叶尔羌河流域中下游胡杨林春尺蠖虫害蔓延的驱动因子分析

黄铁成 张晓丽 陈蜀江 尹小英 贾翔 陈孟禹

引用本文:
Citation:

叶尔羌河流域中下游胡杨林春尺蠖虫害蔓延的驱动因子分析

    作者简介: 黄铁成(1986−),男,河南人,博士生,助理研究员,主要从事林业遥感方面的研究. E-mail:huangtiechengl@163.com;
    通讯作者: 张晓丽, zxl126@126.com
  • 中图分类号: S763

An analysis on the driving factors of Apochemia cineraius Erschoft spread of Populus euphratica forest in the middle and lower Yeerqiang River Basin

    Corresponding author: ZHANG Xiao-li, zxl126@126.com ;
  • CLC number: S763

  • 摘要: 为探寻胡杨(Populus euphratica Oliv.)春尺蠖(Apochemia cineraius Erschoft)蔓延的驱动因子,以叶尔羌河流域中下游夏河林场作为研究区域,采用2001—2016年多时相、中等分辨率的MODIS NDVI数据提取虫害发生区域并划分等级,分析虫害蔓延规律,探寻影响胡杨春尺蠖蔓延的驱动因素. 结果表明:2001年至今,春尺蠖虫害各等级发生面积均有增加,发生范围也在逐年蔓延,由无虫害转移至有虫害的面积占比达59%,发病率已超过50%,急需针对重灾区开展精准治理;在胡杨春尺蠖蔓延过程中,地表温度起主要作用,其次是灾害区距河流距离,灾害区距主要公路距离,影响最小的是到虫源点的距离.
  • 图 1  研究区胡杨林分布图

    Figure 1.  The distribution map of Populus euphratica in study area

    图 2  胡杨NDVI时间曲线

    Figure 2.  The NDVI time spectrum curve of Populus euphratica

    图 3  2001—2016年虫害等级面积统计

    Figure 3.  Area statistics of pest severity from 2001 to 2016

    图 4  研究区2001—2016年胡杨春尺蠖虫害转移分布

    Figure 4.  The transfer distribution map about damage of Apochemia cineraius Erschoft of Populus euphratica forest from 2001 to 2016

    图 5  不同危害程度与驱动因子的ROC曲线

    Figure 5.  The ROC curves of pest damage levels and driving factors

    表 1  驱动因子与描述

    Table 1.  The description of the driving factors

    驱动因子代码因子简述
      地表温度Sclgr1.fil    每个像元中心的地表温度
      到河流距离Sclgr2.fil    每个像元中心距河流的空间距离
      到公路距离Sclgr3.fil    每个像元中心距离最近的公路的空间距离
      到农田距离Sclgr4.fil    每个像元中心距离最近农田的空间距离
      到虫源点距离Sclgr5.fil    每个像元中心距离最近热点(虫源点)的空间距离
    下载: 导出CSV

    表 2  胡杨春尺蠖虫害各等级分类结果精度评价

    Table 2.  Accuracy evaluation of classification results in various grades Apochemia cineraius Erschoft of Popalus damage levels

    验证次数样本数错分样本正确样本总精度/%
    12011995
    22011995
    320020100
    42011995
    52011995
    62021890
    720020100
    82011995
    92021890
    102011995
    112011995
    1220020100
    132011995
    142011995
    152021890
    平均2011995
    下载: 导出CSV

    表 3  研究区各虫害等级分类的Logistic回归的β

    Table 3.  The β value of Logistic regression of pest damage level classification in study area

    虫害等级极重度虫害重度虫害中度虫害轻度虫害无虫害
      地表温度0.000 680.000 420.000 160.000 19−0.000 18
      距主要河流的距离−0.000 41−0.000 39−0.000 15−0.000 18−0.000 3
      距主要公路的距离−0.000 090.000 050.000 040.000 060.000 11
      距农田的距离0.000 140.000 17−0.000 020.000 040.000 06
      距虫源点的距离−0.000 23−0.000 25−0.000 3−0.000 16−0.000 02
      常量−3.303 52−3.198 35−3.152 62−3.153 69−0.542 17
    下载: 导出CSV

    表 4  研究区各虫害等级分类的Logistic回归的Exp(β)值

    Table 4.  The Exp(β) value of Logistic regression of pest damage level classification in study area

    虫害等级极重度虫害重度虫害中度虫害轻度虫害无虫害
      地表温度0.997 50.998 260.998 540.998 150.997 6
      距主要河流的距离0.998 990.999 610.999 850.999 820.999 7
      距主要公路的距离0.999 771.000 051.000 041.000 061.000 11
      距农田的距离0.999 821.000 170.999 981.000 041.000 06
      距虫源点的距离0.999 770.999 750.999 70.999 9840.999 98
      常量0.027 090.033 860.037 940.033 87−0.594 27
    下载: 导出CSV
  • [1] 王世绩, 陈炳浩, 李护群. 胡杨林[M]. 北京: 中国环境科学出版社, 1995.

    Wang S J, Chen B H, Li H Q. Populus euphratica forest[M]. Beijing: China Environmental Science Press, 1995.
    [2] 黄铁成. 新疆塔里木河流域吐加依林春尺蠖危害遥感监测研究[D]. 乌鲁木齐: 新疆师范大学, 2012.

    Huang T C. The Study of remote sensing monitoring for the damage of Apocheima Cinerius Erschoff on Tugayi forest in Xinjiang Tarim River Basin[D]. Urumqi: Xinjiang Normal University, 2012.
    [3] 邱琳, 王蕾, 罗磊, 等. 基于时间序列塔里木河中游胡杨林春尺蠖危害的遥感监测[J]. 新疆农业科学, 2018, 55(3): 518-527. DOI:  10.6048/j.issn.1001-4330.2018.03.015. Qiu L, Wang L, Luo L, et al. Study of remote sensing monitoring for the damage of Apocheima cinerarius on Tugai forest in Middle Reaches Area of the Tarim River based on time series[J]. Xinjiang Agricultural Sciences, 2018, 55(3): 518-527.
    [4] 邱琳. 塔里木河中游胡杨林春尺蠖幼虫危害遥感监测[D]. 乌鲁木齐: 新疆大学, 2018.

