王闫利,王茹琳,姜 淦,沈沾红,林 姗

(1.四川省农村经济综合信息中心，四川 成都 610072;2.高原与盆地暴雨旱涝灾害四川省重点实验室, 四川 成都 610072)



2050年3种气候模式下稻纵卷叶螟对我国风险分析

王闫利1,2,王茹琳1,姜 淦1,沈沾红1,林 姗1

(1.四川省农村经济综合信息中心，四川 成都 610072;2.高原与盆地暴雨旱涝灾害四川省重点实验室, 四川 成都 610072)

摘要：采用最大熵生态位模型(MaxEnt)作为分析软件，结合ArcGIS，预测了2050年时间段稻纵卷叶螟在我国的风险区变化。结果表明:稻纵卷叶螟在中国的极高风险区为上海、浙江大部、江苏南部、安徽大部、湖北中东部、湖南东部、四川西南部、广西中部等地；高风险区为贵州、广东、福建、江西、重庆、广西大部。2050年，在3种排放情景下，稻纵卷叶螟在中国的极高风险区面积均将减少，B2a情景下高风险区面积将增加。

关键词：稻纵卷叶螟；MaxEnt；风险分析；预测

0引言

稻纵卷叶螟是一种热带和亚热带的重要水稻害虫，隶属于昆虫纲(Isecta)、鳞翅目(Lepidoptera)、螟蛾科(Pyralidae)[1]。稻纵卷叶螟广泛分布于亚洲、澳大利亚、东非等国家和地区。在我国该虫主要危害南方稻区和长江中下游地区[2]，而在20世纪90年代后半期，稻纵卷叶螟发生范围逐渐扩增且强度明显加重，目前已成为我国水稻主产区上常发性重要害虫。21世纪以来曾多次造成我国水稻大幅度减产，造成严重的经济损失[3]。

生态位模型的工作原理是：利用物种的地理分布数据(分布点经、纬度信息)和环境数据，以不同生物所需的特殊生存环境(生态位要求)为依据，利用特定数学算法，模拟或归纳特定物种的生态位需求，将其投射到目标地区，因此而获得的结果即为目标物种的丰富度、出现概率或生境适宜度[4-7]。近年来，多种生态位模型(MaxEnt、GARP、Bioclim、ENFA和Domain等)在物种潜在地理分布预测方面取得了良好的效果，同时在生态学、考古学、生物地理学、进化和保护生物学等领域得到了广泛应用[8-13]。MaxEnt模型是一种基于最大熵原理，在模拟计算过程中，结合只出现型数据模型和生态位原理的对物种地理分布进行预测的方案，是目前预测物种潜在分布的最新的生态位模型。MaxEnt模型同其他生态位模型相比具有仅需少量数据即可进行预测且较其它方法更精确的优点[14-16]。

近年来，随着全球气候变暖的不断加剧，出现了病虫害繁殖代数增多、越冬死亡率降低和发生期提前等一系列问题，因此有必要采取不同的研究方法评估气候变化对病虫害未来分布的影响。预测气候变化背景下的病虫害适生区的变化，对及时掌握病虫害的发生发展规律、建立健全病虫害防控机制具有重要参考意义。本研究以水稻的重要害虫稻纵卷叶螟为研究对象，借助MaxEnt模型和ArcGIS评估稻纵卷叶螟“当前时段”的分布状态和“2050年时段”的变化，得到不同时期稻纵卷叶螟种群分布面积的变化，以此揭示气候变化对该虫害带来的深刻影响，以期为制定合理的管理和保护策略提供科学依据。

1材料与方法

1.1稻纵卷叶螟地理分布信息的获取

实地调查、国内外发表论文、查询数据库及标本馆记录为获取物种地理分布数据的4种主要途径[17-18]。在本研究中，通过全球物种多样性信息库(GBIF，http://www.gbif.org/)、高校教学标本资源共享平台(http://mnh.scu.edu.cn/)和检索国内外公开发表的有关稻纵卷叶螟的论文[19,33]，共获得稻纵卷叶螟在全球的分布点238个。在238个分布点中，有准确经纬度信息的直接使用；对于只有地名的分布点，通过地名查询系统GeoName(http://www.geonames.org/)查询具体经纬度。MaxEnt软件运行时，将稻纵卷叶螟的地理信息数据保存为“*.CSV”格式文件，保存顺序为：物种名(species)、经度(dd long)和纬度(dd lat)[34-35]。

