留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于MaxEnt模型的石柱县马尾松毛虫害风险空间分布估测

杨馨媛 黄水生 胡心雨 蒋凤 蒙方鑫 俞琳锋 覃先林

杨馨媛, 黄水生, 胡心雨, 蒋凤, 蒙方鑫, 俞琳锋, 覃先林. 基于MaxEnt模型的石柱县马尾松毛虫害风险空间分布估测[J]. 陆地生态系统与保护学报, 2024, 4(1): 48-58. doi: 10.12356/j.2096-8884.2024-0001
引用本文: 杨馨媛, 黄水生, 胡心雨, 蒋凤, 蒙方鑫, 俞琳锋, 覃先林. 基于MaxEnt模型的石柱县马尾松毛虫害风险空间分布估测[J]. 陆地生态系统与保护学报, 2024, 4(1): 48-58. doi: 10.12356/j.2096-8884.2024-0001
Xinyuan Yang, Shuisheng Huang, Xinyu Hu, Feng Jiang, Fangxin Meng, Linfeng Yu, Xianlin Qin. Estimation of Spatial Distribution of Dendrolimus punctatus Disaster Risk in Shizhu County Based on MaxEnt Model[J]. Terrestrial Ecosystem and Conservation, 2024, 4(1): 48-58. doi: 10.12356/j.2096-8884.2024-0001
Citation: Xinyuan Yang, Shuisheng Huang, Xinyu Hu, Feng Jiang, Fangxin Meng, Linfeng Yu, Xianlin Qin. Estimation of Spatial Distribution of Dendrolimus punctatus Disaster Risk in Shizhu County Based on MaxEnt Model[J]. Terrestrial Ecosystem and Conservation, 2024, 4(1): 48-58. doi: 10.12356/j.2096-8884.2024-0001

基于MaxEnt模型的石柱县马尾松毛虫害风险空间分布估测

doi: 10.12356/j.2096-8884.2024-0001
基金项目: “十四五”国家重点研发计划项目(2022YFD1400400)
详细信息
    作者简介:

    杨馨媛:E-mail:15100637582xinyuan@163.com

    通讯作者:

    E-mail:qxl@ifrit.ac.cn

  • 中图分类号: S763.42

Estimation of Spatial Distribution of Dendrolimus punctatus Disaster Risk in Shizhu County Based on MaxEnt Model

  • 摘要:   目的  精准掌握重庆市石柱土家族自治县马尾松毛虫害的风险范围,为及时有效地防治虫灾提供有力依据。  方法  选取60个马尾松毛虫分布点的数据,结合该县马尾松区域的地形、气候和人为因子,用MaxEnt模型估测该县的马尾松毛虫害风险。通过环境因子的百分比贡献率、置换重要性和环境因子响应曲线,探讨该县马尾松毛虫适宜生境条件。利用该模型的“训练遗漏、预测面积和阈值达到平衡”的阈值和“阈值熵与原始分布熵相等”的阈值对风险区进行风险分级,将该区域的马尾松毛虫害风险等级划分为低风险、中风险和高风险,并通过地理信息系统统计各个风险区的区域面积。通过该模型AUC均值验证估测精度,以及对比该县 2022年马尾松毛虫飞防的区域内各风险区面积占比,对风险分级效果进行验证。  结果  1)年均降水量、月均潜在蒸散发量、距居民点距离和海拔为影响该县马尾松毛虫生存的主要环境因子。2)MaxEnt模型的训练和测试的AUC均值分别为0.92与0.87,标准差为0.013,小于0.05,表明模型的结果为优,预测结果的可靠性高,可用于该县马尾松毛虫害风险估测;通过对比2022 年石柱县春季马尾松毛虫的飞防区域,面积占比高达99.05%,表明高风险区分布与其实际分布高度一致,分级效果好。3)该县马尾松毛虫害高风险区主要集中于临溪镇、悦崃镇、鱼池镇、河嘴乡和万朝镇等;王场镇、龙沙镇、王家乡、西沱镇、黎场乡、沿溪镇和万朝镇的高风险区面积占各自乡镇马尾松区域面积高达90%以上。  结论  研究表明,石柱县的马尾松毛虫害高风险区主要集中在西部和北部的乡镇,通过对乡镇间与乡镇内高风险区分布的统计分析,更全面地了解了马尾松毛虫的风险区分布,可为马尾松毛虫的针对性防治与监管提供科学依据。
  • 图  1  马尾松毛虫分布点的空间分布

