魏久锋, 蔡 波, 卢运运, 张虎芳, 赵 清,*

(1. 山西农业大学植物保护学院, 山西 太谷 030801; 2. 海口海关海南省外来有害生物预警与检疫防控工程技术研究中心,海口 570311; 3. 忻州师范学院生物系, 山西 忻州 034000)

生物对气候变化的响应一直是全球变化和生物地理学的研究热点问题。全球平均气温的上升不仅影响物种的分布和季节活动，而且可能影响物种当前的分布范围，甚至会加剧一些物种的大暴发或导致一些物种的灭绝(Williams and Liebhold, 2002)。因此，研究物种的潜在地理分布对未来气候的响应以及未来气候变化情景下物种在其地理分布的变化，能够为生物多样性保护策略的制定、物种入侵历史溯源及风险防控提供理论依据和数据支撑。

考氏白盾蚧Pseudaulacaspiscockerelli，又名考氏白轮蚧或椰子拟轮蚧，隶属于半翅目(Hemiptera)盾蚧科(Diaspididae)拟轮蚧属Pseudaulacaspis。该虫为典型的植食性害虫，寄主广泛，可取食85科164属的植物(Garcíaetal., 2006)，尤其是对苏铁Cycasrevoluta、山茶Camelliajaponica、杜鹃Rhododendronsimsii和夹竹桃Neriumoleander等观赏园艺植物可造成严重危害(张耀章, 1987)。该虫主要以刺吸式口器吸食植物汁液造成危害，雌成虫和若虫常寄生在植株叶片、绿色茎秆或枝干上，受害症状常表现为布满白色介壳或者絮状物，并出现黄白色斑点或者斑块，造成植株营养不良，树势衰微，叶片变黄脱落，最终导致寄主植物枝干干枯甚至死亡，在吸食植株汁液的同时还会传播病毒，危害十分严重。考氏白盾蚧严重影响植物的经济和观赏价值，给农业生产带来严重经济损失(胡兴平和周朝华, 1993)。该虫在梁广勤主编的《中国进境水果关注的有害生物》中被列入进境水果关注的有害生物名录(陈劲松等, 2012)。

我国幅员辽阔，地势复杂，不同地域之间地理和气候条件有较大差距。考氏白盾蚧在我国分布广泛，除了西北部部分地区之外其他地区均有分布(胡兴平, 1991)。随着园林绿化行业和观赏花卉行业的迅速发展，该虫的分布范围不断扩大，危害也日趋严重。温度是影响考氏白盾蚧的生长发育的主要因素之一，随着温度的变化，发生世代也随之改变(林克明等, 1988)。该害虫在广州和福建省一年可发生6代，雌成虫在被害树干枝叶上以成虫形式过冬，而在同纬度地区的云南大理一年仅发生1代；在广西、上海一年发生3代，以雌成虫过冬；在山东省一年可发生2～3代，以雌成虫随寄主植物在温室内越冬(苏星和岑炳沾, 1985)。

目前国内外关于考氏白盾蚧的研究主要集中在生物学特性、生理生化、发生规律及危害特性等方面(胡君等, 2018; Suh, 2018)。虽然文献记录和实地采集均发现此害虫分布广泛，且危害严重，但是其具体的分布范围依然没有摸清，严重妨碍对其防治策略的制定。随着全球物种分布数据的共享和空间分析技术的快速发展，生态位模型在不同的研究领域得到开拓和发展(郭彦龙等, 2020)，被越来越多地应用在保护生物学、入侵生物学、生物地理学及全球气候变化对物种分布的影响等方面。MaxEnt模型是一个以最大熵理论为基础理论的物种分布模型，根据物种的已知地理分布数据和相关环境数据，利用数学模型模拟物种在不同时空下的生态位需求，推测该物种在目标研究区域的潜在地理分布。MaxEnt模型自推出以来，已经广泛应用于木薯绵粉蚧Phenacoccusmanihoti(卢辉等, 2015)、红棕象甲Rhynchophorusferrugineus(王欽召等, 2020)、长小蠹Platypusparallelus(范靖宇等, 2019)等昆虫的潜在分布区预测。本研究通过收集和筛选考氏白盾蚧的地理分布信息，结合相关环境变量，利用MaxEnt模型和ArcGIS软件的空间分析技术对其潜在地理分布变化进行预测，旨在解决以下问题：(1)评估考氏白盾蚧在气候变化下的潜在分布变化动态；(2)探讨影响考氏白盾蚧潜在地理分布格局的主要环境因子；(3)为考氏白盾蚧的防治及管理提供一个理论参考框架。

