石蒜绵粉蚧的分布数据:从数据库CABI-Crop Protection Compendium 2007(http://www.gbif.org)中初步获得石蒜绵粉蚧在全球的分布点, 再从ISI/web of knowledge、Google学术、百度学术等科研资源库中查阅国内外涉及石蒜绵粉蚧的文献报道, 以获得石蒜绵粉蚧在全球的已知记录分布点。将各分布点输入GPSspg在线地图(http://www.gpsspg.com/maps.htm), 获得各分布点的经纬度, 记录备用。

BIOCLIM生物气候信息:从BioClim网站(http://worldclim.org/bioclim)获得生物气候数据, 包括19个生物气候变量。从DIVA-GIS网站(http://www.diva-gis.org/)下载获得分析软件。

其他信息:从国家基础地理信息系统(http://nfgis.nsdi.gov.cn/)下载国家行政区划图。

参考周奕景等^[4]的方法, 利用DIVA-GIS软件, 通过Bioclim/Domain模型分析获得石蒜绵粉蚧发生分布点的19个生物气候数据; 利用SPSS软件, 通过因子分析模块对以上影响参数进行主成分分析, 获得影响石蒜绵粉蚧分布的主要影响因子。

石蒜绵粉蚧适生区分析软件为DIVA-GIS, 分析模型为该软件自带的BIOCLIM生态位模型, 石蒜绵粉蚧适生性等级划分标准为6级, 分别为:非适生区(发生概率=0%)、低度适生区(0%< 发生概率≤ 2.5%)、较低度适生区(2.5%< 发生概率≤ 5%)、中度适生区(5%< 发生概率≤ 10%)、较高度适生区(10%< 发生概率≤ 20%)、高度适生区(发生概率> 20%)。预测所得的分布图采用软件自带的Design模块进行编辑和保存。

受试者工作特征曲线(ROC)在评价生态位模型预测效果方面具有十分重要的意义^[5]。ROC曲线下面积AUC(area under curve)的大小作为模型预测准确度的衡量指标, AUC数值取值范围为[0, 1], AUC值为0.5~0.7, 说明预测结果可靠性低; AUC值为0.7~0.9, 说明预测结果可靠性中等; AUC值在0.9以上则视为预测结果可靠性高。从已知的分布点中随机选取15个分布点作为训练集, 在未分布国家范围内随机选取11个地点与余下5个已知分布点合成为验证集。以训练集为原始数据基础进行模型分析验证集中的分布点预测值; 通过SPSS绘制ROC曲线以计算AUC值。

石蒜绵粉蚧在全球的分布广泛, 文献报道其分布于北美洲的加拿大、墨西哥、美国, 中南美洲的巴西、厄瓜多尔、危地马拉、秘鲁、波多黎各、委内瑞拉、荷属安的利斯群岛、特立尼达和多巴哥, 非洲的南非、佛得角、津巴布韦、基里巴斯, 欧洲的意大利、西班牙, 亚洲的新加坡、越南、泰国、伊朗、土耳其、以色列、印度和中国, 大洋洲的夏威夷群岛和马绍尔群岛^[3]。可查询获得的具体分布位点有19个, 将石蒜绵粉蚧在全球的分布点在软件中进行标注, 得到石蒜绵粉蚧在全球的现有分布图(图1), 其中北美洲1个点, 亚洲18个点。

图1

Fig.1

	Figure Option ViewDownloadNew Window
	图1 石蒜绵粉蚧在全球的已报道分布点(部分点重合)Fig.1 Recorded locations of Phenacoccus solani in the world (some points overlapped)

对已知分布点的19个生物气候变量进行主成分分析, 结果如表1所示。根据结果, 选取6个具有较大贡献率值的环境因子, 分别是bio1、bio5、bio6、bio9、bio11、bio14, 分别代表年平均气温、最热月份最高气温、最冷月份最低气温、最干季平均气温、最冷季平均气温、最干月份降水量。

表1

Table 1

表1(Table 1)