    Figure  1.  Spatial distribution of Dendrolimus punctatus distribution points

    图  2  石柱县马尾松毛虫害风险的主要环境因子响应曲线

    Figure  2.  Response curve of main environmental factors to the risk of D. punctatus disaster in Shizhu County

    图  3  石柱县马尾松毛虫害风险空间分布

    Figure  3.  Spatial distribution of D. punctatus disaster risk in Shizhu County

    图  4  石柱县临溪镇马尾松毛虫害风险空间分布

    Figure  4.  Spatial distribution of D. punctatus disaster risk in Linxi Town, Shizhu County

    表  1  研究中所使用的环境因子指标

    Table  1.   Environmental indicators used in the study

    类型 Type名称 Name单位 Unit
    地形
    Terrain
    海拔 Altitudem
    坡度 Gradient°
    坡向 Aspect°
    气候
    Climate
    年均气温 Annual average temperature
    年均最高气温 Annual average highest temperature
    年均最低气温 Annual average lowest temperature
    年均降水量 Annual mean precipitationmm
    月均潜在蒸散发量 Monthly average potential evapotranspirationmm
    人为因子
    Anthropogenic factors
    距道路距离 Distance to roadm
    距居民点距离 Distance to settlementm
    下载: 导出CSV

    表  2  环境因子贡献率及置换重要性

    Table  2.   Contribution rate and permutation importance of environmental indicators

    环境因子
    Environmental indicators
    贡献率
    Contribution rate/%
    置换重要性
    Permutation importance/%
    年均降水量
    Annual mean precipitation
    67.873.4
    月均潜在蒸散发量
    Monthly average potential evapotranspiration
    9.05.2
    距居民点距离
    Distance to settlement
    7.92.1
    海拔
    Altitude
    6.714.3
    坡度
    Gradient
    4.22.1
    年均最低气温
    Annual average lowest temperature
    2.40.4
    距道路距离
    Distance to road
    0.82.2
    坡向
    Aspect
    0.70.4
    年均气温
    Annual average temperature
    0.50
    年均最高气温
    Annual average highest temperature
    00
    下载: 导出CSV

    表  3  马尾松毛虫害各风险区面积

    Table  3.   Areas of each risk level of D. punctatus disaster

    风险分级
    Risk levels
    石柱县 Shizhu County 防治区域 Prevention and control area
    面积
    Area/hm2
    占比
    Percentage/%
    面积
    Area/hm2
    占比
    Percentage/%
    高风险 High risk 31260.06 46.70 311.58 99.05
    中风险 Medium risk 2820.78 4.22 2.97 0.95
    低风险 Low risk 32852.52 49.08 0 0
    下载: 导出CSV

    表  4  石柱县各乡镇马尾松毛虫害高风险区统计结果

    Table  4.   Statistical results of D. punctatus high disaster risk areas in Shizhu County