1.2环境层数据和地图数据的获取与处理

1.2.1环境层数据的获取与处理环境数据包括年平均气温、最暖月最高温度、最湿月降水量等19个全球环境生物气候变量，变量代码、描述以及指标代表的意义见表1，数据空间分辨率为5 arcmin，“当前时段”(1950～2000年)气候数据可在WORLDCLIM网站(http://www.worldclim.org/)查询并免费下载[36]。IPCC AR4针对未来的气候变化，提供了多种气候模式，本文选择了3种具有代表性的气候模式，分别为：A1b模式(能源需求平衡)、A2a(能源需求较高)和B2a(能源需求较低)，时间区间选择为2050s(2041～2050年)，该时段上述3种气候模式数据可从国际热带农业中心网站的未来气候数据库免费下载。

1.2.2ArcGIS所需地图数据的获取与处理MaxEnt软件输出的结果需借助ArcGIS进行分级显示，本研究中中国分析的底图(1∶400万)下载自国家基础地理信息系统官方网站，世界行政区划图下载自Blue Marble Geographics[37]。

1.3MaxEnt模型预测与检验

参照程军[38]、郭彦龙[39]、张熙骜等[40]从全球238个稻纵卷叶螟分布点中随机选取25%作为MaxEnt模拟的测试集数据，剩余的75%分布点则作为训练集，输出格式为“ASCII”文件，其它设定均选择“默认”。

研究证实[41-43]，ROC接受曲线是目前最为广泛使用的、针对物种分布模拟结果准确性验证最为有效的指标。ROC曲线以1-特异度(假阳性率)为横坐标，1-遗漏率(真阳性率)为纵坐标绘制而成，通过计算曲线下方面积(area under curve，AUC)而获得评价指标。评价标准为：AUC>0.9为“极好”，0.8

表1　用于物种分布模拟的 19个生物气象因子

2结果与分析

2.1MaxEnt模拟结果验证

表2为“当前时段”和“2050年时段”MaxEnt模型预测的AUC值，“当前时段”模型AUC值为0.982，预测效果为“极好”，说明模拟结果可用于稻纵卷叶螟风险等级预测。“2050年时段”A1b、A2a和B2a 3种情景下，AUC值分别为0.982、0.985和0.984，预测效果均为“极好”，表明3种模拟结果均适用于本研究。

表2　稻纵卷叶螟风险等级预测模型的AUC值

2.2稻纵卷叶螟在中国的风险等级分析

根据稻纵卷叶螟在全球的分布记录数据，利用MaxEnt生态位模型和ArcGIS软件，稻纵卷叶螟在中国的风险等级区划结果如图1所示。采用“均分等级法”对预测结果进行分类，按风险等级从低到高顺序依次分为5个等级。在当前气候条件下，稻纵卷叶螟在中国的适宜生长区(极高风险区)为上海、浙江大部、江苏南部、安徽大部、湖北中东部、湖南东部、四川西南部、广西中部等地，总面积约78.41万km2。高风险区为贵州、广东、福建、江西、重庆、广西大部，总面积约80.2万km2。

浙江金融职业学院智慧图书馆，空间预约、电脑登录、活动报名与考勤都已经实现了人脸识别，是全国高校首家将人脸识别技术应用到图书馆所有业务流程，实现一站式服务的图书馆。

2.32050年3种情景下稻纵卷叶螟在中国的适生性分析

2050年，在3种排放情景下，稻纵卷叶螟在中国的极高风险区面积均将减少，A1b情景下分布范围以目前为中心向内减少，总面积约为69.5万km2；A2a和B2a情景下极高风险区面积均将明显减少，总面积分别为58.93万km2和58.24万km2，其中江西、浙江、湖北和四川等地减少较为明显，B2a情景下高风险区面积将增加，总面积约为85.66万km2(图2)。

2.4稻纵卷叶螟在我国各省区的气候风险综合指数分析

表3为稻纵卷叶螟在中国各省区的气候风险等级综合指数(CRRI)，计算方法参照孙兵等[44]的研究方法，公式如下：

上式中 ，Bi代表i等级的气候风险指数，APi是Bi地区对应的气候风险指数等级所对应的面积百分比。

结果表明：在“当前时段”气候条件下，在我国范围内，从气候适应性综合指数分析，稻纵卷叶螟在上海、浙江、香港、江西、安徽和湖南等省市区风险等级较高，气候风险综合指数为50. 01～65.60。稻纵卷叶螟在甘肃、吉林、黑龙江、内蒙古、新疆、山西、宁夏和青海的风险等级较低，综合指数为2.75～2.98。

