基于GARP的美国白蛾在中国的适生区预测

摘 要：美国白蛾Hyphantria cunea （Drury），世界性的检疫害虫之一，主要危害阔叶树木，预测该虫在目标地区的适生区，能为发展早期预警工作、防止美国白蛾在中国进一步蔓延提供科学依据。本文根据美国白蛾在中国境内574组分布数据及34个环境图层，运用GARP生态位模型和地理信息系统（GIS）建立了美国白蛾的生态位模型，受测者工作曲线（ROC）下的AUC面积为0.910，显示了良好的预测能力。结果表明，美国白蛾在我国21个省、市、自治区存在中度以上潜在分布区，尤其是对山西省的分布预测显示山西省绝大部分地区都高度适宜美国白蛾的生存。据此建议采取有效措施，防止美国白蛾侵入山西省。

关键词：美国白蛾；GARP生态位模型；适生区；预测

中图分类号：Q969.413.5 文献标识码：A DOI：10.11974/nyyjs.20161032014

美国白蛾（Hyphantria cunea Drury），又称美国灯蛾、秋幕毛虫、秋幕蛾，属鳞翅目（Lepidoptera）灯蛾科（Arctiidae）。其为杂食性食叶害虫，主要危害果树、观赏树和行道树等阔叶树木以及蔬菜和农作物（张彦龙等，2008），被列为世界检疫性害虫。该害虫原产北美， 40年代末传播至欧亚大陆，1979年首次在我国辽宁省丹东发现（季荣等，2003）。美国白蛾（Hyphantria cunea Drury）繁殖率非常高，抗逆性非常强，危害植物种类非常广， 且发生具有蔓延速度快、点多、面广、为害重、基数大的特点。美国白蛾给这些省（市）的园林、城市绿化造成了严重危害，不但给广大林农造成了严重的经济损失，给城乡居民生活带来很大不便，而且严重危害林业生态安全（万方浩等，2009）。

我国于1979年首次在辽宁丹东发现，很快蔓延。1981年国务院下达文件“严密封锁，就地消灭”。1998我国启动了“京津冀美国白蛾治理工程”（李淑贤等，2009）。然而，美国白蛾在我国的疫情仍然十分严重，防控形势依然严峻。国家林业局2012年第4号公告，京、津、冀、辽、吉、鲁、苏、豫8省、市374个县、区被化为疫区，当年新增疫区达33个。由于冀、豫、陕3省是美国白蛾的疫区，处于这3省环绕中的山西省极易受到美国白蛾的入侵（刘川等，2009），因此，对美国白蛾进行预测研究，不仅能够预测其在中国的扩散动态和适生区范围，而且能够尽早探明其入侵山西省的风险，以及早采取预防措施，防止疫情扩散。

本文结合搜集到的574个分布点和GARP DESKTOP V1.1.6软件（http：//www.nhm.ku.edu/desktopgarp/下载）自带的14个环境图层，利用基于遗传算法的GARP生态位模型，对美国白蛾在我国的适生区进行预测，以期为开展该害虫在山西省的分布区预测，发展早期预警工作，制定有效的检疫措施和防治决策。

1 材料

1.1 数据来源

分布点数据由3种途径获取，从国内外已公开发表的论文；从国家林业局及各地市林业局的关于美国白蛾的公告信息；从国内各大主流媒体对美国白蛾的新闻报道。自1943年最先在辽宁省发现该虫以来（李淑贤等，2009），截至2015年1月已有10省（直辖市）460区（县）有疫情报道，结合相关论文及媒体报道，经核实后最终整理得到574个不重复的分布点，其中北京市分布点23个，天津市分布点12个，河北省分布点88个，山东省分布点205个，辽宁省分布点109个，吉林省分布点8个，江苏省分布点24个，安徽省分布点9个，河南省分布点82个，陕西省分布点14个（表1）。利用Google Earth查阅其具体的经纬度坐标（分辨率为0.000001°），最后将所得坐标转换成Garp模型所需的.csv格式文件。

