华北地区光肩星天牛空间分异性及驱动因素研究

刘德庆 张天媛 张晓丽 宗世祥 黄季夏

(1.北京林业大学森林培育与保护教育部重点实验室， 北京 100083；2.北京林业大学精准林业北京市重点实验室， 北京 100083；3.北京师范大学地表过程与资源生态国家重点实验室， 北京 100875)

0 引言

光肩星天牛(Anoplophoraglabripennis)属鞘翅目、天牛科害虫，最早发现于我国和朝鲜半岛，在英国、澳大利亚，美国的纽约、芝加哥、新泽西及加拿大的渥太华等地区也发现有分布[1]。我国的光肩星天牛分布范围比较广泛，东经100°～127°，北纬21°～43°为我国东部光肩星天牛分布区[2]，且近年来呈现向西扩展的趋势[2-3]。

光肩星天牛主要危害柳树、杨树、桑树、榆树等树种，是制约我国林业发展的重要因子之一[4]。其幼虫蛀食寄主植物主干木质部，在树木内部形成永久性空洞和缺损，严重影响林木的生长，直至整株枯死[5]。光肩星天牛幼虫生活隐蔽、蛀孔复杂, 成虫体壁、鞘翅厚而坚硬、耐药力强, 世代较长并参差不齐，生殖力强，因而难以对其进行有效防控[6]。我国每年因包括光肩星天牛在内的杨树天牛而造成的经济损失多达20亿元[7]。光肩星天牛也给北美洲、欧洲多个国家与地区带来了巨大的经济损失[8]。美国、俄罗斯均将光肩星天牛及其寄主植物作为重点检疫对象[3]，光肩星天牛已经引起国内外的高度重视[3,8-9]。

对于陆地生存的光肩星天牛而言，其分布受多种因素的影响，诸如气候、地理环境，寄主树种，人类活动以及其本身的适应性。光肩星天牛的分布区呈现不断扩大的趋势，因此研究影响或决定其分布的生态因子具有重要意义[3]。文献[10]分别测定其生长进度、环境物候和有效积温，得出在一定条件下，害虫的卵、蛹期与温度呈负相关关系。文献[11]将美国作为研究区域发现，温度较高、寄主物种丰富的地区光肩星天牛发生风险较大；光肩星天牛适应于人类活动地区，交通和工业有利于虫害的传播和蔓延[12-13]；此外，光肩星天牛的数量随着植被覆盖率的提高而减少[14]。而提升公众防治虫害意识、在虫害发生初期进行大范围监测和根除工作是控制虫害的有效途径[13,15-19]；针对天牛种群寄生与扩散的有关研究发现，光肩星天牛倾向于选择树干直径较大的树木寄生，种群扩散距离较长，扩散密度随距离增加而下降，随时间的延长而减小，扩散方向与盛行风有关，在一定范围内风速增大有利于种群扩散[20-21]。

目前，对光肩星天牛的研究多从传统角度出发，集中于森林保护、实验室分析观测、遥感监测等手段，防治方法多集中于生物、化学、农业等领域[22]。基于光肩星天牛灾害发生的空间关联性特征，从地理空间分析角度出发的研究较少，对影响虫害发生的各因素之间的联系和交互作用研究也极少涉及。

空间分层异质性是空间数据的一大特性，表示层内方差小于层间方差的地理现象[23]。为探测光肩星天牛虫害的空间分层异质性，本文采用地理探测器模型进行分析。地理探测器是一种用于探测地理事物空间异质性及其驱动机制的空间统计模型。其思想假设为，如果某驱动因子对因变量具有重要影响，则驱动因子和因变量的空间分布应具有相似性[23]。相比于其他模型，地理探测器模型可以解释地理现象的空间分异规律，刻画分异特征，在小样本量基础上统计精度更高[23]。地理探测器可以探测分区的驱动机制。地理探测器模型运用简便，假设条件较少，可以处理数值型数据和定性数据，并可探测两因子交互后的影响[23-24]。

本文在现有研究的基础上，明确灾害和社会经济、自然气象等影响因素在华北地区的空间分布特征，研究各影响因素的空间相关性，分析不同影响因素对光肩星天牛的交互作用，运用地理探测器分析环境因子对虫害发生的解释力，以期为光肩星天牛的控制和预防提供理论依据。