    Qiu L. The study of remote sensing monitoring for the damage of Apocheima Cinerius Erschoff on Tugayi forest in Tarim River Basin[D]. Urumqi: Xinjiang University, 2018.
    [5] 郭仲伟, 吴朝阳, 汪箫悦. 基于卫星遥感数据的森林病虫害监测与评价[J]. 地理研究, 2019, 38(4): 831-843. DOI:  10.11821/dlyj020180299. Guo Z W, Wu C Y, Wang X Y. Forest insect-disease monitoring and estimation based on satellite remote sensing data[J]. Geographical Research, 2019, 38(4): 831-843.
    [6] Stone C, Mohammed C. Application of remote sensing technologies for assessing planted forests damaged by insect pests and fungal pathogens: A review[J]. Current Forestry Reports, 2017, 3(2): 75-92. DOI:  10.1007/s40725-017-0056-1.
    [7] Hall R J, Castilla G, White J C, et al. Remote sensing of forest pest damage: a review and lessons learned from a Canadian perspective[J]. Canadian Entomologist, 2016, 1481: S296-S356. DOI:  10.4039/tce.2016.11.
    [8] 亓兴兰, 肖丰庆, 刘健, 等. 基于SPOT-5影像的马尾松毛虫虫害遥感监测研究[J]. 中南林业科技大学学报, 2019, 39(4): 59-65. DOI:  10.14067/j.cnki.1673-923x.2019.04.011. Qi X L, Xiao F Q, Liu J, et al. Study on monitoring Dendrolimus punctatus damage based on SPOT-5 remote sensing image[J]. Journal of Central South University of Forestry & Technology, 2019, 39(4): 59-65.
    [9] Vanegas F, Bratanov D, Powell K, et al. A novel methodology for improving plant pest surveillance in vineyards and crops using Uav-based hyperspectral and spatial data[J]. Sensors, 2018, 18: 1-21. DOI:  10.3390/s18010260.
    [10] 张鹏霞. 森林虫害发生动态及江西松褐天牛适生性研究[D]. 南昌: 江西农业大学, 2016.

    Zhang P X. Dynamics of forest pests and the adaptability of Monochamus alternatus in Jiangxi[D]. Nanchang: Jiangxi Agricultural University, 2016.
    [11] Chávez R, Rocco R, Gutiérrez Á, et al. A self-calibrated non-parametric time series analysis approach for assessing insect defoliation of broad-leaved deciduous Nothofagus pumilio forests[J]. Remote Sensing, 2019, 11(2): 204-224. DOI:  10.3390/rs11020204.
    [12] Housman I, Chastain R, Finco M. An evaluation of forest health insect and disease survey data and satellite-based remote sensing forest change detection methods: Case studies in the United States[J]. Remote Sensing, 2018, 10(8): 1 184-1 205. DOI:  10.3390/rs10081184.
    [13] Rahimzadeh-Bajgiran P, Weiskittel A, Kneeshaw D, et al. Detection of annual spruce budworm defoliation and severity classification using landsat imagery[J]. Forests, 2018, 9(6): 357-374. DOI:  10.3390/f9060357.
    [14] Pasquarella V, Bradley B, Woodcock C. Near-real-time monitoring of insect defoliation using landsat time series[J]. Forests, 2017, 8(8): 275-292. DOI:  10.3390/f8080275.
    [15] 武红敢, 王成波, 常原飞. 变色立木的无人机遥感监测技术[J]. 中国森林病虫, 2019, 38(4): 29-32. DOI: 10.19688/j.cnki.issn1671-0886.20190007.

    Wu H G, Wang C B, Chang Y F. Unmanned aerial survey of discolored trees[J]. The Research Institute of Forest Resources Information Technique, 2019, 38(4): 29-32.
    [16] 孙钰, 周焱, 袁明帅, 等. 基于深度学习的森林虫害无人机实时监测方法[J]. 农业工程学报, 2018, 34(21): 74-81. DOI:  10.11975/j.issn.1002-6819.2018.21.009. Sun Y, Zhou Y, Yuan M S, et al. UAV real-time monitoring for forest pest based on deep learning[J]. Transactions of the Chinese Society of Agricultural Engineering, 2018, 34(21): 74-81.
    [17] Zhang N, Zhang X, Yang G, et al. Assessment of defoliation during the Dendrolimus tabulaeformis Tsai et Liu disaster outbreak using UAV-based hyperspectral images[J]. Remote Sensing of Environment, 2018, 217: 323-339. DOI:  10.1016/j.rse.2018.08.024.
    [18] Näsi R, Honkavaara E, Blomqvist M, et al. Remote sensing of bark beetle damage in urban forests at individual tree level using a novel hyperspectral camera from UAV and aircraft[J]. Urban Forestry & Urban Greening, 2018, 30: 72-83. DOI:  10.1016/j.ufug.2018.01.010.
    [19] 汪航, 师茁, 王岩, 等. 基于MODIS时间序列数据的春尺蠖虫害遥感监测方法研究——以新疆巴楚胡杨为例[J]. 遥感技术与应用, 2018, 33(4): 686-695. DOI:  10.11873/j.issn.1004-0323.2018.4.0686. Wang H, Shi Z, Wang Y, et al. A method for detecting the damage of Apocheima Cinerarius Erschoff based on MODIS time series: Case studies in Bachu Populus Euphratica forest of Xinjiang Province[J]. Remote Sensing Technology and Application, 2018, 33(4): 686-695.
    [20] Matzrafi M. Climate change exacerbates pest damage through reduced pesticide efficacy[J]. Pest Management Science, 2019, 75(1): 9-13. DOI:  10.1002/ps.5121.
    [21] Osawa T, Yamasak K, Tabuchi K, et al. Climate-mediated population dynamics enhances distribution range expansion of the pest insect, Stenotus rubrovittatus[J]. Basic and Applied Ecology, 2018, 30: 41-51. DOI:  10.1016/j.baae.2018.05.006.
    [22] 王庆. 极端气候对三种森林虫害发生趋势的影响[D]. 北京: 中国林业科学研究院, 2016.

    Wang Q. Effect of extreme climate on the occurrence trend of three forest pests[D]. Beijing: Chinese Academy of Forestry, 2016.
    [23] 刘逸豪, 贾翔, 侯博展, 等. 叶尔羌河流域胡杨春尺蠖虫态发育节律对地表温度的响应[J]. 生态科学, 2019, 38(2): 119-129. DOI:  10.14108/j.cnki.1008-8873.2019.02.016. Liu Y H, Jia X, Hou B Z, et al. The response of developmental rhythm of Populus euphratica Apocheima Cinerius Erschoff in Yarkant River Basin to surface temperature[J]. Ecological Science, 2019, 38(2): 119-129.
    [24] Li X, Yao H X, Sun X S, et al. On dense sampling size[C]. Melbourne, VIC: 2013 IEEE International Conference on Image Processing, 2013.
    [25] 林忠辉, 莫兴国. NDVI时间序列谐波分析与地表物候信息获取[J]. 农业工程学报, 2006, 22(12): 138-144. DOI:  10.3321/j.issn:1002-6819.2006.12.029. Lin Z H, Mo X G. Phenologies from harmonics analysis of AVHRR NDVI time series[J]. Transactions of the CSAE, 2006, 22(12): 138-144.
    [26] 冯宏祖, 王兰, 胡卫江. 沙雅县天然胡杨林春尺蠖发生规律的初步研究[J]. 新疆农业科学, 2005, 42(1): 57-58. DOI:  10.3969/j.issn.1001-4330.2005.01.015. Feng H Z, Wang L, Hu W J. The preliminary study on occurrence of Apocheima cinerarius Erschoffin natural poplar of Shaya County[J]. Xinjiang Agricultural Sciences, 2005, 42(1): 57-58.
    [27] 吴雪海. 北疆春尺蠖发生动态及防治技术研究[D]. 石河子: 石河子大学, 2017.