图2　2050年稻纵卷叶螟在中国的适生区域区划图

2050年，A1b情景下，上海、湖南、江苏、台湾、浙江、湖北、广西、重庆、贵州和安徽等地风险等级较高，气候风险综合指数为56.87～71.80。天津、北京、辽宁、河北、西藏、甘肃和青海等地风险等级较低，综合指数低于7.0。

B2a情景下，上海、香港、江苏、浙江、安徽、福建、湖南、台湾、贵州、广西、重庆和广东等地风险等级较高，气候风险综合指数为46.56～74.02。西藏、甘肃、河北、山西、吉林、黑龙江、内蒙古、新疆、宁夏和青海等地风险等级较低，综合指数为4.18～6.04。

3结论与讨论

MaxEnt模型是目前国内外在物种适生区分析领域常用的一种预测软件，它基于机器学习和数学统计，相对于其他一些常用预测模型有其独特的优势[45]。本研究所建立模型的AUC值均大于0.982，模型预测准确性标准为“极好”，结果适用于稻纵卷叶螟适生区预测的研究。

本文使用MaxEnt和ArcGIS软件相结合的方法，分析了当前气候条件下稻纵卷叶螟在我国各省区的风险等级区划。结果表明，稻纵卷叶螟在中国极高风险区为上海、浙江大部、江苏南部、安徽大部、湖北中东部、湖南东部、四川西南部、广西中部等地，总面积约78.41万km2。高风险区为贵州、广东、福建、江西、重庆、广西大部，总面积约80.2万km2。本文研究了2050年3种排放情景下稻纵卷叶螟在我国的潜在地理分布，3种情景虽是在特殊情况下的气候模拟，但从一定程度上反映了在未来气候变化的发展趋势。结果表明，2050年，3种排放情景下，稻纵卷叶螟在中国的极高风险区面积均将减少，B2a情景下高风险区面积将增加。

生态位模型对物种生境选择的分析、预测物种潜在分布和物种在环境变化下的空间分布具有重要意义，目前已被广泛应用于上述领域的研究中。MaxEnt模型实质上是基于贝叶斯定理的一种推断方法，该模型的工作思路为：根据物种的分布数据(仅需分布区数据)和环境数据(包括气候、海拔、坡度和植被等)，基于目标物种的生态位需求，以最大熵原理作为统计推断工具，研究目标物种在目标区域的分布几率及生物多样性，因此，MaxEnt模型可应用于模拟重点监测、检疫和防控对象在大尺度环境背景下的分布及其变化。MaxEnt模型同其它模型相比是一种较新的研究方法，且具有以下优点：首先，在基础数据要求方面，MaxEnt模型运行仅需要分布区数据，而不需要非分布区数据，现实中非分布区数据往往获取难度更大；其次，国内外学者针对多种生态位模型的预测结果的比较分析表明，MaxEnt模型较其它一些模型(包括GARP，BIOCLIM，CLIMEX，DOMAIN等)的AUC值最大，预测效果最佳；第三，即使样本量较小，MaxEnt模型的规则化程序仍可阻止模拟过拟合，因此更适合模拟生态位较窄、分布数据有限的物种。基于以上几点原因，本研究选择了MaxEnt作为分析软件对稻纵卷叶螟的适生性分布进行评估[46-48]。

作为一种基于最大熵的生态位模型，MaxEnt模型有其优点，但同样尚有不甚满意的地方。首先，由于模型进行模拟时只使用了有限的“发生数据”，因此预测结果与病虫害实际的分布有一定偏差，仅代表与分布区相似的环境条件；第二，最大熵模型使用模拟时段的生态位参数的方式预测物种在未来的适生性，没能以约束形式考虑物种对气候变化的适应性，这可能导致预测结果不够客观甚至有些偏颇；第三，由于模型使用的环境变量时间跨度大，以文本为例，“当前时段”跨度达50年，加之物种对环境的适应性和响应滞后的累积，则很有可能导致最初可被忽视的因素最后变为主要因素。针对以上几点，要求在应用MaxEnt模型进行适生分布预测时，首先应充分学习并掌握目标物种的生物学和生态学特性，据此选择影响分布的关键环境因子和精确又有代表性的地理分布点数据，提高预测结果的准确性，建立相对准确的模型。在本文分析稻纵卷叶螟在我国的风险区时，选取的19个因子为与温度和湿度相关的生物气候因子，没有考虑影响稻纵卷叶螟分布的其它环境因素，例如寄主范围、栽培类型、植被类型、天敌分布等，这必然会导致预测结果的偏差。在下一步的工作中，应综合考虑包括气候因素在内的多种复合环境因素对稻纵卷叶螟分布的影响，这样才有可能使预测结果更加准确。