1 材料与方法

1.1 物种分布数据的收集与处理

考氏白盾蚧的分布数据主要来源于以下几个途径：(1)相关数据库资源包括：全球生物多样性信息网络(GBIF, https:∥www.gbif.org/)、国际农业和生物科学中心(CABI, https:∥www.cabi.org)、欧洲和地中海植物保护组织(EPPO, https:∥www.eppo.int)和Scalenet网站(http:∥scalenet.info/)。(2)通过检索国内外发表的考氏白盾蚧的相关文献(Wangetal., 2019)，将获得的每个数据点的分布记录(精确到县)，使用谷歌地图(https:∥www.google.com/maps/) 拾取每个分布位点的相关坐标，并剔除了一些不清楚或错误分布信息，最后得到127条发生记录。数据处理：分类学者在采集标本时，往往会趋向于采集人们容易进入的区域，比如城市周边地区，这使得收集的数据基于不同的采样强度，样本采集的结果会产生一定的偏好性。为了消除采集偏好，本研究将栅格划分为较小栅格(分辨率5 km×5 km)，在包含两个或多个分布记录的网格中随机选择一个分布位点用于后续研究(Kramer-Schadtetal., 2013)。经过筛选后，研究中使用的地理分布数据减少至118条。

1.2 预测环境变量的获取

1.2.1当前环境变量的选取及筛选：本研究中用于模型构建的19个环境变量(表1)(温度相关Bio1-11，降雨相关Bio12-19)来源于WorldClim气候数据库(Hijmansetal., 2005)，分辨率均为2.5 arc min。以往许多研究表明，高度相关的变量会影响物种分布模型预测结果的准确性。在所有预测模型中，需要谨慎选择相关性较低的环境变量(Abdelaaletal., 2019)。本研究使用Pearson相关性分析，选取Pearson相关系数小于0.8(|r|<0.8)的环境变量用于最终的研究：Bio2(平均月温差)、Bio3(昼夜温差与年温差比)、Bio8(最湿季平均温度)和Bio15(降水季节性)。

表1 本研究使用的环境变量Table 1 Environmental variables used in this study

1.2.2未来环境变量的获取：为了减少未来情景中的不确定性，本研究从WorldClim数据库下载了3个数据分辨率为2.5 arc min的全球气候模式(GCMs)，分别为HADGEM2-AO, BCC-CSM1-1和MIROC5；4种排放情景(scenarios of CO2emission, RCPs)，用以评估考氏白盾蚧的未来潜在分布范围(Sultanaetal., 2017)。此外，本研究选取了2个时期，分别为2050年(以2041-2060年平均值代替)、2070年(以2061-2080年平均值代替)的RCP2.6, RCP4.5, RCP6.0和RCP8.5(表2)共24套气候模拟数据，用以预测考氏白盾蚧的未来潜在分布范围(Mossetal., 2010)。

表2 CO2不同排放情景Table 2 Different scenarios of CO2 emission

1.2.3模型、相关软件及基础地理数据来源：本研究使用MaxEnt (版本3.3.3)模型，在网站http:∥www.cs.princeton.edu/～schapire/ maxent/免费下载(Phillipsetal., 2006)相关软件来源：R版本 3.5.3，来源于https:∥www.r-project.org/; RStudio，版本1.2.1335，来源于https:∥www.rstudio.com/；Java，版本1.8.0，来源于 https:∥www.java.com/zh_CN/。文中所用的地图资料来源于国家基础地理信息数据库[原审图号GS(2016)1666号]。

1.3 生态位模型预测

1.3.1模型参数优化：本研究中采用MaxEnt模型结合分布位点与环境变量来预测目标物种的潜在分布范围。MaxEnt模型的复杂度与其调控倍率(regularization multiplier, RM)和要素类(feature class, FC)参数有密切的关系。为了得到最佳的预测模型，本研究中使用R包“ENMeval”优化模型参数(Muscarellaetal., 2014)。ENMeval包是在R 3.5.3中实现的。 本研究中采用的RM值范围0.5～4.0(增量为0.5)，以及6种不同的FC组合(L, LQ, H, LQH, LQHP和LQHPT；其中L=线性，Q=二次，H=铰链，P=乘积，T=阈值)。ENMeval数据包通过测试不同的参数条件下MaxEnt模型修正的AIC值(AICc)来评价模型的复杂度，选择最低的AICc值来运行最终的MaxEnt模型。本研究的运行结果显示当RM值为1.5，FC为QHPT的特征组合可以有效地降低模型的复杂度。

