Furthermore, the potenti...