影响病虫害生长及分布的主要生态因子有气候、生物、土壤等几大类，其中气候条件与病虫害生命活动关系密切，是决定病虫害分布的主要因素之一。气候变化可能对生态系统和经济生产产生不可逆转的影响，国内外研究证实，气候变化特别是气候变暖增加了各地的农业热量资源，提高了作物的复种指数[49-50]，同时气候变暖亦可促使病虫害的发生发展、分布范围及危害程度发生显著变化[51]。年均气温的增高，增加了病虫害发育所需的可利用积温，造成害虫成虫发生期延长、发育代数增多，最终种群数量大幅度上升；气温上升还可导致病虫害分布区扩大，促使害虫向北向西迁移，适宜害虫栖息的地理范围扩大[52-59]。

表3　稻纵卷叶螟在中国的气候风险等级综合指数

本研究结果表明2050时段，B2a排放情景下，稻纵卷叶螟在我国的高风险区面积将增加，总面积达85.66万km2，说明未来温室气体排放模式若为“能源利用较低”情景，则很有可能增加稻纵卷叶螟在我国的适生度，增加该水稻害虫在我国的风险范围；研究还表明，2050年影响稻纵卷叶螟分布的主导气候因子与目前情景相比有较大变化，这预示现在影响较小的气候因子有可能在未来上升为主要影响因子。这就警示我们在研究病虫害风险区区划时不仅应重视目前的情况，还应关注气候变化对病虫害分布的影响。

参考文献：

[1] 李照会.农业昆虫与鉴定[M].北京:中国农业出版社,2002:205.

[2] 李传明,徐健,杨亚军,等.人工饲料饲养稻纵卷叶螟的生长发育与繁殖[J].中国水稻科学,2011,25(3):321-325.

[3] 白先达,黄超艳,唐广田,等.气象条件对稻纵卷叶螟迁飞的影响分析[J].中国农学通报,2010,26(21):262-267.

[4] Batty M. Space, scale, and scaling in entropy maximizing[J]. Geographical Analysis, 2010, 42: 395-421.

[5] Wilson A. Entropy in urban and regional modeling: retrospect and prospect[J]. Geographical Analysis, 2010, 42(4): 364-394.

[6] Elith J, Graham H C, Anderson R P, et al. Novel methods improve prediction of species’ distributions from occurrence data[J]. Ecography, 2006, 29(2): 129-151.

[7] 胡忠俊,张镱锂,于海彬.基于MaxEnt模型和GIS的青藏高原紫花针茅分布格局模拟[J].应用生态学报,2015,26(2):505-511.

[8] Phillips S J, Dudík M , Schapire R E. A maximum entropy approach to species distribution modeling[C]//Proceedings of the Twenty-First International Conference on Machine Learning. 2004.

[9] 孙敬松,周广胜.利用最大熵法(MaxEnt)模拟中国冬小麦分布区的年代际动态变化[J].中国农业气象,2012,33(4):481-487.

[10] 何奇瑾.我国玉米种植分布与气候关系研究[D].南京:南京信息工程大学,2012.

[11] 朱耿平,刘晨,李敏,等.基于Maxent和GARP模型的日本双棘长蠹在中国的潜在地理分布分析[J].昆虫学报,2014,57(5):581-586.

[12] 李双成,高江波.基于GARP模型的紫茎泽兰空间分布预测:以云南纵向岭谷为例[J].生态学杂志,2008,27(9):1531-1536.

[13] 杨瑞,张雅林,冯纪年.利用ENFA生态位模型分析玉带凤蝶和箭环蝶异地放飞的适生性[J].昆虫学报,2008,51(3):290-297.

[14] Phillips S J, Anderson R P, Schapire R E. Maximum entropy modeling of species geographic distributions[J]. Ecological Modeling, 2006, 190(3/4): 231-259.

[15] 王运生,谢丙炎,万方浩,等.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.

[16] 赵文娟,陈林,丁克坚,等.利用MaxEnt预测玉米霜霉病在中国的适生区[J].植物保护,2009,35(2):32-38.

[17] 房锋,张朝贤,黄红娟,等.基于Maxent的麦田恶性杂草节节麦的潜在分布区预测[J].草业学报,2013,229(2):62-70.

