叶江霞 王敬文 张明莎 周汝良 石 雷

(1.中国林业科学研究院资源昆虫研究所 昆明 650224；2.西南林业大学 昆明 650233)

有害生物进入一新的环境中并定植(殖)会造成重大经济损失和不可逆的生态变化，这一问题已经引起了国际社会的普遍关注(Andersenetal., 2004; Bakeretal.，2015)。联合国粮农组织(FAO)明确规定了检疫性有害生物风险评估分析(PRA)的概念及技术范畴(IPPC,2017)，并被世界贸易组织(WTO)认定为国际贸易中各国遵循的规范(高崇省，2006)。现有的PRA多采用大量野外调查数据，以定性或定量的方式进行省、市等小区域有害生物传播风险分析，如对山东泰山(申卫星等，2012)、安徽省六安市舒城县(叶明福，2019)、长春市(徐海峰等，2019)、金华市(蒋星华等，2008)、北京市(刘海军，2003)等小区域的美国白蛾(Hyphantriacunea)潜在危害性进行分析。这类方法以概略性的、大尺度的行政单元上的平均度量表达信息，未能体现变量的空间连续变化，结果难以精准定位到山头地块。随着遥感与GIS空间技术的发展，以少量地面监测数据，结合遥感信息，基于空间分析方法及栅格矩阵表达理论，以点上的特征或属性推导面上的现状和趋势已成为可能。有学者在模拟各测报变量的基础上，以区域精细评估松材线虫病的危险性(石雷，2010)，分析悬铃木方翅网蝽(Corythuchaciliate)在不同气候条件下的适生区(崔亚琴等，2019)，研发云南松材线虫风险评估GIS平台(沈安平等，2011)，开展云南松墨天牛(Monochamusalternatus)适生性定量分析(叶江霞等，2013)。但有关变量时空过程的精细化模拟表达、预报结果地图的概率化描述值得进一步系统化及理论化。

有害生物风险评估通常采用CLIMEX、最大熵MaxEnt、DIVA-GIS、GARP、自组织特征映射网络(Self-organizing Map, SOM)、GLM(Generalized Linear Models)、ENFA模型、Bioclim及Domain模型等(曹向锋，2010; Kehlenbecketal., 2012; 李志红等，2018)，其封装在软件包中，通过自带各类气象因子等环境变量，以生态位原理进行预报，尤以MaxEnt最为流行(刘晓彤等，2019)。但这些方法仅考虑物种“存在”样本，限制了对生态变量的模拟表达与理解，以及各种自主研发的预报模型的输入，其结果常常是模式化、主观性较大(宋红敏等，2004)。GLM中的二元Logistic回归模型，考虑了物种“存在”与“不存在”，特别适合响应变量非正态分布的情况，在物种模拟及风险分析上具有一定优势(曹铭昌等，2005；Lippittetal.，2008；Guoetal.，2015；程冬兵等，2017；Yeetal.，2017)。

美国白蛾，又名美国灯蛾、秋幕毛虫、秋幕蛾，属鳞翅目(Lepidoptera)灯蛾科(Arctiidae)，是国际检疫物种(史永善，1981)，也是我国林业部门、农业部门定为唯一一种农林共有的国内A2类植物检疫对象(孔雪华等，2012)，严重影响农林业生产、森林健康和生态安全。自1979年在辽宁丹东首次发现以来，由于其食性杂、食叶量大、繁殖能力强等危害特点，发生面积明显增加、危害程度不断加剧(杜娟等，2010)。我国有很多的适生区、半适生区，一旦发生，易暴发成灾，造成重大损失(杨忠岐等，2004)，2004年，全国美国白蛾疫区的损失约为140.35亿元人民币(赵铁珍，2006)。有学者分析了各气象因子及地理环境条件下的全国美国白蛾的风险格局(李淑贤等，2009；杨明琪，2013；陆霞等，2016；Panetal.，2017；纪烨琳等，2019)。有害生物的传播主要有自然扩散的短距离传播及人流物流的远距离传播，人为活动是主要传播途径(Gilbertetal.，2004; Muirheadetal.，2006)，美国白蛾扩散主要由苗木及木材或木制品、农产品调运等人类活动引起的(陈仲梅等，1980)，有害生物风险评估应综合考虑人为活动影响变量以提高预报精度(Lippittetal.，2008)。然而人为活动是一复杂的过程，空间表达及量化一直是难点，故大多现有风险评估未考虑人为活动对美国白蛾扩散的影响，仅限于气候适宜性分析。研究人为活动扩散变量精细化表达方法，对于提高有害生物风险评估精度具有重要意义。