1.3.2模型运行：将考氏白盾蚧的地理分布数据和环境变量文件导入至MaxEnt软件，重复训练次数设置为10次，重复运行类型选择交叉验证(cross-validation)，应用阈值规则选择为“10 percentile training presence”，创建响应曲线(response curve)，绘制变量重要性刀切图(variable importance jackknife diagram)，预测结果使用“Logistic”格式和ASC文件类型。

1.4 适生性等级划分

MaxEnt模型输出的结果为考氏白盾蚧的世界范围内的存在概率。通过对3种未来气候情景，求取平均值来创建最终的潜在分布图，以减少全球气候变化模型之间的不确定性。用“10 percentile training presence”的logistic阈值来确定考氏白盾蚧的适生区和非适生区。该阈值广泛应用于物种分布建模，特别是数据在很长一段时间内由不同的观察者和不同的方法收集的。以上述阈值(0.298)为基础，结合考氏白盾蚧的实际分布情况，利用“Reclassify”功能，将考氏白盾蚧潜在分布图区划分为4个层次：<0.298为非适生区；0.298-0.400为低适生区；0.400-0.600为中适生区；0.600-1.000为高适生区。

2 结果

2.1 MaxEnt模型的评估

通常情况下，应用曲线下面积(area under the curve, AUC)值对MaxEnt模型进行评估，然而，由于AUC值在使用中存在一些固有的缺陷，其忽略模型拟合度，造成评估不准确。因此，在本研究中采用部分工作特性曲线方法(pROC)评估预测模型模拟性能，参数设置为重复1 000次，E=0.05(Robinetal., 2011)。基于分布模型的相关数据，pROC结果显示其平均AUC值为0.7182(图1)，表明该预测模型的预测结果准确，可信度高，可以很好地用于考氏白盾蚧的预测研究。

图1 考氏白盾蚧MaxEnt模型的pROC的检验结果Fig. 1 pROC test result of MaxEnt model forPseudaulacaspis cockerelliAUC: 曲线下面积Area under the curve.

2.2 当前气候条件下的潜在分布

将MaxEnt运行所得预测结果显示，考氏白盾蚧全世界的潜在分布区主要集中在亚洲东部与印度半岛大部、欧洲中部、北美洲和南美洲东南沿海岸及非洲西沿海岸等地区(图2)。具体分布范围如下：美国中部、南部及东南沿海岸，巴西南部，阿根廷东部，德国中部，波兰大部，捷克全境，斯洛伐克西部，匈牙利全境，乌克兰东南部，沙特阿拉伯阿曼阿联酋三国交界处，印度半岛中部，缅甸老挝泰国中国四国交界处，以及印度尼西亚西部为低适生区；巴西东部沿海岸，秘鲁和巴拉圭的交界处，美国和墨西哥的东部沿海岸，波兰北部，阿曼北部，以及印度东部为中适生区；美国与巴西西南沿海区域，印度西部地区及西部沿海区域，孟加拉国，越南北部大部，中国西南大部及华东华中大部，以及日本南部为高适生区。

图2 考氏白盾蚧在世界的发生位点及当前潜在分布区[审图号: GS京(2022)1300号]Fig. 2 Occurrence sites and the current potential distribution areas of Pseudaulacapis cockerelliin the world [Map approval no.: GS Beijing(2022)1300]用“10 percentile training presence”的logistic阈值来确定考氏白盾蚧的适生区和非适生区。黄黑圆点表示发生地点，灰色表示非适生区(logistic阈值<0.298)，绿色表示低适生区(logistic阈值: 0.298-0.400)，蓝色表示中适生区(logistic阈值: 0.400-0.600)，红色表示高适生区(logistic阈值: 0.600-1.000)。下图同。The 10 percentile training presence logistic threshold was used to define the suitable habitat and unsuitable habitat of P. cockerelli. Yellow black represents occurrence sites, gray represents the unsuitable habitat (logistic threshold<0.298), green represents lowly suitable habitat (logistic threshold: 0.298-0.400), blue represents moderately suitable habitat (logistic threshold: 0.400-0.600), and red represents highly suitable habitat (logistic threshold: 0.600-1.000). The same for the following figures.