    Wu X H. The occurrence dynamics and control technology of Apocheima Cinerarius (Lepidoptera: Geometridae) in Northern Xinjiang[D]. Shihezi: Shihezi University, 2017.
    [28] 刘海军, 闫俊杰, 崔东, 等. 伊宁市土地利用结构变化及人文驱动因子分析[J]. 云南大学学报: 自然科学版, 2019, 41(2): 309-316. DOI:  10.7540/j.ynu.20180108. Liu H J, Yan J J, Cui D, et al. Analysis of land use structure change and human driving factors in Yining[J]. Journal of Yunnan University: Natural Sciences Edition, 2019, 41(2): 309-316.
    [29] 吴健生, 任奕蔚, 张曦文. 2004—2013年云南省春旱时空特征分析[J]. 云南大学学报: 自然科学版, 2016, 38(6): 897-902. DOI:  10.7540/j.ynu.20160188. Wu J S, Ren Y W, Zhang X W. On spatial-temporal analysis of drought in Yunnan Province from 2004 to 2013[J]. Journal of Yunnan University: Natural Sciences Edition, 2016, 38(6): 897-902.
    [30] 白全红, 刘勇, 陈菁菁, 等. 基于Logistic模型的烤烟收购质量控制分析[J]. 云南大学学报: 自然科学版, 2014, 36(S1): 1-5. DOI:  10.7540/j.ynu.20140049. Bai Q H, Liu Y, Chen J J, et al. Quality control analysis of flue-cured tobacco acquisition based on the Logistic Model[J]. Journal of Yunnan University: Natural Sciences Edition, 2014, 36(S1): 1-5.
    [31] Ward S F, Aukema B H. Anomalous outbreaks of an invasive defoliator and native bark beetle facilitated by warm temperatures, changes in precipitation and interspecific interactions[J]. Ecography, 2018, 42: 1-11. DOI:  10.1111/ecog.04239.
    [32] 张鹏霞, 叶清, 欧阳芳, 等. 气候变暖、干旱加重江西省森林病虫灾害[J]. 生态学报, 2017, 37(2): 639-649. DOI:  10.5846/stxb201508061661. Zhang P X, Ye Q, Ouyang F, et al. Global warming and droughts aggravates forest damage resulting from pests and diseases in Jiangxi Province[J]. Acta Ecologica Sinica, 2017, 37(2): 639-649.
    [33] Aukema B H, Carroll A L, Zheng Y, et al. Movement of outbreak populations of mountain pine beetle: Influences of spatiotemporal patterns and climate[J]. Ecography, 2008, 31(3): 348-358. DOI:  10.1111/j.2007.0906-7590.05453.x.
    [34] Bentz B J, Jacques Régnière, Fettig C J, et al. Climate change and bark beetles of the Western United States and Canada: Direct and indirect effects[J]. BioScience, 2010, 60(8): 602-613. DOI:  10.1525/bio.2010.60.8.6.
    [35] Safranyik L, Carroll A L, Régnière J, et al. Potential for range expansion of mountain pine beetle into the boreal forest of North America[J]. The Canadian Entomologist, 2010, 142(5): 415-442. DOI:  10.4039/n08-CPA01.
    [36] Bale J S, Masters G J, Hodkinson I. D, et al. Herbivory in global climate change research: direct effects of rising temperature on insect herbivores[J]. Global Change Biology, 2018, 8(1): 1-16. DOI:  10.1046/j.1365-2486.2002.00451.x.
    [37] 卿薇. 主要环境因子对春尺蠖发生动态的影响研究[D]. 乌鲁木齐: 新疆农业大学, 2016.