1 研究区域与数据来源

本研究的区域范围以我国华北地区为主，包括北京、天津、河北、山东、山西、陕西、安徽、河南等8个省市的下辖县市，地理空间尺度为区县级行政单元，共计666个区县，这些地区为光肩星天牛危害程度严重的地区[2]。华北地区夏季高温多雨，冬季寒冷干燥，属温带季风气候，以太行山为界，西部为黄土高原，东部为华北平原。相比于其他年份，2008年的光肩星天牛虫害相关数据较为完备，故本研究采用2008年各区县光肩星天牛发病率及环境因子数据。其中，2008年发病率和2008年防治率数据由我国国家林业和草原局森林病虫害防治总站提供；2008年气象数据来源于国家气象科学数据共享服务平台(data.cma.cn)。2008年的社会经济数据由《中国县市社会经济数据统计年鉴》、《中国城市统计年鉴》、《中国区域经济统计年鉴》等年鉴整理并相互补充而来；2008年NDVI(归一化植被指数)数据为基于SPOT/VEGETATION以及MODIS等卫星遥感影像得到的数据，计算方法为取每年1—12月的月NDVI最大值，该数据由中国科学院地理科学与资源研究所资源环境科学与数据中心(https:∥www.resdc.cn/)提供，经过ArcGIS分区统计取各区总和，作为该区县的NDVI。

光肩星天牛虫害容易受到气候条件[3,10,20]、植被覆盖[14]和社会发展[12-13]方面的影响[25]。因此本研究以光肩星天牛发病率为因变量，选取了可能对光肩星天牛灾害发生有影响的11个因子(图1)。所选取的气象因素包括降雨量、日照时数、平均气温、气温距平和风速；NDVI作为地区植被覆盖的指标而列入考察因素；社会经济因素中，地区生产总值代表某一地区的经济发展水平，第一、二产业值与农林业的发展密切相关，而第三产业值与农林业关联不大，故不采用。年末人口数作为人口统计学的指标加入到研究当中。防治率用以表示地区防治虫害的水平。最终选取地区生产总值、第一产业值、第二产业值、年末总人口数和防治率作为社会经济指标。

图1 光肩星天牛发病率的影响因素及其代理变量Fig.1 Determinants of incidence rates of Anoplophora glabripennis and their proxies

2 研究方法

2.1 空间相关性分析

本研究采用空间自相关指数来描述地理事务的发生规律对空间位置的依赖性。主要包括全局空间自相关指数和局部空间自相关指数。全局空间自相关指数用于研究整个区域的空间关联模式，分析在整个研究范围内指定的属性是否具有自相关性，检验邻近地区间的相似性或独立性。局部空间自相关指数用于揭示空间参考单元属性特征值之间的相似性或相关性，识别空间集聚和空间孤立，探测空间异质等[26]。Moran指数是用来衡量空间自相关的指数，反映空间邻接或邻近的区域单元属性值的相似程度，分为全局指标和局部指标两种。Moran指数绝对值越接近1，空间相关性越明显。全局Moran指数I和局部Moran指数Ii计算公式分别为[27]

(1)

(2)

(3)

(4)

式中xi、xj——i、j单元的人口密度

wi,j——空间权重矩阵元素

S2——方差

空间相关性分析利用GeoDa软件实现。

2.2 地理探测器

不同地理位置上光肩星天牛发病率显著不同，可能存在的环境影响因素随着地理空间的变化而改变[23,28]。假设在地理空间上，如果某种环境因素能够影响光肩星天牛的发病率，那么该因素与光肩星天牛发病率在地理空间上的分布应具有相似性[29]。通过分析影响因素控制发病率发生的空间统计学特征，可以获得影响光肩星天牛发生的规律。地理探测器模型无线性假设，能够探测光肩星天牛的空间分异性，分析不同分层内驱动因子对虫害的解释力度，并可进一步探测因子交互作用后的解释力。地理探测器探测力指标的具体公式为[23]

(5)

式中q——发病率空间分异影响因素探测力指标

Nh——分层h内样本单元数

N——整个区域样本单元数

L——分层个数

σ2——整个区域的方差

q的取值区间为[0, 1]，q越大，说明分区因素对发病率的影响越大[23,28]。

地理探测器的机理[29]如图2所示，Ω表示整个地理空间，H表示光肩星天牛发病率的分布，且H为均匀的格点数据；C和D表示影响光肩星天牛发病率因子的分布。叠加发病率和影响因子的分布，q越大，因子对发病率的解释力越强，即发病率的空间分布由影响因子的空间分布控制。