在当前气候条件下，中国、日本、韩国西部地区以及中欧地区具有非常适合考氏白盾蚧栖息的条件。根据当前的环境变量，考氏白盾蚧的潜在适宜生境总面积约为2.73×107km2，其中约4.37×106km2(约占总面积的16%)为较高的生境适宜性(高风险)，约1.03×107km2(约占总面积的37.6%)为考氏白盾蚧潜在分布的中度适生区(表3)。

表3 全球考氏白盾蚧在当前和未来气候条件下的适生区面积(km2)Table 3 Predicted suitable areas (km2) for Pseudaulacapiscockerelli on globe under current and future climatic conditions

2.3 未来气候条件下潜在分布预测

本研究预测了2050年(图3)和2070年(图4)在不同气候变化情景和二氧化碳排放情景(RCP2.6, RCP4.5, RCP6.0和RCP8.5)下考氏白盾蚧的潜在分布。为了方便讨论并且简化地图，将考氏白盾蚧的未来气候变化条件下的潜在分布区划分为北美洲、欧洲、日本和东亚4个区域分别进行讨论。

图3 MaxEnt预测2050年不同气候情景下考氏白盾蚧全球的未来潜在分布区[审图号: GS京(2022)1300号]Fig. 3 Future potential distribution areas of Pseudaulacapis cockerelli on globe under different climatic scenarios predicted by MaxEnt in 2050 [Map approval no.: GS Beijing(2022)1300]A: RCP2.6-2050; B: RCP4.5-2050; C: RCP6.0-2050; D: RCP8.5-2050. RCP: 代表性浓度途径Representative concentration pathways. CO2排放情景见表2。灰色表示非适生区，绿色表示低适生区，蓝色表示中适生区，红色表示高适生区。下图同。For scenarios of CO2 emission, see Table 2. Gray represents unsuitable habitat, green represents lowly suitable habitat, blue represents moderately suitable habitat, and red represents highly suitable habitat. The same for the following figures.

图4 MaxEnt预测2070年不同气候情景下考氏白盾蚧全球的未来潜在分布区[审图号:GS京(2022)1300号]Fig. 4 Future potential distribution areas of Pseudaulacapis cockerelli on globe under different climatic scenarios predicted by MaxEnt in 2070 [Map approval no.: GS Beijing(2022)1300]A: RCP2.6-2070; B: RCP4.5-2070; C: RCP6.0-2070; D: RCP8.5-2070.

2.3.1全球潜在分布:预测结果显示，在未来气候条件下，考氏白盾蚧的总适生区面积变化较小，仅在2050年RCP6.0气候条件下和2070年RCP2.6和RCP4.5气候条件下微弱增长，最大增幅相对于当前气候条件增长2.19%，其余气候条件下，适生区呈现下降趋势(表3)。但在未来气候条件下，考氏白盾蚧的高适生区面积呈现增长。在RCP2.6-2050, RCP4.5-2050, RCP6.0-2050, RCP8.5-2050, RCP2.6-2070和RCP4.5-2070条件下，高适生区面积分别为4.92×106, 5.12×106, 4.88×106, 4.82×106, 4.88×106和4.98×106km2，相对于当前的4.37×106km2，增幅分别达到12.61%, 17.00%, 11.73%, 10.24%, 11.72%和14.02%，增幅均在10%以上(表3)。

2.3.2东亚:在东亚地区，据预测结果显示，考氏白盾蚧未来气候变化下的总适生区和高适生区面积均大幅增长(图5)，增幅均在10%以上(表4)。在2050和2070年，从RCP2.6至RCP8.5，伴随着CO2浓度的升高，适生区面积在两个年份均呈现递增趋势(图5；表4)。 在2050年RCP8.5和在2070年RCP8.5情况下，总适生区面积相对于当前增幅最大，面积分别达到1.32×107和1.37×107km2，分别增长了17.45%和21.87%;高适生区面积在2050和2070年RCP4.5情况下，均达到峰值，增幅分别达到24.55%和20.36%(表4)。

图5 MaxEnt预测的东亚考氏白盾蚧在不同气候情景下的未来潜在适生区[审图号:GS京(2022)1300号]Fig. 5 Future potential suitable habitats of Pseudaulacapis cockerelli in East Asia under different climatic scenarios predicted by MaxEnt [Map approval no.: GS Beijing(2022)1300]A:当前Current; B: RCP2.6-2050; C: RCP4.5-2050;D: RCP6.0-2050; E: RCP8.5-2050; F: RCP2.6-2070; G: RCP4.5-2070; H: RCP6.0-2070; I: RCP8.5-2070.