    Qing W. Main environmental factors on the dynamics variation of Apocheima Cinerarius Erschof[D]. Urumqi: Xinjiang Agricultural University, 2016.
    [38] Lesk C, Coffel E, D'Amato A W, et al. Threats to North American forests from southern pine beetle with warming winters[J]. Nature Climate Change, 2017, 7(10): 713-717. DOI:  10.1038/nclimate3375.
    [39] 宋保伟. 美洲斑潜蝇蛹的耐寒性研究[J]. 农业与技术, 2015, 35(24): 10-11. DOI:  10.11974/nyyjs.20151232007. Song B W. Cold-hardiness of Liriomyza sativae Blanchard[J]. Agriculture and Technology, 2015, 35(24): 10-11.
    [40] 孙守慧, 郑晔, 徐晓蕊, 等. 沈阳地区美国白蛾的食性偏好及其耐寒性研究[J]. 沈阳农业大学学报, 2015, 46(2): 225-229. DOI:  10.3969/j.issn.1000-1700.2015.02.016. Sun S H, Zheng Y, Xu X R, et al. Feeding preference and cold-hardiness of Hyphantria cunea drury in Shenyang Area[J]. Journal of Shenyang Agricultural University, 2015, 46(2): 225-229.
    [41] 周雪英, 贾健, 刘国强, 等. 1997—2017年塔克拉玛干沙漠腹地降水特征[J]. 中国沙漠, 2019, 39(1): 187-194. DOI: 10.7522/j.issn.1000-694X.2018.00022. Zhou X Y, Jia J, Liu G Q, et al. Characteristics of Precipitation at hinterland of taklimakan desert from 1997 to 2017[J]. Journal of Desert Research, 2019, 39(1): 187-194.
    [42] 周成龙, 钟昕洁, 张仕明, 等. 塔克拉玛干沙漠腹地与周边地区降水及风沙环境对比分析[J]. 干旱区资源与环境, 2017, 31(2): 117-122. DOI:  10.13448/j.cnki.jalre.2017.054. Zhou C L, Zhong X J, Zhang S M, et al. The comparison of precipitation and wind-blown sand environment over the hinterland of Taklamakan Desert with its surrounding regions[J]. Journal of Arid Land Resources and Environment, 2017, 31(2): 117-122.
    [43] 白彬, 陈蜀江, 耿庆龙, 等. 塔里木河流域春尺蠖发生空间分布与生境关系研究[J]. 江西农业学报, 2008, 20(5): 56-58. DOI:  10.19386/j.cnki.jxnyxb.2008.05.020. Bai B, Chen S J, Geng Q L, et al. Study on spatial distribution and habitat relationship of Apocheima Cinerarius Erschof pubescens in Tarim River Basin[J]. Jiangxi Agricultural Journal, 2008, 20(5): 56-58.
    [44] 王鹏赫, 赵成义, 王丹丹, 等. 气候变化对叶尔羌河流域极端水文事件的影响[J]. 生态科学, 2018, 37(6): 1-8. DOI:  10.14108/j.cnki.1008-8873.2018.06.001. Wang P H, Zhao C Y, Wang D D, et al. Influence of climate change on hydrological extremes of Yarkant River Basin[J]. Ecological Science, 2018, 37(6): 1-8.
    [45] 林家煌, 黄铁成, 来风兵, 等. 塔里木河中游胡杨高径系数及其对生境的指示意义[J]. 生态学报, 2017, 37(10): 3 355-3 364. DOI:  10.5846/stxb201608111645. Lin J H, Huang T C, Lai F B, et al. The height-diameter coefficient of Populus euphratica and its indicative significance to the habitat in the middle reaches of the Tarim River[J]. Acta Ecologica Sinica, 2017, 37(10): 3 355-3 364.
    [46] 胡爱芝. 春尺蠖对胡杨的危害及其防治措施[J]. 新疆农业科技, 2005, 8(3): 29-29. DOI:  10.3969/j.issn.1007-3574.2005.03.032. Hu A Z. The harm of Populus euphratica Apocheima Cinerarius Erschof and its control measures[J]. Xinjiang Agricultural Science and Technology, 2005, 8(3): 29-29.
    [47] 罗玻军, 潘国庆, 刘国强, 等. 春尺蠖在胡杨树上大发生原因与防治措施[J]. 新疆农业科技, 2003, 6(1): 39-40. DOI:  10.3969/j.issn.1007-3574.2003.01.039. Luo B J, Pan G Q, Liu G Q, et al. Causes and control measures of Apocheima Cinerarius Erschof in Populus euphratica[J]. Xinjiang Agricultural Science and Technology, 2003, 6(1): 39-40.
    [48] Moise E R D, Lavigne M B, Johns R C. Density has more influence than drought on spruce budworm (Choristoneura fumiferana) performance under outbreak conditions[J]. Forest Ecology and Management, 2019, 433: 170-175. DOI:  10.1016/j.foreco.2018.10.031.
    [49] 马建军, 姚虹, 齐志利. 春尺蠖越冬蛹羽化特性及幼虫空间分布研究[J]. 中国森林病虫, 2010, 29(1): 10-12. DOI:  10.3969/j.issn.1671-0886.2010.01.004. Ma J J, Yao H, Qi Z L. Emergence characteristics of overwintering Apocheima cinerarus and its larval spatial distribution pattern[J]. Chinese forest pests and diseases, 2010, 29(1): 10-12.
  • [1] 刘海军闫俊杰崔东孙国军图热妮萨·图尔贡 . 伊宁市土地利用结构变化及人文驱动因子分析. 云南大学学报(自然科学版), 2019, 41(2): 309-316. doi: 10.7540/j.ynu.20180108
    [2] 杨琼李熙萌李征珍石莎冯金朝 . 胡杨异胚发育叶片碳平衡研究. 云南大学学报(自然科学版), 2015, 37(4): 607-615. doi: 10.7540/j.ynu.20150082
    [3] 李京龙武胜利 . 不同更新方式下胡杨幼苗光响应和CO2响应的对比研究. 云南大学学报(自然科学版), 2020, 42(3): 567-576. doi: 10.7540/j.ynu.20190491
    [4] 丁剑宏尹龙师小宁段兴武 . 红河流域景观格局演变特征研究. 云南大学学报(自然科学版), 2017, 39(5): 780-788. doi: 10.7540/j.ynu.20160636
    [5] 叶长青甘淑李运刚 . 红河流域降水量的时空变异特征. 云南大学学报(自然科学版), 2008, 30(1): 54-60.
    [6] 郎学东彭明春王崇云李永杰段禾祥李晓华江望高 . 南滚河流域亚洲象生境质量现状评价. 云南大学学报(自然科学版), 2008, 30(4): 415-423.
    [7] 游珍杨艳昭姜鲁光封志明张景华 . 基于DEM数据的澜沧江-湄公河流域地形起伏度研究. 云南大学学报(自然科学版), 2012, 34(4): 393-400.
    [8] 王娟张曙赵晖 . 长江、黄河流域洪涝灾害的可公度性分析及灾害趋势研究. 云南大学学报(自然科学版), 2009, 31(3): 267-273 .
    [9] 孔兵李彤梁彬 . 事件驱动系统的Petri网建模. 云南大学学报(自然科学版), 2003, 25(1): 13-16.
    [10] 钱文华徐 丹岳 昆赵征鹏 . 应用驱动的教学改革研究——以“计算机图形学”为例. 云南大学学报(自然科学版), 2014, 36(S2): 96-99. doi: 10.7540/j.ynu.2014a18
    [11] 于占东赵自保曾春华谢崇伟 . 色关联噪声驱动双稳系统平均首通时间的研究. 云南大学学报(自然科学版), 2009, 31(5): 493-498 .
    [12] . 不同冠高腾冲栲叶片结构及其影响因子. 云南大学学报(自然科学版), 2013, 35(1): 114-120. doi: 10.7540/j.ynu.2012.12154
    [13] 王秀荣赵杨丁贵杰 . 气象因子对麻疯树主要物候的影响. 云南大学学报(自然科学版), 2012, 34(5): 613-620.
    [14] 徐慧娟黄江成 . 基于关键驱动力的怒江州兰坪县泥石流危险性评价. 云南大学学报(自然科学版), 2015, 37(2): 240-249. doi: 10.7540/j.ynu.20140665
    [15] 石磊崔建福周汝良王铭 . 主因子模型的局部影响分析及其在地质中的应用. 云南大学学报(自然科学版), 2004, 26(3): 183-187,203.
    [16] 苏文华张光飞 . 滇重楼光合作用与环境因子的关系. 云南大学学报(自然科学版), 2003, 25(6): 545-548.
    [17] 钱振伟高怀雁罗艳琳廖鸿志 . 基于在BP嵌入动量因子的IDSS函数逼近器. 云南大学学报(自然科学版), 2002, 24(6): 414-416.
    [18] 刘建军卢敏南胡月新吕琦 . 人白血病抑制因子(hLIF)单克隆抗体的制备与鉴定. 云南大学学报(自然科学版), 2013, 35(S1): 311-315. doi: 10.7540/j.ynu.20130247
    [19] 李颂徐维明杨喆周丽徐彤浩 . 重组人粒细胞-巨噬细胞集落刺激因子菌种稳定性研究. 云南大学学报(自然科学版), 2003, 25(4): 364-367.
    [20] 何云刚赖建华钱伟陈瑶谭德勇 . 利用RIG质粒在大肠杆菌中有效表达转录因子类蛋白. 云南大学学报(自然科学版), 2002, 24(2): 130-133.
  • 加载中
图(5)表(4)
计量
  • 文章访问数:  767
  • HTML全文浏览量:  953
  • PDF下载量:  23
  • 被引次数: 0
出版历程
  • 收稿日期:  2019-02-01
  • 录用日期:  2019-05-16
  • 网络出版日期:  2019-11-15
  • 刊出日期:  2020-03-01