以影响有害生物发生发展的寄主、气象类、地理环境类及扩散因子为测报变量，通过对人为活动影响等变量的空间栅格模拟表达，利用近年乡镇检疫数据，以统计分析方法建立全国美国白蛾二元Logistic扩散传播风险模型，并以可视化地图表达扩散风险格局，可为综合防治实践提供支持。

1 数据与方法

1.1 基础数据的收集

收集国家林业和草原局病虫害防治总站2011—2016年2 209个美国白蛾全国乡镇检疫数据，作为美国白蛾空间“存在”的样点(量化为1)，未检疫出美国白蛾的2 417个乡镇为“不存在”(量化为0)为样本。以ArcGIS 10.5空间随机选取70%的3 238样点作为建模样本，其余的30%(663个“存在”及725个“不存在”)组成模型独立检验样本。

收集非涉密的全国基础地理信息数据，包括国界、省及市界等各行政界线矢量，高速公路、国道、省道、铁路、其他道路等交通矢量数据，地级城市、县级城市及乡镇驻地各居民点矢量数据，作为人为活动影响模拟表达及制图地理参照的基础数据。

1.2 测报变量的栅格化矩阵地图表达

测报变量的空间模拟表达是风险分析的基础，以250 m分辨率的栅格矩阵为基本模型，将影响有害生物发生发展的地理环境、气象、人类活动影响、生物因子等测报变量进行量化和制图。

1.2.1 寄主 美国白蛾可危害的寄主植物多达49科108属300多种(孔雪华，2010)，几乎包括发生区栽培的所有林木果树、蔬菜、农作物、园林花卉，桑(Morusalba)和白蜡槭(Acernegundo)等阔叶树种及部分农业植被是美国白蛾最喜食植物(季荣，2003；申卫星，2012)。收集全国1∶100万植被分布数据(数据来源于资源环境数据云平台(http:∥ www.resdc.cn)，根据文献(季荣等，2003；申卫星，2012；刘晓燕，2011；李淑贤等，2009；鞠珍，2007；曹江峰等，2011)对美国白蛾的喜食性的描述，把全国植被类型量化为0～100，数值越高，表示其喜食性更强，具体划分如表1所示，并转化为栅格模型，如图1所示。

图1 美国白蛾寄主及喜食性的栅格量化

表1 美国白蛾寄主量化

1.2.2 气象及地理环境因子 气象因子表达的水热状况是物种生长发育的必要条件，下载WorldClim 30″尺度的19种生物气候变量数据(www.worldclim.org)(Ficketal.，2017)，如表2所示。

表2 美国白蛾风险模型自变量表①

地理环境变量影响微气象格局，并与有害生物发育密切，如美国白蛾在330 m的海拔下可以1年3代，在1 553 m依然能1年1代(申卫星，2012)。以地理空间数据云(http:∥www.gscloud.cn/)下载90 m SRTM DEM，通过对缺失数据的填充及增强处理，集成全国250 m的海拔数据，并提取坡度、坡向。坡向常用0～360°表达阳坡(南坡)与阴坡(北坡)，表达坡面接收的太阳辐射从少、中、多，再变为中、少的规律，这一复杂变量在线性建模和定量化表达时很难直接应用，故将其转化为0～100度量的坡向指数(石雷，2010)，如公式1。