表4 东亚考氏白盾蚧在当前和未来气候条件下预测的适生区面积(km2)Table 4 Predicted suitable areas (km2) for Pseudaulacapis cockerelli in East Asia under current and future climatic conditions

在中国境内，考氏白盾蚧的主要危害范围在胡焕庸线(腾冲-黑河线)以东，高适生主要集中分布在华北平原一带，福建、广东、广西、海南和台湾沿海一带，以及贵州、重庆和四川西部等，伴随着气候的变化，在2050和2070年，考氏白盾蚧的适生区向胡焕庸线以西的内蒙古中部地区扩散，华北地区及黄渤海湾周边适生区面积进一步扩大，考氏白盾蚧危害风险进一步扩大。

2.3.3北美洲:在北美洲，考氏白盾蚧的总适生区和高适生区面积均呈现大幅下降的趋势(图6)，降幅均超过33%(表5)。总适生区面积在2050年RCP4.5气候条件下和2070年RCP6.0气候条件下，降幅最大，分别达到47.95%和56.36%;高适生区的整体疆域，在2050和2070年，从RCP2.6至RCP8.5，伴随着CO2浓度的升高，在两个年份分别呈现递减趋势(表5)。

图6 MaxEnt预测的北美洲考氏白盾蚧在不同气候情景下的未来潜在适生区[审图号:GS京(2022)1300号]Fig. 6 Future potential suitable habitats of Pseudaulacapis cockerelli in North America under different climatic scenarios predicted by MaxEnt [Map approval no.: GS Beijing(2022)1300 ]A: 当前Current; B: RCP2.6-2050; C: RCP4.5-2050;D: RCP6.0-2050; E: RCP8.5-2050; F: RCP2.6-2070; G: RCP4.5-2070; H: RCP6.0-2070; I: RCP8.5-2070.

表5 北美洲考氏白盾蚧在当前和未来气候条件下预测的适生区面积(km2)Table 5 Predicted suitable areas (km2) for Pseudaulacapis cockerelli in North America under current and future climatic conditions

2.3.4欧洲:在欧洲地区，考氏白盾蚧高适生区的面积均呈现增长趋势(图7)，在不同气候条件和不同年份，增幅在7.02%～82.27%之间(表6)。在2070年RCP4.5气候条件下，高适生区面积达到最大，为2.73×104km2，相对于当前气候条件下的增加了82.27%(表6)。

图7 MaxEnt预测的欧洲考氏白盾蚧在不同气候情景下的未来潜在适生区[审图号:GS京(2022)1300号]Fig. 7 Future potential suitable habitats of Pseudaulacapis cockerelli in Europe under different climatic scenarios predicted by MaxEnt [Map approval no.: GS Beijing(2022)1300 ]A: 当前Current; B: RCP2.6-2050; C: RCP4.5-2050;D: RCP6.0-2050; E: RCP8.5-2050; F: RCP2.6-2070; G: RCP4.5-2070; H: RCP6.0-2070; I: RCP8.5-2070.

表6 欧洲考氏白盾蚧在当前和未来气候条件下预测的适生区面积(km2)Table 6 Predicted suitable areas (km2) for Pseudaulacapis cockerelli in Europe under current and future climatic conditions

2.3.5日本:在日本，考氏白盾蚧的总适生区和高适生区面积均呈现显著增长的趋势(图8)。总适生区的增幅均超过11%，高适生区的面积增幅更大，除了2070年RCP2.6气候条件下，其余气候模式条件下，增幅均在70%以上。高适生区面积在RCP8.5气候条件下，在2050和2070年，增幅分别达到107.69%和155.17%，相对于当前增长了1倍多(表7)。

图8 MaxEnt预测的日本考氏白盾蚧在不同气候情景下的未来潜在适生区[审图号:GS京(2022)1300号]Fig. 8 Future potential suitable habitats of Pseudaulacapis cockerelli in Japan under different climatic scenarios predicted by MaxEnt [Map approval no.: GS Beijing (2022)1300 ]A: 当前Current; B: RCP2.6-2050; C: RCP4.5-2050;D: RCP6.0-2050; E: RCP8.5-2050; F: RCP2.6-2070; G: RCP4.5-2070; H: RCP6.0-2070; I: RCP8.5-2070.