将分布数据随机分为80% 和20% 2个部分（经纬度相近的分布点分成不同组），其中80% 的一组数据为导入到GARP软件中的运算数据，即为训练数据（training data），用这些数据生成预测模型（predictive modeling） ；剩余20%的一组分布点作为验证数据（testing data），对生成的模型精确度进行校验。选定4种运算规则，即原子规则（Atomic）、逻辑斯蒂回归（Logistic regression）、生物气候包络（Bioclimatic envelope）和逆生物气候包络（Negated bioclimatic envelope）进行组合分析并定义结果以预测图的方式输出及其存储位置。

1.2 环境变量

本实验采用GARP软件自身携带的亚洲地区的14个环境图层，共涵盖2类图层：气候环境图层――年最低温度、年最高温度、年平均温度、年降水量、年蒸发量、年湿度、地面霜冻频率、年辐射；自然物理图层包括――地貌、坡度、海拔、植被、灌溉水累流向、灌溉水积量。图层的栅格分辨率为0. 1°，以地理栅格为单位计算。各参数均为1961―1990年的平均值（周国梁等，2007）。本文使用了全部环境图层。

2 模型方法

2.1 GARP模型

GARP（Genetic Algorithm for Rule-set Production）模型是基于遗传算法的生态位预测模型系统，它利用物种分布数据和环境数据，以物种的生态需求为基础，寻找物种已知分布区域的环境特征与预测区域的非随机关系，用于预测物种的潜在分布区和研究生物多样性（孙文涛等，2010）（钟艮平等，2009）（李红梅等，2005）（余岩等，2009）（David R.B et al.，2002）。

实际操作GARP软件时，首先将已知分布数据随机分为训练数据和检验数据，与物种存活能力相关的环境参数层作为作为模型输入参数，通过不断迭代的遗传算法实现4种规则模型――原子规则（Atomic）、逻辑斯蒂回归 （ Logistic regression ）、生物气候包络 （ Bioclimatic envelope ）和逆生物气候包络 （ Negated bioclimatic envelope ） 的独立和组合分析，反复对规则进行选择、评价、验证、接受或拒绝，通常重复创建1000次模型， 重复运算次数最大值 （Max iteration）设为1000， 收敛极限（Convergence limit） 为0.01，形成一个由不同规则共同组成的模型。运算过程通过控制假阳性 （Commission，预测结果中超出现存分布点所占比率） 和假阴性 （Omission，预测结果中忽略的现存分布点所占比率） 2种模型预测误差自动选择最优模型（Robert P. et al.2003）。选取预测面积与实际分布的面积最接近的10个模型， 即为最优模型（李淑贤等，2009）。最后利用Arc GIS 10.1 for Desktop （http：///software/arcgis/arcgis-for-desktop/free-trial下载） 图层叠加功能，将影响物种分布的各个因子，将各个因子融合到一个图层中并对其可视化表达，最终形成物种潜在分布区预测图并以地图形式输出结果（钟艮平等，2009）（左闻韵等，2007）。

2.2 适生区预测

利用ArcGIS 10.1 for Desktop的空间扩展模块 （Spatial Analyst Tools），将最优模型的预测结果进行等叠加。叠加后，每一个栅格的数值在0～1之间，这个数值代表100个预测模型中该栅格适合美国白蛾生存的模型数量。我们将每一栅格适合生长的模型数量所占的百分比称为重叠值（Overlap Index， OI） ，重叠值越大表示该栅格的环境参数越适合美国白蛾存活（钟艮平等，2009）（余岩等，2009）。将模型映射到亚洲，去除中国之外的分布。根据重叠值的大小可将预测区划分为： 高度适生区（OI≥0.8），中度适生区（0.6