图2 地理探测机理示意图Fig.2 Principle of geographical detector

地理探测器主要由4方面组成：风险探测，判断两个分层之间的属性值差别是否显著，用t统计量来检验；因子探测，探测因变量的空间分异性以及某影响因素在多大程度上解释了因变量的空间分异，用q度量；生态探测，用于比较两影响因素对因变量空间分布的影响是否有显著的差异，以F统计量来衡量；交互探测，探究两个影响因子之间的交互作用，当两个自变量共同作用时是否增强或减弱了对因变量的解释能力，或是相互独立解释研究对象[23]。

由于地理探测器要求输入数据为离散值，进行探测之前首先在研究区域矢量数据的基础上构建5 km×5 km渔网增加样本点，均匀分布在研究区内部，共18 930个点。采用模拟退火算法对因变量数据进行分级，并设置分级数为5、6、7，当分级数为6时，得到的各因子解释力最强，故将各连续型数值因子离散化为6个等级。

3 结果与分析

3.1 光肩星天牛发病率及影响因子空间分布

研究区域内光肩星天牛发病率和自然、社会经济指标的空间分布如图3所示，发病率较高的地区主要分布在河北省北部、山西省、陕西省，河北省南部、河南省中南部及山东省的发病率较低且防治力度强(图3a、3g)。降雨量呈现出从西北到东南逐渐增多的趋势，陕西、山西和河北3省的北部日照充足，日照时数向南逐渐减少(图3b、3c)；环渤海地区风速较大，山东省烟台、威海市风力强劲，研究区中南部风速较小(图3d)；从河南省、安徽省向西北年平均气温逐渐降低，河北省和山西省交界的区域年均气温波动较大(图3e、3f)。经济指标当中，研究区中东部的第一产业值普遍高于西部(图3i)，地区生产总值和第二产业值的空间分布基本一致(图3h、3j)。人口较多的地区集中在安徽省北部和河南省东部(图3k)，陕西省、河南省和安徽省的植被覆盖水平比较高(图3l)。可以看出，研究所选取的影响因素具有明显的空间分布特征。

图3 华北地区(北京、天津、河北、山东、山西、陕西、安徽、河南8省市)光肩星天牛发病率与各自然社会经济指标空间分布图Fig.3 Spatial distributions of incidence rate and natural socio-economic indicators

研究区域内光肩星天牛发病率及各影响因子的数学分布特征如表1所示。研究区域的经济发展水平不平衡，标准差相对来说较大(地区GDP标准差为510.30亿元)，最小年末总人口数和最大值相差悬殊；考虑实际地理位置，气象因素的数据变化在合理范围内，各地区降水(标准差为233.69 mm)和日照条件(标准差为283.81 h)有明显的差异。

表1 光肩星天牛发病率和自然、社会经济指标的描述性统计Tab.1 Descriptive statistics of incidence rate and natural socio-economic indicators

光肩星天牛发病率及各影响因子全局Moran指数如表2所示。从表中可以看出，各指标的Moran指数均为正值，说明这些指标存在正的空间自相关性。各气象指标的Moran指数很高，在0.89以上，显著性水平为0.001，具有统计意义，表现出显著的空间聚集性。通过局部Moran指数判别集聚(LISA)

表2 光肩星天牛发病率与各影响因素的全局Moran指数及检验结果Tab.2 Global Moran’s I and significance test results

类型(图4)可以看出：山西省北部发病率聚集程度较高，聚集模式以“高发病率-高发病率”聚集为主；山东省、安徽省等地主要集聚模式为“高发病率-低发病率”聚集；山西省、陕西省和河北省多出现“低发病率-高发病率”聚集。防治率高的地区集中在河南省南部以及河南省和山东省交界地带，聚集模式以“高发病率-高发病率”聚集为主，周边则多为“低发病率-高发病率”聚集模式。结合发生率的空间分布可以看出这些区域的发病率普遍较低(图4a)，初步判断防治措施可以有效控制光肩星天牛虫害。

图4 光肩星天牛发病率与各影响因素的LISA集聚图Fig.4 LISA diagrams of incidence rate and influencing factors