(1)

式中，x为坡向，y为坡向指数。

1.2.3 人类活动因子 有害生物的远距离传播往往与人类活动密切相关(Kochetal.，2014)，它是有害生物入侵、扩散传播的关键影响因子。尽管人类活动多种多样，对其进行空间建模和制图是非常困难、复杂的(Songetal.，2006)，但人的活动往往有一固定地理范围，常与居民点及交通基础设施相关(Fuscoetal.，2016; Yeetal.，2017)。因此，本文根据全国省会、地级市、县等居民点及高速公路、国道、省道等交通网络，借鉴文献(Yeetal.，2017)中各类人为活动影响空间模拟方法，以可及性的成本距离模拟人流物流活动带来的有害生物空间传播度量，并归一化为0～100，如图2所示。

图2 美国白蛾随人类活动传播能力的栅格矩阵

寄主数量的多少直接与有害生物的食量供给有关，以NASA提供的全球卫星影像数据产品MOD44B的500 m的VCF(Vegetation Continuous Fields，来源https:∥lpdaac.usgs.gov/)(Hansenetal.，2015)，重采样制作全国250 m植被覆盖。

1.3 0～1测度建模

Logistic回归是一种经验统计建模方法，常用于二元的响应变量，如物种的“存在”/“不存在”。它假设自变量与响应变量间是一个Logistic关系，且样本是随机，残差是独立的，模型如式(2)、(3)所示。

(2)

(3)

其中P为每个250 m×250 m空间单元上美国白蛾扩散传播的风险概率，取值为0～1，β0代表常数，x1～n代表测报风险解释变量，β1～n代表各测报变量的系数。

对于一个空间单元，如果美国白蛾“存在”，P值取1，否则取0，解释变量主要有寄主、坡度、坡向指数、海拔、生物气候类、人为活动影响类、植被覆盖变量，共计30个变量，如表2。由于寄主是有害生物发生发展的关键变量，故将其作为决定变量不参与建模，而其余变量作为美国白蛾扩散传播风险的可能变量，按照P<0.05显著水平进行向前wald逐步筛选变量建立模型。模型根据wald统计量进行显著性检验，并通过伪决定系数cox & SnellR2和NagelkerkeR2，反映前模型中自变量解释了因变量的变异占因变量总变异的比例。模型拟合度以受试者工作特征曲线(receiver operating characteristic curve，ROC)进行检验，其值介于0.5～1.0之间，0.5为拟合度最差，1.0为完全拟合，越接近1时效果越好。模型通过验证有效后计算分析多变量影响下的风险地图，再与寄主地图进行空间叠加得到最终美国白蛾扩散传播风险格局。

2 结果与分析

2.1 风险评估模型及检验

以建模的3 238个0、1样本为因变量，表2所示的参数为评估自变量，通过GIS空间采样获取各样本的自变量值，剔除无效样点，并对数据进行Z标准化处理。通过迭代，在0.05显著性水平下，确定模型有效回归变量和系数，结果如表3—5所示。

从表3可知，经过13次向前逐步回归后，模型决定系数趋于稳定，R2分别为0.466 和0.622，模型拟合效果较好。由表4可知，对“不存在”样点经过13次逐步回归，模型估算正确的百分比为79.4%，而对“存在”样点，模型估计精度更高，达到86.9%，模型总体精度达到83%。

表3 模型汇总

表4 回归分类

逐步回归中将与美国白蛾发生发展相关的29个原始变量，剔除19个作用不显著的变量，模型中采用的变量包括Bio1、Bio2、Bio15、Bio6、Bio7、Bio12、Bio13等7个生物气候变量和Hwpct、Pvrpct、Ele共10个变量。剔除变量中主要为大部分生物气候变量与坡度、坡向及植被覆盖度，这表明其他生物气候变量对美国白蛾扩散的影响不显著，而坡度与坡向主要影响地表湿度与温度，其作用与生物气候变量一致，独立性不显著。植被覆盖度对美国白蛾的扩散风险影响不显著，这与近年来研究结论不一致(纪烨琳等，2019)，植被盖度是潜在的可供给食物量，对于存在或非存在的测报，其密切性不够；植被量的多少不是直接影响美国白蛾发生的主要因素。从表5整体上可以看出，每个变量的显著性水平均小于0.05，表示模型中选入的各变量的独立性显著；各变量的Wald均大于显著性水平0.05，自由度为1时的临界值3.84，各变量对美国白蛾的扩散传播风险均有影响，模型具有统计学意义。

