杨欣等

摘 要 为了掌握银合欢豆象在云南的潜在分布区，为银合欢豆象在云南省的发生、早期预警和防控提供参考资料，利用银合欢豆象的分布点数据和环境因子数据，通过Maxent生态位模型预测了银合欢豆象在云南省的适生范围区。结果表明：银合欢豆象在云南省适生范围分为4级，高适生区以绿色表示；中适生区以蓝色表示；低适生区以浅黄表示；非适生区以红色表示。利用ROC曲线分析法对预测结果进行验证表明：其训练数据和测试数据分别为0.995和0.996，远大于随机分布模型的AUC值0.5，说明预测结果可靠。

关键词 银合欢豆象；Maxent生态位模型；潜在分布区；ArcGIS软件；云南省

中图分类号 S431.3 文献标识码 A

Prediction of Potential Geographical Distribution of

Acanthoscelides macrophthalmus in Yunnan Province

YANG Xin1，XIONG Zhongping2，TONG Yougui1，ZHANG Kaicun1，

ZHANG Huiyan1*，YANG Weixian1，SHI Yanping3

1 Forest Disease and Insect pest Control and Quarantine Protection Station of

Dongchuan，Kunming，Yunnan 654100，China

2 Faculty of forestry Southwest Forestry University/ Key Laboratory of Forest Disaster

Warning and Control， Kunming， Yunnan， 650224 China

3 Bureau of Housing and Urban-rural Development of Dongchuan，Kunming，Yunnan 654100，China

Abstract Ecological niche modelling technique， Maximum Entropy（Maxent） were used to predict the potential distribution of Acanthoscelides macrophthalmus in Yunnan Province based on associations between known occurrence records and a set of environmental variables in order to grasp the potential distribution， to provide a reference for insect pest situation， early warning， and the prevention and control of A. macrophthalmus. The results showed that the suitable areas for A. macrophthalmus were divided into 4 grades by different colors： black for the highly suitable areas， dark grey for the moderate suitable areas， light grey for the low suitable areas and white for the unsuitable areas. The use of ROC curve analysis to verify the predicted results showed that the training data and test data was 0.995 and 0.996， respectively， much larger than the random distribution model AUC value of 0.5， indicating it was reliable.

Key words Acanthoscelides macrophthalmus；Maxent；potentical distribution；ArcGIS；Yunnan Province

doi 10.3969/j.issn.1000-2561.2014.08.035

银合欢豆象[Acanthoscelides macrophthalmus（Schaeffer）]是外来入侵害虫，隶属豆象科（Bruchidae）三齿豆象属（Acanthoscelides），严重危害银合欢（Leucaena leucocephala）种子[1-3]。该虫原分布南美洲，2004年吴立心等在中国台湾首次发现并于2007年公开报道[4]；1999年后覃新导等在中国大陆海南、云南、广西等地也陆续发现，并于2007年公开报道[3]；截至目前已报道的云南分布区包括元谋、龙陵两地[3， 5]。新银合欢为云南省干热河谷地区主要造林树种被广泛种植，对生态脆弱地区的生态恢复具有重要的经济、社会和生态价值[1]。Maxent（Maximum Entropy）是一种广泛应用的适生区预测模型，已应用于多种外来入侵物种和危险性生物的前期预警和适生区预测，已成为风险定量化分析的重要工具[6-8]。以往的潜在分布区预测研究涉及油茶象、加拿大一枝黄花、实蝇、线虫、疫病菌等[9-14]。目前，在银合欢豆象适生性的风险评估方面尚属空白。因此，本文以银合欢豆象的分布数据和研究区域的环境数据为基础，利用Maxent生态位模型预测其在云南省的潜在分布范围，以期为阻止银合欢豆象的扩散、早期监测和预警提供指导。

1 材料与方法

1.1 试验时间、地点

试验数据收集于2011～2013年，试验具体地点见表1；调查方法为：在研究地观察记录地面上银合欢老荚果、种子的危害情况，或者采集树上的待熟和成熟荚果，每个地点单独装袋，带回实验室观察记录危害情况。软件分析于2013年9月在云南省森林灾害预警与控制重点实验室内完成。

1.2 数据整理

通过实地调查和查阅相关资料得到银合欢豆象在云南省的实际分布点信息，并将其地理位置信息整理记录（表1）。

1.3 预测的环境数据、过程和方法

本研究使用的环境数据均来自WorldClim （http：//www.worldclim.org/），包括降水和气温方面的20个变量。然后利用MaxEnt模型的规则训练数据、Jackknife法分析确定最优的环境参数、确定预测精度要求、分布底图生成、与地理区划图叠加等一序列过程最终成图，用不同颜色区分不同的适生范围。并利用ROC（receiver operating characteristic）曲线分析法对风险分析的结果进行检验[15-18]。