表7 日本考氏白盾蚧在当前和未来气候条件下预测的适生区面积(km2)Table 7 Predicted suitable areas (km2) for Pseudaulacapis cockerelli in Japan under current and future climatic conditions

2.4 环境变量对模型的贡献

模型运行结果显示昼夜温差与年温差比(Bio3)对模型的贡献最大，约占38.8%；平均月温差(Bio2)贡献了模型的33.9%，最湿季平均温度(Bio8)贡献了26.0%，而降水季节性(Bio15)贡献最小(约1.3%)(表8)。

表8 各环境变量对MaxEnt模型的相对贡献Table 8 Relative contributions of various environmental variables to MaxEnt model

3 讨论与结论

本研究通过MaxEnt软件预测了考氏白盾蚧气候变化下全球的潜在分布变化情况。模型评估pROC结果显示平均AUC值为0.7182(图1)，表明该预测模型的预测结果是准确和可信的。研究结果显示考氏白盾蚧在美洲、澳洲及非洲适生区面积缩减，而在亚洲和欧洲等区域适生区面积增长(图2-8)，分析原因可能为，随着全球温度的升高，原先适合考氏白盾蚧生长发育的部分区域不再适合其生存，导致考氏白盾蚧生态位整体向北转移。研究结果显示考氏白盾蚧高适生区面积进一步扩大，未来美洲地区其适生区面积将缩减，而在东亚地区及日本地区，高适生面积在全球任意气候情境下，均呈现增加态势，在东亚地区，高适生区面积较当前增幅均在10%以上，在RCP4.5-2050气候条件下，增幅达到最大，为24.55%(表4)；在日本境内，高适生区面积在RCP8.5-2070较当前增幅达到155.17%(表7)。

3.1 模型的限制

相较于一般描述，生态位模型对一个物种的发生能够进行一个相对定量的描述，但由于生态位模型只能考虑一些机构统计的温度、降雨等相关变量，此研究中并未对影响考氏白盾蚧分布的全部变量进行分析，比如人类活动、天敌、植被、地理屏障、风力作用、物种繁殖力及某些极端恶劣条件导致局部灭绝的影响(乔慧捷等, 2013)。物种的分布是生物因素、非生物因素在长期演化过程中复杂作用的结果，潜在分布结果只是代表物种分布的可能性比较高，并不代表物种在区域内的实际分布，在后续的研究中，需要得到尽可能多的生境适宜性相关的环境相关数据，才能得到较为准确的结果。考氏白盾蚧起源地在亚洲(Mudgaletal., 2011)，经研究发现，在起源地以外的其他地区也有大量的适生区分布，在潜在分布适生性风险图中，未有报道而出现生态位扩张或收缩的区域可能受到了其他因素，例如考氏白盾蚧的天敌、传播障碍或者局部适应的影响(Weietal., 2017)。

3.2 对考氏白盾蚧防治策略制定的启示

可靠的管理策略以及有效的控制方法是防治考氏白盾蚧的关键。基于最近的研究，本研究在此基础上提出控制该害虫的一个可能的管理策略。

首先，识别气候变化下害虫潜在分布变化的区域是一个至关重要的步骤(Pykeetal., 2008)。物种潜在分布模拟是一种有效的、早期识别物种的潜在分布范围的方法。通过本研究的方法预测气候变化下考氏白盾蚧的潜在适生区，为政府决策者和农民在这些区域进行害虫调查，制定防治策略提供了一个理论上的参考。

第二，自然天敌是减少甚至阻止该害虫扩散的另一种途径。一些天敌昆虫可以用来防控该害虫，例如瘦柄花翅蚜小蜂Mariettacarnesi、盾蚧寡节跳小蜂Arrhenophaguschionaspidis等寄生蜂(Suh, 2018)，然而，遗憾的是，迄今为止依然没有专门针对该害虫天敌的大田研究。

第三，考氏白盾蚧体外被有蜡壳，因此药剂防治的最佳时期应该在若虫刚孵化的爬虫期，园艺油(horticultural oils)是一种有效且相对安全的防治该害虫的物质。此外，氧化乐果及狂杀蚧等也能对该害虫起到一定的防治效果。

3.3 结论

本研究定量分析了气候变化情境下考氏白盾蚧在世界范围内的扩散动态，研究结果表明气候变化会对考氏白盾蚧的适生地理分布格局产生重大影响，这与前人的研究结果(王茹琳等, 2021)是一致的。生态位模型的分析结果符合考氏白盾蚧的地理分布范围，可以对其风险分析提供理论依据。结果显示，在未来气候条件下，考氏白盾蚧在东亚包括日本地区适生区面积增幅较大，适生等级较高，具有较大的分布可能性，所以在这些地区进行苗木转运工作，需要做好检验检疫工作，防止考氏白盾蚧的扩散和大范围暴发。