表5 模型中的变量

从回归系数及其指数函数Exp(B)可见，各变量与美国白蛾扩散传播风险的相关性及影响不尽相同的，最冷月的最低温及气温的年变辐与美国白蛾扩散风险呈现正相关，且影响最大，表明最低温越高，传播和发生的风险愈大；接着是最湿月降水、平均气温日较差也呈正相关，说明降水愈多、日较差温度越高，扩散风险愈大；只要在适宜的生物学温度条件下，美国白蛾的发育和适宜性加大，这与孔雪华(2010)的研究，美国白蛾在适生温度为25～32 ℃范围内呈正相关的结论一致。值得注意的是高速公路及省道影响力对于扩散传播风险影响较大，表明高速公路与省道带来的交通人流物流活动要素对扩散传播起到重要作用，这与现有认知的美国白蛾主要随苗木及农林制品运输而扩散的结论一致(陈仲梅等，1980)，而已开展的美国白蛾的风险评估中却未考虑该变量因子(陆霞等，2016；Panetal.，2017；纪烨琳等，2019)可能会影响测报的精准性，本研究引入了该变量是方法上的一大突破。海拔、地理环境变量与美国白蛾的扩散风险呈负相关，影响较小，这与纪烨琳等(2019)研究得出的海拔与美国白蛾适宜有关结论一致，但影响高于生物气候变量的结论不一致。这是因为海拔虽影响微气候格局而对美国白蛾的生长发育起作用，但有害生物适生发育的最关键因子是适宜的生物温度范围。另外，模型ROC值为0.904，接近1，表明模型拟合度优。

图3 ROC曲线

构建的模型如式4：

(4)

式中：P表示的是美国白蛾发生的概率值；X1海拔，X2高速公路影响力、X3年平均气温、X4年降水、X5最湿月降水、X6降水季节性变化、X7平均气温日较差、X8最冷月的最低温、X9省道影响力、X10气温年变化。

利用模型验证的独立样本数据，根据建立的Logistic预测模型计算美国白蛾扩散的风险概率，并叠加寄主分布关键变量，通过归一化处理，根据临界值0.5视为美国白蛾“存在”(Y=1)，而小于0.5的归为“不存在”(Y=0)验证模型预测的精度，如表6所示。

表6 模型验证数据表①

从表6可知，对于“存在”预测正确率为74.81%，而对于“不存在”模型预测精度为76.55%，总体验证精度为75.68%。结果表明模型在预测“存在”样点的准确率大于70%，“不存在”样点的准确率大于50%，说明模型有效(Carranzaetal., 2000)。

2.2 美国白蛾风险格局

按0～0.15为无风险、0.15～0.35为低风险、0.35～0.65为中等风险、0.65～0.75为高风险、0.75～1为极高风险5个等级进行风险等级划分和制图，结果如图4所示。图中可见青海、西藏、四川、贵州、新疆大部分区域为美国白蛾的无风险区域，但全国总体呈现不同程度的扩散风险，极高风险及高风险主要集中在东北部及沿海地区，包括北京、天津、河北、山东、河南、安徽、辽宁、上海、江苏等省、市、自治区的大部分地区，以及陕西及山西部分地区，风险面积为439 978 km2，占总体风险约为4.77%，而高风险为170 925 km2，占比约为1.85%，这与李淑贤等(2009)发现的美国白蛾最适生区总体较一致。中等风险面积约为654 399 km2，占比为7.09%，主要分布在吉林、湖北、江西、辽宁、陕西等地的大部分地区，以及内蒙、广西、新疆、福建等地的部分地区。