2 结果与分析

2.1 银合欢豆象在云南省的潜在分布区

银合欢豆象在云南省纵谷区具有广泛的适生范围，约占云南省总面积的1/3左右（图1）。根据每个栅格的分级标准.银合欢豆象在云南省的潜在分布区可分为高适生区、中适生区、低适生区和非适生区（图1）。

（1）高适生区：主要分布在23～26°N这个区间中。集中分布于滇中，昆明市东川区、楚雄州、文山州的大部分地区。包括了昆明市东川区、昭通市巧家，丽江华坪县，鹤庆，大理州宾川、祥云、漾濞、弥渡、巍山、南涧，保山市、永平、昌宁，楚雄元谋、大姚、南华、双柏、禄丰，玉溪、易门、峨山、新平，红河州建水、通海、开远、蒙自、个旧，文山州弥勒等地纵（河）谷地区。

（2）中适生区：主要包括昭通市巧家，曲靖会泽、宣威、马龙、师宗、罗平，昆明寻甸，丽江永胜县，大理州大理、祥云，保山市、施甸、昌宁、腾冲，临沧、永德、云县、耿马、沧源、西盟，楚雄姚安、牟定，玉溪新平，普洱、镇远、景东、景谷、墨江，西双版纳景洪，红河州建水、个旧、屏边，文山州丘北、砚山、广南等地纵（河）谷地区。

（3）低适生区：主要分布于23°N以下的大部分区域，滇西南德宏州，临沧，普洱，西双版纳州，文山州，红河州的大部分地区。

（4）非适生区：集中分布在26°N以上的滇西北和滇东北的整个高海拔区域，以及滇南，滇东南的边境的小部分地区。

2.2 银合欢豆象潜在分布区生态环境因子分析

在对20个环境变量的重要性分析中，影响银合欢豆象潜在分布的主要环境因子有7个（图2），按照对存在概率贡献值由大到小的顺序排列依次是：昼夜温差与年温差比值（bio_3）、年平均温（bio_1）、最冷月份最低温（bio_6）、年温变化范围（bio_7）、最冷季度平均温度（bio_11）、最干季度平均温度（bio_9）、温度变化方差（bio_4）。其中，年平均温与昼夜温差与年温差比值对银合欢豆象预测的分布有重要的影响。

2.3 对Maxent模型预测结果的可靠性验证

对银合欢豆象潜在分布区的预测结果，利用ROC特征曲线分析进行准确性验证。由图3可知，其训练数据和测试数据均远离随机分布模型的ROC曲线，训练数据AUC值为0.995，测试数据AUC值为0.996，都远大于随机分布模型的AUC值0.5，说明预测的结果准确可靠。

3 讨论与结论

本研究结合ArcGIS软件，利用银合欢豆象的分布数据和Maxent模型，预测了银合欢豆象在云南省的潜在分布区，并分为高适生区、中适生区、低适生区和非适生区等4个等级。通过生态因子的分析表明，银合欢豆象在云南省的低海拔的纵（河）谷地区适生面积非常广泛，其分布与分布区年平均温和昼夜温差与年温差比值变化范围这2个参数有密切的关系。可靠性验证试验也表明，预测结果准确、可信。综上所述，本研究对今后研究银合欢豆象的发生和预警防控具有重要的参考价值和指导作用。

Maxent模型预测结果是在银合欢豆象的基础生态位的前提下，考虑非生物和寄主因素的影响而建立的特定适生模型[19]。该适生模型显示的栖息地分布格局，反映了昆虫在基础生态位和实际生态位中对空间需求的内在生物学特性[20-21]。因此，预测结果可能不一定与实际完全吻合，其真实的分布还与寄主、昆虫本身的特性、所处的小环境气候和偶遇的极端气候等相关。但是，对比目前用于潜在分布区预测的几种软件GARP、Bioclim、Climex等，每个软件均有各自的优点和局限[13，16，22]。Maxent 预测模型以其规范化的程序、明确的算法而被广泛运用于物种的潜在分布区预测。王运生等[18]对Garp、Bioclim、Climex、Maxent、Domain 5 种模型进行ROC 曲线分析表明：MaxEnt 模型的AUC值最大，说明其结果更好。综上各方利弊，这也是本研究选取Maxent模型来进行预测的原因。除此之外，结合考虑银合欢豆象的寄主及其他非生物因素：寄主方面，银合欢豆象的寄主除银合欢外，还有合欢属的其他植物并可为害南洋楹Falcataria moluccana[5]；但南洋楹在云南省没有自然分布[23]；银合欢属植物在云南省的主要栽培种为银合欢，且在东川、思茅、澜沧、景洪、南华、元谋、元江等地区的低海拔纵向河谷地区有大面积引种栽培[24]；这与预测结果也非常吻合。非生物因素方面，寄主银合欢在云南主要分布在低海拔纵向河谷地区，特别是干热河谷地区，除降水、气温和海拔外的环境因较为相似，因此选取Maxent模型也较为可取。当然，一个生物在环境中的关系是纷繁复杂的，要更准确反映其潜在分布区预测，还要考虑更多其他因素，这也是对物种潜在分布区预测要做的更进一步研究。

参考文献

[1] 覃新导， 周 祥， 王 涛， 等. 银合欢豆象生物学特性及其防治[J]. 热带作物学报， 2012， 32（12）： 2 340-2 345.