3.2 风险探测

采用风险探测器探究不同的自变量对灾害发生率的影响，得到风险探测结果如表3所示。从表3中可以看到，在4.49～6.27℃这一气温区间中，风险探测得分较高，发病风险较大；风速在1.7 m/s左右光肩星天牛发病最为聚集。当降雨量达到475 mm左右，平均发病率保持在较高水平，为70%。较高时长的日照容易引发灾害，日照时间过长或过少，发病率相应维持在低水平；气温距平在0.115～0.116℃区间内灾害发生最为聚集。各社会经济因素与发病率取值之间的关系呈双峰态势。以第二产业值为例，当区间为0.70亿元～0.81亿元和2.42亿元～2.44亿元时，发病率分别为50%和87.43%，在其他区间发病率处于低水平状态。

表3 风险探测结果Tab.3 Results of risk detection

3.3 因子探测

利用因子探测器得到各影响因子对灾害发生率的解释力，按照q从大到小排序如下：防治率(0.37)、人口(0.29)、地区GDP(0.28)、第二产业值(0.26)、降雨量(0.22)、NDVI(0.20)、第一产业值(0.12)、平均气温(0.10)、气温距平(0.07)、日照时数(0.06)、风速(0.05)。结果显示，地理分区解释力最强的是防治率，人口数、地区GDP和第二产业值等社会经济指标对发病率的解释能力比较强。在气象因素中，降水和气温两个影响因素对光肩星天牛发病率的分布差异解释力最强，分别为22%和10%，说明这两个因子对于光肩星天牛发病有一定的影响意义。

3.4 生态探测

利用生态探测器分析各影响因子解释发生率时是否存在显著差异，其结果如表4(其中Y表示存在显著差异，N表示不存在显著差异)所示。防治率对发病率的影响与其他所有影响因子都有显著的不同；除降雨量与气温和风速之间在解释力上具有显著差异之外，气象因素之间没有明显的解释差异。社会经济因素中，第一产业值与第二产业值有显著差异，人口数、地区GDP分别与第一或第二产业值对光肩星天牛发病率的影响无显著差异。从风险探测的结果来看，按照解释力的显著性聚类的思想，可将平均气温、风速、第一产业值和第二产业值划分为影响显著的一类，剩下的因子则划分为影响不显著的一类。综合生态探测器和因子探测器的结果，平均气温、第一产业值和第二产业值对光肩星天牛发生率影响显著。

表4 不同影响因子对发生率的统计显著性差异Tab.4 Significance difference between different influencing factors on incidence rate

3.5 交互探测

利用交互探测器可以获得两个不同的影响因子对发病率的交互影响(表5)。平均气温单独对光肩星天牛发生率的解释力为10%，地区GDP单独作用于发生率时解释力为28%，交互作用之后的解释力变为35%，两者共同作用的结果高于各自单独作用的结果。进一步分析，因子交互的解释力增强可分两种情况：①某两种影响因子交互作用后非线性增强，即两者共同作用的q大于分别作用的q加和。结合表5，降雨量(q=0.22)和人口数(q=0.29)交互作用后q(0.56)大于两者单纯加和，作用力非线性增强。非线性增强说明两个因子结合会产生单独作用之外的影响。类似地，平均气温、降雨量、防治率、人口数4个因素两两之间交互作用后解释力均呈非线性增强；人口数和第一产业值、防治率和风速之间交互作用也出现非线性增强的现象。②两种影响因子相互独立作用，即两者共同作用的q等于分别作用的q加和。观察探测结果可以得出，相比其他因子，平均气温和日照时数参与交互作用时更有利于提高对发生率的解释力；地区GDP、防治率和降雨量对交互解释的提高程度相对较低。

表5 两种因子对灾害发生率影响的交互作用Tab.5 Interaction between two factors affecting disaster incidence