辽宁等东北省份呈现高扩散风险状态的主要原因是从现有疫区传播过去的可能性较大(陈景芸，2013)。福建、浙江等东部的沿海城市的扩散风险等级多为高扩散风险，主要是由于人类活动密集，扩散可能性大。四川盆地有部分低扩散风险区，该区域有美国白蛾非常喜食的桑树等分布，这与前人的研究结果一致(李涛等，2018)，且盆地大面积连片的农业和建设用地与疫区的地理格局高度一致；当前风险低原因是远离疫区，以及尚未获得存在的检疫样本，随着疫区向南扩展，四川盆地的风险将会大大提高。新疆的塔里木盆地和内蒙古部分区域有较高扩散风险，这些地区有较多美国白蛾喜食的农业植被和阔叶人工植被的分布，并且疫区与该片区的人流物流通道中，不存在山地自然森林系统的阻隔，为远距离扩散传播提供了通道，而四川盆地存在大巴山秦岭一带的自然植被阻隔。其他的高扩散风险、中等扩散风险的地区，位于人类活动相对密集区的华南、华北等地区。而无扩散风险和低扩散风险的地区，基本处于海拔较高、人为活动稀疏、山地森林自然植被系统较好的区域，人流物流导致的传播可能性较小。总体风险区域占国土面积约33.28%，远高于纪烨琳等(2019)研究的2011—2030年适生区占国土面积比8.73%，而小于杨明琪(2013)基于历史气象数据计算出的我国美国白蛾的适生范围占国土面积的55%，且有向南向西扩散的趋势，这主要是由于考虑了人类活动对美国白蛾远距离扩散传播的影响。

2.3 美国白蛾扩散的地理格局

收集MODIS卫星遥感数据，进行250 m像元融合、图像增强变换和彩色合成，生成全国土地覆盖景观和地形地貌影像，提取美国白蛾发生和扩散的高风险、极高风险的地理区域矢量，叠加检疫样点数据，形成扩散地理格局分析地图(图5)。卫星影像的色彩客观表达了土地覆盖、地形地貌和地理景观。其中，亮绿色区域为东部农业和建设用地分布区，暗绿色为山地森林系统中的自然植被分区，灰绿色为蒙新高原农业、草地植被区，黄红色多为农业区，暗红黄色为青藏高原荒漠区，白色为常年雪覆盖区域，蓝色为水体。紫红色点状为检出美国白蛾的样点，其主要分布于亮绿色的东部农业区、建设用地区域；少量分布区与东部平原外的亮绿色农业区或建设用地区；红色线条为美国白蛾发生扩散的高风险、极高风险区的边界，其包含了当前美国白蛾的所有疫区。

图5表明，1979年以来美国白蛾发生扩散形成的疫区主要为华北平原，辽宁以南的东北平原。新预测的高风险区有长江中下游平原的上海、江西、湖北的南部区域，以及黄土高原和辽宁北部。这表明，近40余年来，美国白蛾从辽宁的丹东，沿着渤海湾边缘的狭窄廊道传播到华北平原，但未侵入周边山地以及燕山自然植被森林系统；在华北平原的扩散传播中，未能侵入太行山、泰山、大别山等自然植被森林系统。近年，美国白蛾沿着秦岭大巴山和大别山之间的廊道向南扩散，到了长江中下游平原的湖北省的孝感市、襄阳市、枣阳市、宜城市等区域，但未能侵入大别山、大巴山和秦岭。现有的地理格局、预报的高扩散风险格局表明，美国白蛾主要在农业区、建设用地的园林绿化植被中发生和扩散，而难以侵入山地中的自然植被森林系统，这可能与森林系统中的天敌较多，生物多样高带来更为稳定的生态系统有关，因而对美国白蛾繁殖和传播具有阻遏作用。