叶尔羌河流域中下游胡杨林春尺蠖虫害蔓延的驱动因子分析

    作者简介:黄铁成(1986−),男,河南人,博士生,助理研究员,主要从事林业遥感方面的研究. E-mail:huangtiechengl@163.com
    通讯作者: 张晓丽, zxl126@126.com
  • 1. 北京林业大学 精准林业北京市重点实验室,北京 100083
  • 2. 新疆师范大学 地理科学与旅游学院,新疆乌鲁木齐 830054
  • 3. 中亚大气科学研究中心,新疆 乌鲁木齐 830002
  • 4. 乌鲁木齐空间遥感应用研究所,新疆 乌鲁木齐 830054
  • 5. 苏州科技大学 外国语学院,江苏 苏州 215009

摘要: 为探寻胡杨(Populus euphratica Oliv.)春尺蠖(Apochemia cineraius Erschoft)蔓延的驱动因子,以叶尔羌河流域中下游夏河林场作为研究区域,采用2001—2016年多时相、中等分辨率的MODIS NDVI数据提取虫害发生区域并划分等级,分析虫害蔓延规律,探寻影响胡杨春尺蠖蔓延的驱动因素. 结果表明:2001年至今,春尺蠖虫害各等级发生面积均有增加,发生范围也在逐年蔓延,由无虫害转移至有虫害的面积占比达59%,发病率已超过50%,急需针对重灾区开展精准治理;在胡杨春尺蠖蔓延过程中,地表温度起主要作用,其次是灾害区距河流距离,灾害区距主要公路距离,影响最小的是到虫源点的距离.

English Abstract

  • 胡杨(Populus euphratica Oliv.)是荒漠生态系统的重要组成部分,其独特的生理结构使其能够在盐碱、风沙和干旱的恶劣环境中生存,在防风固沙、改善生态环境等方面发挥着重要的生态作用[1]. 塔里木盆地的西南缘巴楚县夏河林区天然胡杨林面积达8.7×104 hm2. 近年来受到人为过度引水和气候变化的影响,胡杨生存环境恶化,长势逐渐衰弱,抗病虫害能力下降,使得虫害蔓延迅速,造成大面积衰败[2],其中尤以春尺蠖(Apochemia cineraius Erschoft)虫害最为严重,且有进一步向绿洲扩散的趋势[3]. 目前仅能采用飞防措施,但防治率偏低,缺乏精准防控[4],因此,探寻胡杨尺蠖虫害蔓延规律和驱动因子对保护胡杨林具有至关重要的意义.

    森林病虫害被称为“不冒烟的火灾”[5]. 近年来,世界各国森林均遭到病虫害入侵[6-7]. 借助遥感技术便捷高效的优势监测森林病虫危害,在马尾松毛虫、松褐天牛、葡萄树虫害等已取得了丰硕成果[8-10]. Chávez等[11-14]使用Landsat时间序列产品监测食叶害虫取得了较好的效果. 随着技术发展,遥感数据获取手段则更为多样,使用无人机获取的高光谱、高空间分辨率遥感数据目前已被应用于森林病虫害监测并获得了较高的监测精度[15-19]. 在胡杨林春尺蠖灾害监测方面,黄铁成[2]、邱琳等[3]、汪航等[19]等借助遥感技术,利用MODIS产品和HJ卫星时间序列数据监测突变点,并绘制了胡杨尺蠖虫害分布图. 但是,借助相关技术对胡杨林春尺蠖灾害蔓延趋势及驱动因子的挖掘方面的相关研究成果尚未见报道. 目前针对林业虫害发生的影响因素研究多集中于气候方面,Matzrafi [20]研究发现气候变化导致生物用药药效下降进而加剧虫害蔓延;Osawa等 [21]研究发现气候变化导致赤条纤盲蝽虫害的分布范围进一步扩展;王庆[22]分析发现干旱对切梢小蠹和蜀柏毒蛾的发生有抑制和促进作用,低温冰冻雨雪灾害对蜀柏毒蛾和松墨天牛有明显的抑制和促进作用;刘逸豪等[23]借助遥感技术和MODIS等遥感产品从生物学视角分析2001—2015年胡杨春尺蠖虫态发育节律与温度的关系,发现春尺蠖活动期内温度降低导致危害期延长. 但是,胡杨林春尺蠖灾害蔓延受哪些因素影响,如何影响尚不得而知.

    基于上述,本文借助遥感技术,使用MODIS植被指数和温度产品,应用空间分析及回归分析方法,分析虫害发生分布的蔓延规律和转移趋势,探寻影响胡杨春尺蠖蔓延的驱动因子,能够为有关部门精准、科学防治春尺蠖虫害,对承担“生态屏障”作用的胡杨林保护提供理论依据.

    • 夏河林场位于世界第二大沙漠塔克拉玛干沙漠西南缘,是巴楚绿洲生态的第一道屏障,该地属于暖温带大陆性干旱气候,年均降水量47.1 mm,多集中于6—8月,年均蒸发量2 175.8 mm. 林区内主要乔木为胡杨(Populus euphratica Oliv.),面积4.50×104 hm2,河流主要有叶尔羌河、突来买买提河、克孜河和提孜那甫河,多为季节性河流. 在选择研究区时,因需尽量排除人为干扰,因此选择位于胡杨林深处且远离居民点的非飞防区域作为研究区(图1),该区位于79°17′10″~79°52′53″ E,39°39′4″~40°11′21″ N,面积19.79×104 hm2.

      图  1  研究区胡杨林分布图

      Figure 1.  The distribution map of Populus euphratica in study area

    • 胡杨春尺蠖活动期为2月底—5月中旬[23]. 按照典型抽样原则[24]布设虫情调查样地,根据研究区的地形地貌和胡杨分布状况,结合当地林业部门的调查样地,选取15个固定样地(100 m ×100 m,均匀分布,涵盖多个冠层覆盖度),每个样地选取20棵胡杨,用GPS记录各样地和样木的坐标及高程. 每年2月24日—5月10日前往各样地进行详细调查,主要记录单位样木叶量和枝条各虫龄尺蠖数量等指标. 研究团队2016年4月10日—5月15日期间对春尺蠖危害程度调查期间,将15个固定样地尺寸扩大至250 m×250 m,该尺寸与植被指数产品空间分辨率一致,能够更好地验证灾害监测精度.

    • 选用2001—2016年的MODIS数据地面产品MOD13Q1,该产品为基于最大值合成(MVC)方法生产的16 d 250 m空间分辨率NDVI数据,产品经过几何校正以及大气校正,数据格式为HDF,覆盖研究区的影像有h24v04和h24v05,每年23期,共计368期736幅. 数据来源于美国国家航空航天宇航局(NASA)网站(https://ladsweb.modaps.eosdis.nasa.gov/). 使用IDL编程对数据进行数据集提取、格式转换、投影变换、拼接、波段融合和裁剪,影像坐标使用UTM投影44带,椭球采用WGS84. 由于MOD13Q1产品将DN值扩大10 000倍,因此,本文使用NDVI数据需经过公式(1)进行转换:

      ${\rm{NDVI}} = {\rm{DN}} \times 0.000\;1,$

      式中,DN为MOD13Q1产品像元值,NDVI为值域-1至1的像元值.