表1 环境因子变量对石蒜绵粉蚧分布的影响系数 Table 1 Correlation coefficient of environmental factors related to the distribution of Phenacocccus solani 变量代码Code 环境变量Environmental variable 相关系数Correlation coefficient bio1 年平均气温Annual mean temperature 0.992 bio2 昼夜温差月均值Mean diurnal range 0.883 bio3 昼夜温差与年温差比Isothermality 0.871 bio4 温度变化方差Temperature seasonality 0.954 bio5 最热月份最高气温Max temperature of the warmest month 0.981 bio6 最冷月份最低气温Min temperature of the coldest month 0.998 bio7 年温变化范围Temperature annual range 0.966 bio8 最湿季平均气温Mean temperature of the wettest quarter 0.920 bio9 最干季平均气温Mean temperature of the driest quarter 0.990 bio10 最暖季平均气温Mean temperature of the warmest quarter 0.977 bio11 最冷季平均气温Mean temperature of the coldest quarter 0.981 bio12 年降水量Annual precipitation 0.971 bio13 最湿月份降水量Precipitation of the wettest month 0.830 bio14 最干月份降水量Precipitation of the driest month 0.981 bio15 降雨量变化方差Precipitation seasonality 0.763 bio16 最湿季降水量Precipitation of the wettest quarter 0.906 bio17 最干季降水量Precipitation of the driest quarter 0.952 bio18 最热季降水量Precipitation of the warmest quarter 0.783 bio19 最冷季降水量Precipitation of the coldest quarter 0.892

表1 环境因子变量对石蒜绵粉蚧分布的影响系数 Table 1 Correlation coefficient of environmental factors related to the distribution of Phenacocccus solani

基于石蒜绵粉蚧现有分布数据及对应的生物气候变量, 通过BIOCLIM模型进行分析预测, 得到石蒜绵粉蚧在全球的潜在地理分布图(图2)。通过国家地图对比, 石蒜绵粉蚧在全球的高度适生区主要集中在湿润的温热带区域, 遍及六大洲包括北美南部、南美洲大部分、非洲中部及以南、欧洲地中海沿岸和亚洲大部分, 尤其是东亚和东南亚、南亚和西南亚以及中亚等地区。中低度适生区包括欧洲中北部和北美中部等。通过对比, 模型预测的分布与现有的模糊分布区域基本一致。预测结果可靠性ROC曲线评价见图3, AUC值为0.9, 说明该模型预测结果可靠。

图2

Fig.2

	Figure Option ViewDownloadNew Window
	图2 BIOCLIM模型预测的石蒜绵粉蚧在全球的潜在地理分布Fig.2 Prediction of potential distribution of Phenacoccus solani in the world in BIOCLIM model

图3

Fig.3

	Figure Option ViewDownloadNew Window
	图3 石蒜绵粉蚧BIOCLIM模型预测结果的AUC值Fig.3 AUC value of prediction in BIOCLIM model for Phenacoccus solani distribution in the world

根据模型分析结果, 我国大部分非常适合石蒜绵粉蚧的生存分布(图4), 高度适生区为江淮、黄淮及长江中下游, 包括海南、贵州、四川东部、广西、广东、湖南、湖北、河南、河北南部、安徽、江西、福建、浙江等省区。中低度适生区为西南大部、西北部分及东北南部, 包括云南、新疆、西藏、甘肃、宁夏、内蒙古、陕西、辽宁等部分区域。预测结果中的地区几乎涵盖了我国境内所有的粮食、油料及经济作物的集中种植区, 特别是长江中下游区域, 部分省区几乎全境都是石蒜绵粉蚧的高度适生区域。

图4

Fig.4

	Figure Option ViewDownloadNew Window
	图4 BIOCLIM模型预测的石蒜绵粉蚧在中国的潜在地理分布(南海群岛地区预测值缺)Fig.4 Prediction of potential distribution of Phenacoccus solani in China in BIOCLIM model (prediction in the South China Sea region was vacancy)