[18] 王颖,章桂明,杨伟东,等.基于MaxEnt的大豆南北方茎溃疡病菌在中国适生区的预测[J].植物检疫,2009,23(4):14-17.

[19] 齐会会,张云慧,王健,等.稻纵卷叶螟在探照灯下的扑灯节律[J].中国农业科学,2014,47(22):4436-4444.

[20] 齐国君,王政,蓝日青,等.粤北稻区稻纵卷叶螟的发生规律及虫源性质分析[J].中国水稻科学,2013,27(2):177-183.

[21] 廖怀建,黄建荣,方源松,等.水稻和玉米苗上饲养的稻纵卷叶螟对温度的反应[J].生态学报,2013,33(2):409-415.

[22] 蒋春先,杨秀丽,齐会会,等.中国华南地区稻纵卷叶螟迁飞的一次雷达观测[J].中国农业科学,2012,45(23):4808-4817.

[23] 王凤英,张孝羲,翟保平.稻纵卷叶螟的飞行和再迁飞能力[J].昆虫学报,2010,53(11):1265-1272.

[24] 刘芳,奚本贵,包善微,等.氯虫苯甲酰胺对稻纵卷叶螟的防效及对稻田有益节肢动物的安全性评价[J].植物保护,2009,35(5):139-144.

[25] 王凤英,胡高,陈晓,等.近年来广西南宁稻纵卷叶螟大发生原因分析[J].中国水稻科学,2009,23(5):537-545.

[26] 徐德进,顾中言,徐广春,等.雾滴密度及大小对氯虫苯甲酰胺防治稻纵卷叶螟效果的影响[J].中国农业科学,2012,45(4):666-674.

[27] 黄学飞,张孝羲,翟保平.交配对稻纵卷叶螟飞行能力及再迁飞能力的影响[J].南京农业大学学报,2010,33(5):23-28.

[28] 张巍,张志罡,付秀芹,等.转Bt基因水稻对稻纵卷叶螟幼虫体内三种保护酶活性的影响[J].昆虫学报,2008,51(10):1022-1027.

[29] 高忠文,陶岭梅,苏建亚,等.防治稻纵卷叶螟高毒农药替代药剂的室内筛选[J].中国水稻科学,2008,22(6):631-636.

[30] 齐国君,秦冉冉,肖满开,等.安徽安庆混作稻区稻纵卷叶螟第三、四代发生规律研究[J].中国水稻科学,2008,22(5):513-518.

[31] 王亓翔,许路,吴进才.水稻品种对稻纵卷叶螟抗性的物理及生化机制[J].昆虫学报,2008,51(12):1265-1270.

[32] 高月波,陈晓,陈钟荣,等.稻纵卷叶螟(Cnaphalocrocismedinalis)迁飞的多普勒昆虫雷达观测及动态[J].生态学报,2008,28(11):5238-5247.

[33] 王翠花,包云轩,王建强,等.2003年稻纵卷叶螟重大迁入过程的大气动力机制分析[J].昆虫学报,2006,49(4):604-612.

[34] 卢辉,钟义海,陈青,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):2239-2245.

[35] 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].生态与农村环境学报,2010,26(2):137-141.

[36] 齐国君,陈婷,高燕,等.基于Maxent的大洋臀纹粉蚧和南洋臀纹粉蚧在中国的适生区分析[J].环境昆虫学报,2015,37(2):219-223.

[37] 赵力,朱耿平,李敏,等.入侵害虫西部喙缘蝽和红肩美姬缘蝽在中国的潜在分布[J].天津师范大学学报:自然科学版,2015,35(1):75-78.

[38] 程军,沈阳,郭水良.气候变暖对花叶藓属植物在中国的潜在分布范围影响的预测[J].生态科学,2015,34(1):9-16.

[39] 郭彦龙,卫海燕,路春燕,等.气候变化下桃儿七潜在地理分布的预测[J].植物生态学报,2014,38(3):249-261.

[40] 张熙骜,隋晓云,吕植,等.基于Maxent的两种入侵性鱼类(麦穗鱼和鲫)的全球适生区预测[J].生物多样性,2014,22(2):182-188.

[41] 张颖,李君,林蔚,等.基于最大熵生态位元模型的入侵杂草春飞蓬在中国潜在分布区的预测[J].应用生态学报,2011,22(11):2970-2976.