    • 选用2001—2016年胡杨春尺蠖活动期内(2—4月)的MODIS的中国区合成温度产品(MODLT1D)提取虫害发生区域的地表温度,MODLT1D产品为中国区域每天1 km空间温度产品,包括白天(LTD)和夜间(LTN)温度,每年89/90期,共计2 856张影像. 数据来源于中国科学院计算机网络信息中心地理空间数据云平台(http://www.gscloud.cn). 使用IDL编程对数据进行投影变换、裁剪,影像坐标使用UTM投影44带,椭球采用WGS84. 为了与NDVI产品空间分辨率相匹配,将地表温度产品空间分辨率重采样为250 m. 使用公式(2)进行将图像DN值转换为摄氏温度为单位的地表温度数据:

      $ {\rm{LST}} = 0.02 \times {\rm{DN}} - 273.15, $

      式中,DN为MODLT1D产品像元值,LST为摄氏温度为单位的像元值.

      选用巴楚县地面气象站2001—2016年实测气温数据验证地表温度产品(LST)的可适用性. 数据来源于中国气象数据网(http://data.cma.cn).

      刘逸豪等[23]通过对MODLT1D产品于地面气象站实测数据进行拟合分析、相关性分析,认为遥感温度的准确性是可靠的. 因此,本文使用MODLT1D产品能够满足胡杨春尺蠖虫害蔓延的驱动因子研究.

    • 使用的地理信息数据主要包括研究区范围内的地名点、行政界线、主要水系河流、主要公路、居民点等要素数据以及主要虫害类型.

    • 从时间序列上说,正常植物从春到夏再到秋冬NDVI指数由低到高再到低形成一个完整的正弦或余弦曲线. 受损或受创植物则有所不同,NDVI指数或突然下降或偏离正常曲线,形成突变. 研究所使用的MOD13Q1产品虽然已经过大气校正,并且使用了16 d最大值合成方法消除各种原因产生的误差,但是仍然可能由云、雾、沙尘、灾害等因素导致NDVI偏离真实值,在时间序列中变现出异常波动,不能反映正常胡杨生长时的NDVI时间序列曲线. 因此,为了消除不利因素对时间序列的影响,使用前必需采取相关技术和方法正确、有效地去除噪音,重构时间序列[25]. 黄铁成[2]对现有去除噪音重构NDVI时间序列的方法对比分析发现,Savitzky-Golay滤波(S-G)能够很好的去除时间序列中的噪音点,同时也保留了原始时间序列曲线中的细节,对总体趋势的表现也较好. 本文利用S-G滤波方法对NDVI时间序列曲线进行重构,拟合出正常胡杨生长曲线.图2中曲线对比发现,滤波后曲线去除了年初、年末(雨、雪、云雾等因素)以及4—5月的NDVI异常值,能够较好的模拟正常胡杨生长曲线. 根据春尺蠖生活史发现,未经滤波的时间序列曲线中的“异常点”(黑色虚框)可能为虫害导致. 因此,将NDVI时间序列中4—5月的实际数值“嫁接”至S-G滤波后的曲线中,形成一条新的NDVI时间序列曲线,该曲线中只包含春尺蠖发生期的“异常值”,其他时期则为正常胡杨生长曲线.

      图  2  胡杨NDVI时间曲线

      Figure 2.  The NDVI time spectrum curve of Populus euphratica

    • 冯宏祖等[26]、黄铁成[2]研究发现,研究区内胡杨受春尺蠖危害影响,每年4月中下旬胡杨叶被春尺蠖大量啃食会出现犹如秋天的“落叶”现象,5月上中旬春尺蠖不再啃食胡杨叶片,胡杨会出现“二次展叶”现象. 这两种现象在NDVI时间序列中的表现即为“突变点”,因此可以构建一种“突变点”的检测指数对胡杨林春尺蠖灾害进行监测.

      ${\rm{MDI = }}\frac{{{\rm{NDV}}{{\rm{I}}_{{t}}}{\rm{ - NDV}}{{\rm{I}}_{{{t - 1}}}}}}{{{\rm{NDV}}{{\rm{I}}_{{t}}}{\rm{ + NDV}}{{\rm{I}}_{{{t - 1}}}}}},$

      式中,MDI为NDVI时间序列突变检测指数,NDVIt为时间序列中第t时期的NDVI值,NDVIt-1为时间序列中第t-1时期的NDVI值,t为本文所获取的NDVI产品的期数,t=1,2,3……367,368;MDI<0时表示说明NDVI曲线在上升过程中发生突变.

    • 依据林业部门对食叶害虫的等级划分标准,将实地调查春尺蠖虫害的等级划分为4级. 1级:极重度,叶片被吃81%以上,叶片基本被吃光,1 m枝条幼虫数为25条以上;2级:重度,叶片被吃51%~80%,部分枝上活叶被吃光,1 m枝条幼虫数为16~24条;3级:中度,叶片被吃31%~50%,被害明显,1 m枝条幼虫数为9~15条;4级:轻度,叶片被吃30%以下,树冠被害不明显,可以觉察,1 m枝条幼虫数为1~8条.

    • 虫害发生及其蔓延与气候气象、林分、虫源天敌、人文环境等均具有密切关系[27]. 研究区的胡杨分布相对密集,距离居民点较远,也没有大型的公路,受到人为的干扰相对较少. 选择胡杨春尺蠖虫害蔓延的驱动因子主要考虑以下原则:因子与虫害蔓延较强相关性(从虫害孕灾环境、致灾因子出发,选取相关性大的因子);因子数据可获取性(是否容易得到,运用已有的历年统计资料和实地调查数据);因子可定量化(须能定量化处理,便于输入模型加以研究);因子影响存在空间差异(因子影响区域不同而作用大小各异)[28]. 综上原则,结合现有数据,本文选取地表温度、灾害发生区距主要河流、主要公路、农田和虫源点的距离等5个驱动因子(表1).

      驱动因子代码因子简述
        地表温度Sclgr1.fil    每个像元中心的地表温度
        到河流距离Sclgr2.fil    每个像元中心距河流的空间距离
        到公路距离Sclgr3.fil    每个像元中心距离最近的公路的空间距离
        到农田距离Sclgr4.fil    每个像元中心距离最近农田的空间距离
        到虫源点距离Sclgr5.fil    每个像元中心距离最近热点(虫源点)的空间距离

      表 1  驱动因子与描述

      Table 1.  The description of the driving factors

      驱动因子对胡杨春尺蠖虫害分布类型变化的影响与虫害分布类型息息相关,且短时间内基本不变,如产生变化,有可能呈现跳跃式变化,整体上对胡杨春尺蠖虫害分布类型变化的影响作用基本持续不变. 使用ArcGIS空间分析模块中的欧式距离工具[29]生成5种驱动因子距离栅格文件.