图5 美国白蛾扩散风险地理格局

将模拟的各类人为活动进行叠加形成综合的人流物流密度，叠加检疫样点及高风险以上区域，如图6所示。美国白蛾发生扩散风险具有明显的通道格局，沿辽东半岛传播到华北平原的通道是渤海湾廊道，从华北平原传播到长江中下游平原的廊道是秦岭大巴山与大别山之间的廊道。这2个区域是历史上能阻断美国白蛾传播的重要咽喉要地。此外，在河南至河北必经的壶口、横穿浙江的廊道，苗木、农林产品运输等人流物流繁忙，是美国白蛾扩散传播的主要渠道，加大该类区域的虫害检疫和除治力度，对控制其传播具有重要意义。

图6 美国白蛾扩散通道

3 讨论

3.1 风险变量

借助于GIS系统的栅格矩阵模型，将生态变量或人为影响变量表达为GIS系统中的一层栅格化地图，实现了测报变量的数字矩阵描述，解决了测报变量空间分异性、连续化描述的难题，为精细化时空测报奠定了基础。

以几百米的空间地理栅格单元为最小载体，开展全国地理区域的有害生物的测报预警，基于GIS空间信息的栅格表达特性，使得有害生物时空精细化测报成为可能。

本研究尽可能考虑了影响美国白蛾发生发展的寄主、地理环境、气象条件及人为扩散传播因子，并进行各因子的空间量化、地图表达，结合乡镇检疫样本数据，综合评估美国白蛾在全国的定量化扩散风险程度，以可视化风险等级和地图分布格局展示了全国各地的潜在传播区，空间指示性明确，在生产实践中具有指导作用。

模型表明年平均气温、年降水、最湿月降水、平均气温日较差、降水季节性变动、最冷月的最低温及气温的年变幅7个生物温度变量对美国白蛾的发生和扩散作用显著。这与美国白蛾的生物学特征有关，温度对美国白蛾发育起着主导作用，每年3至4月是美国白蛾越冬卵发育的关键时期，其数量直接影响下一代种群数量。而低温过低时，会导致越冬卵死亡，低温合适时，可完成化蛹越冬。适宜的高温是美国白蛾2代或可能的3代幼虫种群数量发育的关键，热量足够时，幼虫发育良好，种群数量大，甚至可以支持3世代发育(季荣等，2003；申卫星，2012；陈景芸，2013)。

模型研究引入了美国白蛾远距离扩散传播的人类活动影响，并对这一影响进行空间量化模拟，突破了常规分析中的人流物流难以量化和表达的局限性，提高了测报的准确性。人类活动变量对美国白蛾的传播作用明显，人流物流强度及频度为有害生物的远距离传播提供了主要通道，这与美国白蛾随人为活动、物品、交通工具等进行远距离传播(苏茂文等，2008)的认知一致。

寄主是美国白蛾的发生和扩散的决定性变量，当存在寄主时，其他变量和预测模型才有效；反之，其他变量影响和作用模型归于0。研究将寄主变量与其他影响变量区别开，用影响变量构建发生扩散作用模型，在此基础上用寄主变量进行0、1合成，即有寄主的区域，用喜食性权重合成地图，无寄主区域归为背景区域，这也是风险评估方法的一大特点。

3.2 风险格局模型

利用二元Logistic模型进行美国白蛾扩散风险格局的预测，以连续0～1测度拟概率值表达风险大小，方便基层森防单位和行业管理人员理解应用。模型总体预测精度达75.68%，模型预测是有效的(Carranzaetal.，2000)，Logistic模型对非正态分布变量的建模具有灵活、稳定的特性，且能直观表达解释变量与响应变量间的关系，常被用于物种分布建模与风险评估(Lippittetal.，2008；Yeetal.，2017)，研究提出的建模方法，为其他有害生物的风险评估及测报供了借鉴。