[42] 张晓峰,佟友贵,杨建东,等.基于Maxent生态位模型预测球果角胫象在云南的潜在地理分布[J].环境昆虫学报,2013,35(1):28-32.

[43] 韩阳阳,王焱,项杨,等.基于Maxent生态位模型的松材线虫在中国的适生区预测分析[J].南京林业大学学报:自然科学版,2015,39(1):6-10.

[44] 孙兵,娄玉霞,郭水良.野生蔬菜鸭儿芹在中国栽培的气候适应性研究[J].上海农业学报,2014,30(1):85-89.

[45] 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):2502-2506.

[46] Brotons L, Thuiller W, Araujo M B, et al. Presence-absence versus presence-only modeling methods for predicting bird habitat suitability[J]. Ecography, 2004, 27(4): 437-448.

[47] 徐烨,王金龙,刘雅婷,等.凤仙花坏死斑病毒在中国的适生性风险评估[J].植物保护,2013,39(6)：26-31.

[48] 曲伟伟,李志红,黄贵修,等.利用MAXENT预测橡胶树棒孢霉落叶病在中国的适生区[J].植物保护,2011,37(4):52-57.

[49] 赵宗慈.为IPCC第五次评估报告提供的全球气候模式预估[J].气候变化研究进展,2009,5(4):241-243.

[50] 张国庆.气候变化对生物灾害发生的影响及对策[J].现代农业科技,2011(1):318-321.

[51] 李剑泉,李智勇,易浩若.森林与全球气候变化的关系[J].灾害学,2011,26(2):35-38.

[52] 王鸿斌,张真,孔祥波,等.入侵害虫红脂大小蠹的适生区和适生寄主分析[J].林业科学,2007,43(10):71-76.

[53] 马菲,何友元,赵林忠,等.桃蛀螟在新疆的适生区预测[J].植物保护,2012,38(2)：136-138.

[54] 王培新,杜薇薇,李孟楼.气候变暖与林木害虫的适应性变化[J].西北林学院学报,2011,26(3):124-128.

[55] 吴志刚,曲伟伟,张泽华,等.基于CLIMEX的苜蓿籽象甲在中国的适生区分析[J].植物保护,2012,38(3):63-66.

[56] 何善勇,温俊宝,骆有庆,等.气候变暖情景下松材线虫在我国适生区范围[J].应用昆虫学报,2012(1):236-243.

[57] 张立敏,陈斌,李正跃,等.气候变化对水稻三化螟物候及多度的影响(英文)[J].西南农业学报,2012,25(3):885-893.

[58] 刘明春,蒋菊芳,郭小芹,等.气候变化背景下玉米棉铃虫消长动态预测及影响因素研究[J].干旱地区农业研究,2014,32(2):114-118,141.

[59] 马春森,马罡,赵飞.气候变暖对麦蚜的影响[J].应用昆虫学报,2014,51(6):1435-1443.

(责任编辑：许晶晶)

Risk Analysis ofCnaphalocrocismedinalisin China under Three Emissions Scenarios in 2050

WANG Yan-li1,2,WANG Ru-lin1, JIANG Gan1, SHEN Zhan-hong1, LIN Shan1

(1. Rural Economic Information Centre of Sichuan Province, Chengdu 610072, China; 2. Sichuan Provincial Key Laboratory of Heavy Rain and Drought-Flood Disasters in Plateau and Basin, Chengdu 610072, China)

Abstract：The potential distribution ofCnaphalocrocismedinalisGuenee in 2050 of China was predicted by using MaxEnt and ArcGIS model. The results showed that, Shanghai, Zhejiang, Anhui, south of Jiangsu, east of Hubei, east of Hunan, southeast of Sichuan, middle of Guangxi were the extremely high risk area forCnaphalocrocismedinalisin China. The high risk areas were in Guizhou, Guangdong, Fujian, Jiangxi, Chongqing, and most of Guagnxi. In 2050, the areas ofCnaphalocrocismedinaliswill tend to decrease in extremely high risk areas, while the high risk areas will tend to expand under B2a emissions scenario.

Key words：CnaphalocrocismedinalisGuenee; MaxEnt; Risk analysis; Prediction

收稿日期：2015-10-27

基金项目：四川省农村经济综合信息中心业务技术攻关课题(农信课题201403)；中国气象局“2012年业务专项经费”资助。

作者简介：王闫利(1978─)，女，工程师，从事农业信息化管理、病虫害与气象关系研究、为农气象信息管理工作。

中图分类号：S431.9

文献标志码：A

文章编号：1001-8581(2016)06-0076-06