    • Logistic回归模型是一种非线性分类统计方法,比较适用对二分类因变量(取值0或1)进行回归分析[30]. 该模型定量的对胡杨春尺蠖虫害分布类型驱动力进行分析,各驱动因子对胡杨春尺蠖虫害分布类型转化的影响以回归方程形式表示出来,模拟结果比较理想. Logistic回归模型表达式如公式(4):

      $ \log \left( {\frac{{{P_i}}}{{1 - {P_i}}}} \right) = {\beta _0} + {\beta _1}{X_1} + {\beta _2}{X_2} + \cdots + {\beta _i}{X_i}, $

      式中:Pi为每个栅格单元可能出现胡杨春尺蠖虫害类型i的概率;Xi为各驱动因子;β为各驱动因子的回归系数,表示变量XiPi的影响大小.

    • 使用ROC (receiver operating characteristic curve)曲线分析对Logistic回归效果进行分析,评价虫害发生程度与驱动因子的回归关系模型,确定驱动因子对虫害危害程度的贡献. ROC值越接近1,表明回归模型预测效果越好.

    • 应用时间序列突变检测指数(MDI)对经S-G滤波数据“嫁接”后生成的NDVI时间序列重构曲线进行检测发现,NDVI时间序列中每年第6~9期均有数值异常(MDI<0),并与样地虫情监测结果一致. 根据虫情发生规律,对5月上旬(t8)与4月下旬(t7)的MDI(MDI∈[−1, 1])进行分级表示胡杨春尺蠖危害程度. 将虫害发生区域分为5个等级,分别为:1级MDI∈[−0.136 7, −0.013 7),即极重度虫害发生区域;2级MDI∈[−0.013 7, −0.008 2),即重度虫害发生区域;3级MDI∈[−0.008 2, −0.004 2),即中度虫害发生区域;4级MDI∈[−0.004 2, 0),即轻度虫害发生区域;5级MDI∈[0, 1],即未发生虫害区域. 为了验证MDI监测精度,使用混淆矩阵的方法对2016年监测结果与现地虫情调查数据进行精度评价. 结果表明,2016年MDI监测平均精度达到95%(表2),因此该方法可以满足研究需要.

      验证次数样本数错分样本正确样本总精度/%
      12011995
      22011995
      320020100
      42011995
      52011995
      62021890
      720020100
      82011995
      92021890
      102011995
      112011995
      1220020100
      132011995
      142011995
      152021890
      平均2011995

      表 2  胡杨春尺蠖虫害各等级分类结果精度评价

      Table 2.  Accuracy evaluation of classification results in various grades Apochemia cineraius Erschoft of Popalus damage levels

    • 图3显示,2001—2016年胡杨春尺蠖虫害逐年蔓延,各等级发生面积均有不同程度的增加,且增加较为明显. 极重度、重度、中度和轻度发生区域面积在逐渐增加,无虫害区域在减小,虫害蔓延速度有所减缓. 目前,虫害发生率已超过50%,形势异常严峻.

      图  3  2001—2016年虫害等级面积统计

      Figure 3.  Area statistics of pest severity from 2001 to 2016

      图4显示,2001—2016年胡杨春尺蠖的蔓延方向是从虫害发生区域向周围蔓延,发生范围逐步扩散,扩散趋势明显. 虫害分布基本都是危害程度低一等级的发生区域包围着高一等级发生区域,虫害扩散源的症状随时间推移逐减加重,且无虫害面积减少显著,由无虫害转移至有虫害的面积占比达59%,虫害蔓延形势进一步恶化.

      图  4  研究区2001—2016年胡杨春尺蠖虫害转移分布

      Figure 4.  The transfer distribution map about damage of Apochemia cineraius Erschoft of Populus euphratica forest from 2001 to 2016

    • 以研究区2001年胡杨春尺蠖虫害等级分布图为基础,重采样并提取极重度、重度、中度、轻度度和无虫害发生区域等5种类型并生成单独的栅格文件,每个文件中,该类型区域属性赋值为1,其他赋值为0. 将危害程度栅格文件和驱动因子距离栅格文件转换成ASCII文件并剔除异常值−9 999,全部转为单一记录文件,使用SPSS软件进行Logistic回归分析,得到胡杨春尺蠖虫害等级与驱动因子的回归关系模型及β系数和Exp(β)值.

      使用ROC对回归结果进行评价,ROC值介于0.5~1,值越接近1,预测效果越好. 结果(图5)表明:所有驱动因子均进入各虫害等级的回归方程,其中极重度、重度、中度虫害发生区域ROC分别为0.852、0.838和0.800,说明驱动因子对极重度、重度和中度发生区域的空间分布格局具有很好的解释效果;轻度虫害发生区域和无虫害发生区域的ROC都在0.7~0.8,说明各驱动因子对胡杨春尺蠖虫害等级空间分布格局具有一定的解释效果(图5),相关性较好. 因此,逻辑斯蒂回归分析结果显示,模型从整体上对研究区域的不同胡杨春尺蠖虫害分布类型具有较好的解释作用,吻合程度较好.

      图  5  不同危害程度与驱动因子的ROC曲线

      Figure 5.  The ROC curves of pest damage levels and driving factors

      从逻辑斯蒂回归分析的β(表3)和Exp(β)(表4)看出胡杨春尺蠖虫害严重程度与驱动因子之间的相关关系,主要体现在以下方面:

      虫害等级极重度虫害重度虫害中度虫害轻度虫害无虫害
        地表温度0.000 680.000 420.000 160.000 19−0.000 18
        距主要河流的距离−0.000 41−0.000 39−0.000 15−0.000 18−0.000 3
        距主要公路的距离−0.000 090.000 050.000 040.000 060.000 11
        距农田的距离0.000 140.000 17−0.000 020.000 040.000 06
        距虫源点的距离−0.000 23−0.000 25−0.000 3−0.000 16−0.000 02
        常量−3.303 52−3.198 35−3.152 62−3.153 69−0.542 17

      表 3  研究区各虫害等级分类的Logistic回归的β

      Table 3.  The β value of Logistic regression of pest damage level classification in study area

      虫害等级极重度虫害重度虫害中度虫害轻度虫害无虫害
        地表温度0.997 50.998 260.998 540.998 150.997 6
        距主要河流的距离0.998 990.999 610.999 850.999 820.999 7
        距主要公路的距离0.999 771.000 051.000 041.000 061.000 11
        距农田的距离0.999 821.000 170.999 981.000 041.000 06
        距虫源点的距离0.999 770.999 750.999 70.999 9840.999 98
        常量0.027 090.033 860.037 940.033 87−0.594 27

      表 4  研究区各虫害等级分类的Logistic回归的Exp(β)值

      Table 4.  The Exp(β) value of Logistic regression of pest damage level classification in study area

      (1)极重度虫害发生区域类型与距主要河流的距离、距主要公路和虫源点的距离呈负相关,与地表温度呈正相关. 说明距主要河流、公路和虫源点的距离越大,极重度虫害发生区域越少,而且距河流越远,极重度虫害发生数量减少的速度越快;地表温度上升极重度虫害发生区域扩散. 该区域内极重度虫害发生区域主要受地表温度和距河流远近的影响.