[2]张生芳. 三齿豆象属几种银合欢豆象的识别[J]. 植物检疫， 2007， 21（6）： 353-355.

[3] 覃新导， 张生芳， 张辉波， 等. 中国南部新发现的入侵害虫一银合欢豆象[J]. 热带作物学报， 2007， 28（3）： 101-103.

[4]吴立心， 吴文哲， 王巧萍， 等. 台湾之新记录豆象一银合欢豆象（Acanthoscilides macrophthalmus）（鞘翅目：豆象科）[J]. 植物保护学会会刊， 2007（49）：75-80.

[5] Tuda， M.， L. H. Wu， Y. Tateishi， et al. 2009. A novel host shift and invaded range of a seed predator， Acanthoscelides macrophthalmus（Coleoptera： Chrysomelidae： Bruchinae）， of an invasive weed， Leucaena leucocephala. Entomol[J]. Sci. 12： 1-8.

[6] 徐 磊， 潘涌智， 黄阳洋. 油茶象的潜在分布区预测[J]. 福建林业科技， 2011， 38（4）： 55-58.

[7] Andson R P， Real V S. Artefactual ansences in species distributions： test for Oryzomys albigularis（Rodentia： Muridae） in Venezuela[J]. Journal of Biogeography， 2003（30）： 591-605.

[8] De Meyer M， Robertson M P， Peterson A T， et al. Ecological niches and potential geographical distrubutions of Mediterranean fruit fly（Ceratitis capitata）and Natal friut fly（Ceratitis rosa）[J]. Journal of Biogeography， 2008（35）： 270-281.

[9] 冯益明， 刘洪霞. 基于MaxEnt与GIS的锈色棕榈象在中国潜在的适生性分析[J]. 华中农业大学学报， 2010， 29（5）： 552-556.

[10] 雷军成，徐海根. 基于MaxEnt的加拿大一枝黄花在中国的潜在分布区预测[J]. 生态与农村环境学， 2010， 26（2）： 137-141.

[11] Li B N， Wei W， Ma J， et al. Maximum entropy niche-based modeling（Maxent）of potential geographical distributions of fruit flies Dacus bivittatus， D. ciliatus and D. Vertebrates（Diptera： Tephritidae）[J]. Acta Entomologica Sinica， 2009， 52（10）： 1 122-1 131.

[12] Li B N， Wei W， Ma J， et al. Predition of the potential distribution of Ceratitis anonae in China based on ecological niche modeling[J]. Journal of Environmental Entomology， 2009， 31（4）： 291-299.

[13] 王运生， 谢丙炎， 万方浩， 等. 相似穿孔线虫在中国的适生区预测[J]. 中国农业科学， 2007， 40（11）： 2 502-2 506.

[14] 曾 辉， 黄冠胜， 林 伟， 等. 利用MaxEnt预测橡胶南美叶疫病菌在全球的潜在地理分布[J]. 植物保护， 2008， 34（3）： 88-92.

[15] Peterson A T， Papes M， Eaton M. Transferability and model evaluation in ecological niche modeling： a comparison of GARP and Maxent[J]. Ecography， 2007（30）： 550-560.

[16] Steven J Phillips， Robert P. Anderson， Robert E. Schapire. Maximum entropy modeling of species geographic distributions[J]. Ecological Modelling， 2006（190）： 231-259.

[17] Wiley III E， McNyset K M， Peterson AT， et al. Niche modeling and geographic range prediction in the marine environment using a machine-learning algorithm[J]. Oceanography， 2003， 16： 120-127.

[18] 王运生， 谢丙炎. 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.

[19] Broennimann O， Treier U A， Muller-scharer H， et al. Evdence of climatic niche shift during biological invasion[J]. Ecological Letters， 2007（10）： 701-709.

[20] Giovanelli J G R， Haddad C F B， Alexandrino J. Predicting the potential distribution of the alien invasive American bullfrog（Lithobates catesbeianus）in Brazil[J]. Biological Invasions， 2008（10）： 585-590.

[21] Guisan A， Zimmermann N E. Predictive habitat distribution models in ecology[J]. Ecological Modelling， 2000， 135（2/3）： 147-186.

[22] 卢 辉， 钟义海， 徐雪莲， 等. 基于MaxEnt模型的对粒材小蠹的适生性分析[J]. 热带作物学报， 2013， 34（11）： 2 239-2 245.

[23] 中国科学院昆明植物研究所. 云南植物志（第10卷）种子植物[M]. 北京： 科学出版社， 2006（10）： 284-339.

[24] 蒋 龙， 尹 俊. 云南地区银合欢属种质资源保护利用[J]. 草业与畜牧， 2009， 168（11）： 1-5.