利用全国现有更为精细的样本，采用多种风险方法模型，如机器学习方法进行格局分析，精度比对，优化风险模型，是值得今后进一步研究的方向。充分利用地面监测统计数据，考虑虫害危害面积及危害程度以更为合适密度函数，如泊松分布进行综合风险传播格局分析是将来研究的重点。

3.3 展望

本研究建模的样点数据为检疫乡镇数据，是描述一个乡镇单元发生、未发生的数据，并未准确获得实际虫害的发生位置信息，对评估结果会有一定影响。加之检疫乡镇数据表达了检疫部门通过检疫或专门调查，发现某个乡镇有白蛾的现状数据，但不代表该检出乡就是疫区，按国家确认疫区的标准，检出地的美国白蛾必须实现稳定的世代繁育，才确认为疫区，而实际苗木、木材等长距离携带运输，很多地方检出该物种后，但种群数量小、环境适应性差、人为除治等因素影响，经过一段时间白蛾就能被控制、消亡，形成不了疫区，这些样点的准确性都会影响结果的精度。另外测报变量的精度影响评估结果，如温度数据采用了历史平均温度，寄主来源于全国1∶100万植被数据等，也使得该风险分析缺乏动态特性。由于温度、人类活动及寄主的影响都在随时间动态变化，将来应充分利用遥感反演(如Landsat、Modis影像)并同化地面观测结果、专题信息提取等进行精细化、动态的测报变量空间分布格局分析。特别是随着遥感技术的发展，与人为活动密切相关的夜视灯光卫星数据的出现，如DMSP/OLS，NPP/VIIRS(Huangetal.，2014)以及我国自主研发的珞伽灯光卫星数据(肖东升等，2019)为有害生物风险评估提供了又一重要数据源。精确样点信息，测报变量的时空精细化表达及机器学习分析是提高有害生物风险评估精度的趋势和发展方向。而对于时间维度上的测报变量，可描述为多个时间节点上的一系列的栅格化地图，从而可实现测报变量时空连续化模拟表达，有助于将传统的有害生物测报，发展为时空连续的测报预警，实现环境及地理场景、有害生物发生发展过程的计算机模拟表达。

4 结论

1)本文以全国为研究区域，分析阐述了美国白蛾以农业植被、建设用地园林绿化植被为寄主，以人流物流活动高密度区为通道进行繁育传播的规律；该虫害尚无法侵入山地天然植被森林系统，这为防控提供了重要参考。

2)充分考虑影响美国白蛾发生发展的生物地理环境外因子，以空间矩阵模型实现测报变量时空连续化描述，将风险评估结果表达为精细化的空间地块，奠定了时空化测报的技术基础，提高有害生物风险评估精度。以0～1概率化风险值及可视化地图表达美国白蛾的传播扩散可能，地图化预报结果能精确描述有害生物发生的高风险区和极高风险，对基层开展检疫和防治具明显的指示作用，促进精细化的风险防控实践，有效保护农林生态系统。

3)美国白蛾的高风险及极高风险区主要集中在我国东部，华北地区，并有呈现向西、向南的扩散趋势，应加强防控，严控高扩散风险区管理，如西部、南部过渡区，内蒙古、陕西、湖北、江西、上海、浙江地区，对进出货物特别是种苗、木材以及木材制品等加强检疫。

4)人为活动对美国白蛾的扩散具有重要影响，着力开展传播廊道、咽喉地段的监测、预防和除治工作，堵死美国白蛾蔓延扩展通道。

5)基于地理景观的宏现防治理论，加强自然森林生态系统的恢复与建设、构筑生态屏障包围圈，遏制美国白蛾北上、西扩、南下的势头，维护森林健康与生物多样性。

6)对于已发现疫情的区域，要分割歼灭已突破包围圈的疫区、疫点，采用物理防治与生物防治结合，如培育抗美国白蛾的幼苗，诱导美国白蛾幼虫食物偏好(李涛等，2018)、释放周氏啮齿小蜂(Chouioiacunea)寄生天敌等(Wuetal.，2019)对美国白蛾进行防治。