3 结果

3.1 预测在中国的分布

根据美国白蛾当前的分布形势，分布范围在E107.23～124.37°，N34.16～42.57°内。它在全国范围内的扩展趋势是逐渐向内陆发展（图1）。在东北地区有继续向北和西北扩展的趋势，向北侵入黑龙江，向西北侵入内蒙古，辽宁全省范围内、吉林中部和西北部均为美国白蛾的高度适生区；在华北地区，北京南部、天津中东部、山西中南部和北部大部分区域、陕西中北部、河南中北部等均为该虫的高度适生区，且占这些省市的绝大部分区域，河北及山东全省均为高度适宜该虫的生存区域，因此美国白蛾在这些地区扩展的可能性极大；在东南地区，安徽中北部、江苏北部也是美国白蛾的潜在高度适生区；在西北地区，新疆有零散的美国白蛾中度适生区存在，而青海东北部及西南部、甘肃北部存在美国白蛾的低度适生区；在西南地区，中南部为美国白蛾的中度适生区；此外，四川南部、云南北部、陕西南部和湖北西北部也存在少数适合美国白蛾的生存区域。因此，从美国白蛾的适生区（图2）可以看出：美国白蛾的潜在分布区非常广，具体包括黑龙江、吉林、辽宁、内蒙古、北京、天津、河北、山西、陕西、河南、山东、安徽、江苏、湖北、重庆、四川、云南、、青海、新疆、甘肃等21个省、市、自治区。

不同颜色代表美国白蛾分布的可能性不同（如重叠指数OI值为0代表10个最佳模型均预测不适合美国白蛾入侵；重叠指数OI值为1则代表10个最佳模型均预测适合美国白蛾入侵）。

3.2 美国白蛾在山西省的可能分布

在对全国分析的基础上，采用相同的方法对山西省进行分布预测（图3）。美国白蛾在山西省有大面积的适生范围，高度适生区占全省面积的2/3以上，其中太原以南地区（运城、临汾、晋城、晋中、长治、吕梁）及太原、忻州东南部几乎全部是该虫的高度适宜生存的区域；中度适生区占少数地区，包括忻州中北部、朔州西南部及东南部；而低度适生区仅为忻州和朔州地区的个别县市，如宁武县、原平市、静乐县、繁峙县、岢岚县、应县、广陵县等。

不同颜色代表美国白蛾分布的可能性不同（如重叠指数OI值为0代表10个最佳模型均预测不适合美国白蛾入侵；重叠指数OI值为1则代表10个最佳模型均预测适合美国白蛾入侵）。

3.3 模型评估

3.3.1 ROC检验

为了检测模型的预测能力，使用受测者工作曲线（ROC）进行检测。ROC曲线是以预测结果的每一个值作为可能的判断阈值，由此计算得到相应的灵敏度和特异度。以假阳性率即（1特异度）为横坐标，以真阳性率即灵敏度为纵坐标绘制而成，其曲线下面积（area under curve ，AUC）的大小作为模型预测准确度的衡量指标，其取值范围为[0，1]，AUC的值越大，模型的预测能力越好。理想情况是模型预测分布区与物种实际分布区完全吻合，此时AUC值为1（钟艮平等，2009）（王运生等，2007）。本文利用Medcalc 11.1.1.0软件 （http：///下载） 绘制ROC曲线，验证GARP运算出来的最优模型。

3.3.2 预测误差――假阳性（Commission）和假阴性（Omission）

在产生的10个最优结果中，以GARP软件自带的假阳性（Commission）和假阴性（Omission）两项参数作为评判标准，评判依据为：假阳性（Commission）和假阴性（Omission）；假阳性（Commission）的值中等或中等偏上为好，假阴性（Omission） ≤5% ，0为最佳（见表2）（李涛等，2012）。

4 讨论

美国白蛾具有传播速度快、适应性强、危害寄主植物多、繁殖力高、取食量大、危害范围广等特点，又缺乏原产地有效天敌的制约，所以一旦侵入新地区，短时间内很难铲除，将给当地的农林业、园林绿化等造成严重危害。

GARP是一种基于生态位模型的遗传算法，该模型利用物种的已知分布点数据和环境数据形成适生性分析系统（李红梅等，2005）。本文将GARP生态位模型与GIS相结合，在全国范围内成功预测了美国白蛾的潜在分布区，结果表明：美国白蛾在中国的潜在分布区极为广泛，在现有的10省（市）基础上，可增加至21省（市、自治区）；其扩散趋势是有东北、华北、华南、西北4个方向。尤其是对美国白蛾在山西省的分布预测研究显示，山西省内绝大部分地区高度适合美国白蛾的生存。这一结果不仅显示出美国白蛾在中国巨大的潜在危害性，还意味着急需提高警惕，开展合理的检疫与防治工作，防止其入侵山西省以危害山西的农、林、果业。