    乡镇
    Town
    村名
    Villager
    面积
    Area/hm2
    高风险区面积占比
    Proportion of high
    risk areas/%
    临溪镇
    Linxi
    高建村、红阳村、花厅村、黎家村、民主村、南峰村、前光村、前进村、新街村、旭光村4732.9973.04
    悦崃镇
    Yuelai
    东木村、联合村、绿桃村、蜜红村、水桥村、寺院村、五岗村、新城村、悦崃村3491.1089.86
    鱼池镇
    Yuchi
    白江村、大坪村、黄金村、金竹村、山娇村、水田村、团结村、鱼池村2683.4689.87
    河嘴乡
    Hezui
    富民村、联盟村、旗峰村、双风村、同心村、银杏塘村、长沟村2555.5287.55
    万朝镇
    Wanchao
    万福村、万富村、万康村、万乐村、万强村、万兴村2069.5892.76
    国有林场
    State-owned forest farms
    茶店管护站、茨竹垭管护站、黄水管护站、江阳坝管护站、南宾管护站、三星管护站、石梁河管护站、岩口管护站2027.5348.54
    龙沙镇
    Longsha
    大沙村、老林村、青龙村、石岭村、永丰村、油坊村、长坪村、中海村1831.7395.59
    桥头镇
    Qiaotou
    马鹿村、桥头村、田畈村、瓦屋村、野鹤村、长沙村、赵山村1805.6073.02
    石家乡
    Shijia
    安桥村、凤凰村、黄龙村、九龙村、石龙村1398.3566.50
    下路街道
    Xialu Street
    白鹤村、柏树村、高鹿村、高平村、红岩村、湖海村、金彰村、上进村、双香村、天泉村、银河村、照明村1369.7285.60
    大歇镇
    Daxie
    大歇村、方斗村、干柏村、高扬村、黄山村、流水村、龙泉村、龙王村、双坝村、双会村986.2568.21
    三星乡
    Sanxing
    观音村、雷庄村、三树村、石星村、五斗村、下塘村934.8032.45
    王家乡
    Wangjia
    光华村、花源村、蜜园村、山泉村、五岭村、雄风村925.3895.48
    王场镇
    Wangchang
    大坝村、蛟鱼村、秦家村、石溪村、双龙村、双星村、太和村792.2199.21
    沿溪镇
    Yanxi
    滨江村、陡岩村、静观村、坡口村、清明村、清溪村、新阳村656.6992.91
    三益乡
    Sanyi
    大堡村、新田村、寨上村、中堆村589.7272.87
    西沱镇
    Xituo
    黄角岩村、南坪村、太平桥村、西山村、玉石村、朱家槽村、竹景山586.6794.99
    六塘乡
    Liutang
    大塘村、高龙村、黄腊村、回龙村、六塘村、平桥村、三汇村、三坪村480.617.70
    黄水镇
    Huangshui
    大风堡村、黄水村、金花村、清河村442.2246.95
    南宾街道
    Nanbin Street
    城北村、河坝村、红井村、红星村、黄鹤村、梁峰村、双庆村、勇飞村310.2245.56
    中益乡
    Zhongyi
    光明村、华溪村、龙河村、坪坝村、盐井村277.346.36
    三河镇
    Sanhe
    白玉村、蚕溪村、大河村、拱桥村、红明村、三店村、四方村、万寿寨村、鸭庄村、永和村、玉岭村135.0381.24
    沙子镇
    Shazi
    青园村、沙子村、星光村、兴隆村、鱼泉村112.941.79
    万安街道
    Wanan Street
    宝坪村、城南村、灯盏村、华丰村、黄鹿村、龙坪村、沙谷村44.5522.16
    枫木乡
    Fengmu
    昌坪村、国峰村、莲花村6.577.26
    洗新乡
    Xixin
    五坪村1.440.12
    黎场乡
    Lichang
    深溪村0.0594.35
    下载: 导出CSV
  • [1] 陈基近, 符忆华, 2020. 马尾松常见病虫害防治方法探究[J]. 南方农业, 14(8): 60-61. doi:  10.19415/j.cnki.1673-890x.2020.08.032
    [2] 韩大校, 王烁, 张瑜, 等, 2023. 松毛虫发生的驱动因素及灾害控制技术的研究进展[J]. 温带林业研究, 6(3): 52-56. doi:  10.3969/j.issn.2096-4900.2023.03.009
    [3] 韩瑞东, 何忠, 戈峰, 2004. 影响松毛虫种群动态的因素[J]. 昆虫知识, (6): 504-511. doi:  10.3969/j.issn.0452-8255.2004.06.002
    [4] 侯陶谦, 1993. 中国松毛虫防治研究进展[J]. 森林病虫通讯, (2): 40-42.
    [5] 孔维尧, 李欣海, 邹红菲, 2019. 最大熵模型在物种分布预测中的优化[J]. 应用生态学报, 30(6): 2116-2128. doi:  10.13287/j.1001-9332.201906.029
    [6] 李明洁, 2023. 基于MaxEnt模型的东北地区松毛虫害风险评估与预测[D]. 长春: 吉林大学.
    [7] 李霓雯, 张晓丽, 张凝, 等, 2019. 基于加权信息量模型的油松毛虫灾害发生危险性评价[J]. 林业科学, 55(3): 106-117. doi:  10.11707/j.1001-7488.20190312
    [8] 庞永华, 冀小菊, 2019. 基于机器学习的马尾松毛虫发生面积预测模型[J]. 江西农业学报, 31(5): 55-58. doi:  10.3969/j.issn.1001-8581.2019.05.010
    [9] 田开慧, 陈怡帆, 周宏威, 2022. 湖南湘西州马尾松毛虫和松材线虫病发生非线性建模与预测[J]. 森林工程, 38(6): 38-44. doi:  10.3969/j.issn.1006-8023.2022.06.005
    [10] 武红敢, 王成波, 苗振旺, 等, 2021. 森林资源亚健康状态的卫星遥感预警技术研究[J]. 遥感技术与应用, 36(5): 1121-1130. doi:  10.11873/j.issn.1004-0323.2021.5.1121
    [11] 吴思俊, 朱天辉, 谯天敏, 2021. 基于物种分布模型对未来气候变化下云南松毛虫在四川省适生区的预测[J]. 植物保护学报, 48(4): 882-890. doi:  10.13802/j.cnki.zwbhxb.2021.2020124