4 讨论

本研究中对生态因子的探测与目前研究发现的结果基本一致[3,10,30-32]。光肩星天牛漫长的幼虫期需有足够的积温指标，才能完成其各龄期的生长发育，而且在短期内光肩星天牛难以向低温地区扩散[30]。实验室分析研究表明，在温度超过发育起点温度7.44℃的条件下，卵蛹期的长短与温度呈负相关关系[10,31-32]。王志刚[3]归纳出光肩星天牛危害严重地区的年均气温在3.9℃以上，年均相对湿度44.9%以上。这与本研究中风险探测出的结果保持一致：当年平均气温4.49～6.27℃、降雨量达到475 mm左右时，发病率保持在较高水平。生态因子在种群扩散方面也起到了一定作用。温俊宝等[20]在标记回捕试验中发现天牛的扩散与温度有关，一般随温度升高而下降，并且在一定范围内(0.3～1.8 m/s)风速的增大有利于天牛的扩散，这是天牛长期适应自然界的结果。本研究发现，风速在1.8 m/s以下平均发病率聚集，高于1.8 m/s则几乎没有虫害发生，而当温度超过7℃后发生率显著减少，说明光肩星天牛对温度的条件要求应处于一定的范围内。

社会经济方面，地区GDP水平较低的地区发病率高，第一、二产业和农林业密切相关。风险探测结果表明，第一产业值低于8亿元、第二产业值低于3亿元的地区光肩星天牛发病普遍聚集；人口数较少的地区平均发病率较高，可从侧面反映该地区社会经济发展水平较低。而在经济发展水平高的地区，发病率被控制在2%以内。人为因素对于光肩星天牛灾害的防治起到关键的作用。因子探测发现，防治率对灾害发生率的解释力最高，P达到了0.37。风险探测表明当防治率大于86%时发病率显著减少。目前已有研究也有类似的发现，但均没有做到系统化。郭秋月[15]发现在养护管理水平较高的地区柳树受害率为10.09%。而缺乏专业养护管理的地区柳树受害率最高，可达83.19%，可见防治率较高的区域发病率显著降低。树种引进也可导致光肩星天牛的发生。近年来城市绿化工作广泛开展，苗木调运过程中容易出现检疫欠缺、引种疏忽等问题，导致引入虫害。刘辉芳[33]发现，幼龄柳树栽植年限少，发病严重，因此认为苗木带虫可能性极大。NDVI的风险探测结果说明植被覆盖度高、绿化水平好的地区不容易受到虫害的干扰。综上所述，光肩星天牛的发生与当地发展水平、绿化程度、病虫害防治措施和管理意识等有直接的联系[34]。地区经济发展水平较高时，对农林业病虫害的控制能力也会提高到一定的水平。

与目前已有研究相比，本文在影响因子的交互作用方面有了新的研究成果。从交互探测结果来看，导致光肩星天牛发病更为重要的原因是影响因子之间的叠加交互，而单一因子的解释力不足以说明问题。研究表明，当降雨量和防治率共同作用时对发病率的解释力非线性增强并达到最大。通过研究交互作用后解释力非线性增强的因子，对病虫害的防治可以从多个角度共同入手。同时，本研究还发现部分影响因子对发生率影响呈双峰或多峰态势。降雨量和平均气温影响下的发病率虽然整体来说集中在一定指标范围内，但是在特定的区间内，发病率却非常低，比如平均气温区间分别为4.49～4.67℃、6.16～6.27℃时平均发病率都比较集中，分别达到50%左右，这两个区间间隔都比较小，但是4.67～6.16℃这一区间内的发病率却只有6%。各社会经济指标、NDVI、防治率都出现了类似的现象。

5 结束语

以我国北方地区666个县市的相关指标为样本，首先分析了光肩星天牛发病率及其影响因素的空间分布，之后采用地理探测器的方法分析光肩星天牛发病率空间分布及其影响因素。结果显示，发病率在山西省北部地区表现为高-高聚集，受灾情况严重；在山东省、安徽省等地多出现高-低聚集的现象。地理探测的结果表明，所选的气象和社会经济因素对光肩星天牛发病率都有一定的影响。从对发病率的解释力来看，经济因素中人口数和地区生产值的解释能力较高，自然气象因素中降雨量和平均气温能够较好地解释发病率。从风险探测的结果来看，在相对温暖、降水多的地区，光肩星天牛灾害比较容易发生；而人口数较多、GDP较高的地区社会经济发展情况较好，光肩星天牛灾害发病率相应地维持在低水平。采用高效的防治措施可以有效缓解灾情。在分析各因素对发病率影响基础上，通过探讨各因素的交互作用，发现气象要素和社会经济要素交互后可以提高解释力。相关地区可根据本地各气象和社会经济发展指标大体预测本地光肩星天牛发病情况。