随着国际经济一体化进程与国际贸易的飞速发展，生物入侵的问题愈加突出，形势愈加严峻。在大多数国家和地区，外来有害生物入侵到新环境中后，由于缺乏有效的天敌控制，在适宜的环境条件下，往往大爆发。入侵物种肆意扩张蔓延、危害不断加剧，新的疫情频繁发生，生物入侵的威胁日益严重。生物入侵早期预警是在针对潜在入侵、新入侵和已入侵的入侵物种进行一系列评估与综合分析的基础上，预测其发生危害的可能性、危害范围与程度，并根据分析结果制定可行的预防与控制措施，其最终目的是规避外来入侵物种可能产生的风险。

深入了解外来有害物种的入侵过程、行为特征、扩散传播、成灾机制以及掌握有效的防控技术与策略，是预防与控制这些危险性入侵物种、有效提升防控技术水平的前提。但迄今为止，外来物种具备何种特征才能成功扩张与暴发、生态系统具备何种结构与功能才能抵御入侵、如何构建有效的防控技术体系以及如何有效的实施防控策略等重要科学问题，仍未获得明确答案，尚需我们深入探究与研究。因此，基于目前对于外来入侵物种的研究，建议从以下几方面开展检疫工作：全面开展外来入侵物种的普查与安全性考查；建设完整的数据库系统及其信息共享平台；建设严格的隔离检疫安全设施和完善检疫制度；建立监测预警网络体系与技术平台；建设部级生物入侵专门研究机构体系。而在防治方面，则应做到：加强检疫；人工防治；使用化学制剂或诱杀器；引进天敌，进行生物防治。

参考文献

[1]张彦龙，武三安，郭文霞，陈合志.中国美国白蛾生物防治研究进展[J].河北林果研究，2008，23（1）：70-77.

[2]季荣，谢宝瑜，李欣海，高增祥，李典谟.外来入侵种――美国白蛾的研究进展[J].昆虫知识，2003，40（1）：13-18.

[3]李淑贤，高宝嘉，张东风，宁超，屈金亮.美国白蛾危险性评估研究[J].中国农学通报，2009，25（10）：202-206.

[4]刘川，黄娅，孙红梅.山东省美国白蛾现状分析[J].陕西林业科技，2009（4）：54-57.

[5]周国梁，陈晨，叶军，胡白石，刘凤权.利用GARP生态位模型预测桔小实蝇（Bactrocera dorsalis）在中国的适生区域[J].生态学报，2007，27（8）：3362-3369.

[6]孙文涛，刘雅婷.生物入侵风险分析的研究进展[J].中国农学通报，2010，26（7）：233-236.

[7]钟艮平，沈文君，万方浩，王进军.用GARP生态位模型预测刺萼龙葵在中国的潜在分布区[J].生态学杂志，2009，28（1）：162-166.

[8]李红梅，韩红香，薛大勇.利用GARP生态位模型预测日本松干蚧在中国的地理分布[J].昆虫学报，2005，48（1）：95-100.

[9]余岩，陈立立，何兴金.基于GARP的加拿大一枝黄花在中国的分布区预测[J].云南植物研究，2009，31（1）：57-62.

[10]左闻韵，劳逆，耿玉英，马克平.预测物种潜在分布区-比较SVM与GARP[J]. 植物生态学报，2007，31（4）：711-719.

[11]王运生，谢丙炎，万方浩，肖启明，戴良英. ROC曲线分析在评价入侵物种分布模型中的应用[J].生物多样性，2007，15（4）：365-372.

[12]李涛，何友元，张俊华，陈乃中，杨定.基于GARP的欧洲大蚊在中国的适生性分析[J].植物检疫，2012，26（1）：15-18.

[13]David R.B Stockwell.， A.Townsend Peterson. Effects of sample size on accuracy of species distribution models[J]. Ecological Modelling，2002（148）：1-13 .

[14]Robert P.Anderson， Daniel Lew， A.Townsend Peterson. 2003. Evaluating predictive models of species’ distributions： criteria for selecting optimal models[J]. Ecological Modelling，2003（162）：211C232.

[15]万方浩，郭建英，张峰.中国生物入侵研究[M].科学出版社，2009：29-230，285-289.

作者简介：陆霞（1984-），女，硕士，助教，主要从事动物生态学研究。