    [12] 吴艳, 王洪峰, 穆立蔷, 2022. 物种分布模型的研究进展与展望[J]. 高师理科学刊, 42(5): 66-70. doi:  10.3969/j.issn.1007-9831.2022.05.012
    [13] 萧刚柔, 1992. 中国森林昆虫(增订本)[M]. 2版. 北京: 中国林业出版社.
    [14] 许格希, 余荣兵, 杨昌旭, 等, 2023. 基于GIS空间技术和MaxEnt模型预测川西松材线虫病入侵风险[J]. 北京林业大学学报, 45(9): 104-115. doi:  10.12171/j.1000-1522.20220527
    [15] 张真, 李典漠, 2008. 马尾松毛虫暴发机制分析[J]. 林业科学, 44(1): 140-150. doi:  10.3321/j.issn:1001-7488.2008.01.023
    [16] 重庆市石柱土家族自治县人民政府, (2022-07-12) [2024-01-08]. 石柱土家族自治县人民政府关于印发《石柱土家族自治县“十四五”自然资源利用和发展规划(2021—2025年)》的通知[EB/OL]. http://cqszx.gov.cn/zwgk_260/zcwj_xzf/qtgw/202208/t20220831_11058438.html.
    [17] 宋雄刚, 王鸿斌, 张真, 等, 2016. 应用最大熵模型模拟预测大尺度范围油松毛虫灾害[J]. 林业科学, 52(6): 66-75. doi:  10.11707/j.1001-7488.20160608
    [18] Boubli J, Lima M G D, 2009. Modeling the geographical distribution and fundamental niches of Cacajao spp. and Chiropotes israelita in northwestern amazonia via a maximum entropy algorithm[J]. International Journal of Primatology, 30(2): 217-228. doi:  10.1007/s10764-009-9335-4
    [19] Hernandez P A, Franke I, Herzog S K, et al, 2008. Predicting species distributions in poorly-studied landscapes[J]. Biodiversity and Conservation, 17(6): 1353-1366. doi:  10.1007/s10531-007-9314-z
    [20] Kumbula S, Mafongoya P, Peerbhay K, et al, 2019. Using Sentinel-2 multispectral images to map the occurrence of the Cossid moth (Coryphodema tristis) in Eucalyptus nitens plantations of Mpumalanga, South Africa[J]. Remote Sensing, 11(3): 278. doi:  10.3390/rs11030278
    [21] Pearson R G, Dawson T P, 2003. Predicting the impacts of climate change on the distribution of species: are bioclimate envelope models useful?[J]. Global Ecology and Biogeography, 12(5): 361-371. doi:  10.1046/j.1466-822X.2003.00042.x
    [22] Phillips S J, Anderson R P, Schapire R E, 2006. Maximum entropy modeling of species geographic distributions[J]. Ecological Modelling, 190(3/4): 231-259. doi:  10.1016/j.ecolmodel.2005.03.026
    [23] Phillips S J, Dudik M, Schapire R E, 2004 [2024-01-08]. A maximum entropy approach to species distribution modeling[R/OL]. Proceedings of the twenty-first international conference on Machine Learning. New York, NY, USA: Association for Computing Machinery, 655-662. https://doi.org/10.1145/1015330.1015412.
    [24] Swets J, 1988. Measuring the accuracy of diagnostic systems[J]. Science, 240(4857): 1285-1293. doi:  10.1126/science.3287615
    [25] Warren D L, Wright A N, Seifert S N, et al, 2014. Incorporating model complexity and spatial sampling bias into ecological niche models of climate change risks faced by 90 California vertebrate species of concern[J]. Diversity and Distributions, 20(3): 334-343. doi:  10.1111/ddi.12160
  • 加载中
图(4) / 表(4)
计量
  • 文章访问数:  87
  • HTML全文浏览量:  40
  • PDF下载量:  18
  • 被引次数: 0
出版历程
  • 收稿日期:  2024-01-08
  • 录用日期:  2024-02-26
  • 网络出版日期:  2024-04-19
  • 刊出日期:  2024-02-29

目录

    /

    返回文章
    返回