      (2)重度虫害发生区域与距主要河流和虫源点的距离呈负相关,距主要河流的距离的β值为−0.000 39,负相关最大,与地表温度呈正相关. 说明距主要河流、虫源点的距离越大,重度虫害发生区域的数量减少;同时距农田越远,重度虫害发生区域的数量越少;地表温度上升重度虫害发生区域增加. 在这个区域影响重度虫害区域的蔓延主要跟距河流远近和地表温度密切相关.

      (3)中度虫害发生区域起主要作用的还是距河流的远近和地表温度. 距河流越远,中度虫害的发生区域面积越少,地表温度上升中度虫害发生区域增加. 地表温度和水资源对胡杨春尺蠖虫害的影响很大.

      (4)轻度虫害发生区域的主要影响因子是距河流和虫源点的远近,均呈现负相关,与地表温度呈正相关. 即距离河流和虫源点越远,轻度虫害发生区域的面积数量越少,地表温度的回升有助于轻度虫害发生区域的增加.

      (5)无虫害区域的主要影响因子是距公路的远近和地表温度,均呈负相关,即距公路越远,地表温度越低,无胡杨春尺蠖虫害发生的区域面积越多. 低温对虫害发育和转移有一定的抑制作用.

      综上,研究选取的5个因子对胡杨林春尺蠖虫害蔓延都有一定贡献,各驱动因子按影响力排序为:地表温度>距主要河流的距离>距主要公路的距>距农田的距>距虫源点的距离。

    • 气候变暖对于害虫爆发的频率、程度和范围都会有影响[31-35],其中,温度对昆虫的直接影响可能因物种所处环境、生活史以及它们的适应能力的不同而不同,它可以作为死亡因子或通过生长发育速度而作用于昆虫[36]. 吴雪海等[27-37]研究表明,春尺蠖活动与温度密切相关,特别是虫蛹羽化始期;虫害发生面积取决于幼虫数量,而幼虫数量受虫蛹数影响. Lesk等[38-40]认为冬季温度是昆虫年度种群数量和分布的关键决定因素,虫害发生面积与年最低气温呈正相关. 笔者通过多年调查发现,春季倒春寒以及夏季最高温等都会影响成虫或蛹的数量,进而对虫害发生面积产生影响,本研究也进一步证明了温度对虫害发生面积和蔓延的影响最为重要.

    • 卿薇[37]研究发现土壤湿度对春尺蠖虫蛹羽化率具有显著影响. 研究区处于世界第二大沙漠边缘,年均降雨量26 mm且降水主要集中于6月[41-42],研究区内降水几乎不会对土壤湿度产生影响. 春尺蠖蛹一般分布于0~50 cm土层中[43],只有河流能够对土壤湿度有一定影响,且只对深层土壤有一定影响(即河流距离决定地下水埋深). 调查发现,研究区内只有河流河漫滩和部分一级阶地0~50 cm处土壤湿度与其他地方存在较大差别,虫蛹在合适的湿度土壤中更容易存活,这可能是河流附近虫害面积多,危害程度较重的原因之一. 河流对虫害的影响另外一个原因主要表现为河流能够成为虫蛹扩散的通道. 研究区内河流年内最大径流量集中于7月和8月[44],也是该地区的洪水期,河水泛滥时会淹没部分胡杨生长区,春尺蠖幼虫和蛹不会飞,但是虫蛹不怕水淹,洪水泛滥时冲刷地表,此时河流成为了虫蛹移动的有效传播载体之一,因此,洪水期虫蛹可能借此扩散,从而影响次年虫害发生面积. 河漫滩和一级阶地等区域生境较好,该处胡杨长势一般优于其他区域胡杨[45]. 胡爱芝等[46-47]认为食料丰富、质量好也会导致春尺蠖大面积发生,长势较好的胡杨正好为春尺蠖提供了丰富的食物,从而可能导致危害程度比其他区域严重. 由2001年的分布可以看出,虫害发生情况在距离河流附近更为密集连片.

    • 研究区是较为原始的胡杨林区,内部道路相对较少,只有部分护林道路和牧道. 现地调查时发现,幼虫期当调查人员穿过虫害发生区域时,身上和随行车上或多或少有春尺蠖幼虫“搭乘便车”,表明车辆和人可作为春尺蠖传播的媒介. 另外,当牧民放牧时,春尺蠖幼虫也会附着于牲畜身上进行迁移. 因此,林区内部道路成为了春尺蠖幼虫迁移和传播的通道,当人、车和牲畜到达比密林中条件稍好的道路上时,颠簸或抖动身体使幼虫落地,从而增加了道路这个幼虫传播通道周边的虫口密度,致使虫害面积和危害程度与其他地方有所差异.

    • 实地调查时发现,农田附近区域的胡杨春尺蠖虫害相对较少,主要是新疆区域在种植农作物时大量喷洒农药,而这些农药可能导致农田周围春尺蠖受其影响,死亡率上升,虫害发生率下降.

    • 虫源地是灾害的策源地,虫口密度对灾害程度和面积影响明显[48],但是,胡杨春尺蠖虫害蔓延过程中,可能以极重度发生区域作为热点传播中心,也可能以其他区域作为传播点,或者极重度危害区不对外进行扩散和传播. 虫害是否能够扩散和蔓延主要取决于是否具有传播途径. 因此,对于虫害蔓延的影响贡献率而言,虫源点的贡献不一定最高,但是由于虫口密度大,在外界条件(即传播途径或载体)一致的情况下,该区域向外蔓延的概率大于其他区域.

      影响虫害发生及其蔓延的因素很多[49],包括林分、虫源天敌、气温、土壤温度、湿度、人文环境等. 研究只考虑了地表温度、到主要河流、主要公路、农田和虫源点距离等影响因素,后续研究可考虑添加林分、虫源天敌、人文环境、土壤湿度等多种影响因素,构建胡杨春尺蠖虫害发生预测模型,为精准防治提供科学有效的解决方案.

    • 近16 a来,胡杨春尺蠖虫害的发生范围逐渐蔓延. 蔓延方向是从胡杨春尺蠖虫害发生区域向周围扩展,且随着时间的推移,虫害扩散源的危害等级逐渐加重. 虫害分布基本都是低一等级的发生区域包围着高一等级发生区域,且无虫害面积减少显著. 由无虫害转移至有虫害的面积占比达59%,目前研究区虫害发生率超过50%. 虫害蔓延形势进一步恶化,必须针对极重度虫害发生区域开展精准防治.

      在胡杨春尺蠖虫害的蔓延过程中,使得研究区虫害分布空间格局发生变化的重要因子包括地表温度、灾害发生区到主要河流、主要公路、农田和虫源点的距离等,其中起主要作用的是地表温度,其次是到主要河流距离,第三是到主要公路距离,体现在重度虫害发生区域,第四是到农田距离,主要原因是研究区内农田分布相对较少,人们农田喷药的行为相对少,影响最小的是到虫源点距离. 可见地表温度是影响虫害蔓延的重要因子,这与刘逸豪等[23]针对叶尔羌河流域胡杨春尺蠖虫害发育节律对地表温度的响应结果趋于一致.

参考文献 (49)

目录

    /

    返回文章
    返回