-
核桃(Juglans regia L)作为一种重要的生态兼用型树种,已广泛栽培于全世界,是践行“绿水青山”“金山银山”两山理论的重要载体,是实现脱贫攻坚、兴林富民的重要产业之一。在我国核桃的种植过程中,常见的病害有炭疽病、细菌性黑斑病、溃疡病、和煤污病等[1-3]。由炭疽菌属(Colletotrichum corda)引起的炭疽病是当前我国核桃的主要病害之一,该病害可危害核桃果实、叶片和嫩梢等,具有爆发性强、流传性广、危害性大的特点。关于引起核桃炭疽病病原菌的报道有多种,报道较多的主要有胶胞炭疽菌(Colletotrichum gloeosporioides)、暹罗炭疽菌(C. siamense)、尖孢炭疽菌(C. acutatum)等[4-7]。目前,国内外学者关于核桃炭疽病的研究主要集中在防治方法、发生原因、病原鉴定、不同品种抗性、药剂防治试验等[8-10]方面。在各环境因素背景的相互作用下,根据当前已掌握相关物种的地理分布和气候因子等方面数据,对某物种提出针对性的保护、防治与建议是当前学术界高度关注的热点问题[11]。防治核桃炭疽病的紧要任务就是摸清该病的适生区分布,提前做好应对预防措施准备。核桃炭疽病严重制约着核桃产业的健康、快速、有序发展。然而,有关核桃炭疽病的分布区预测国内外学术界尚未见报道,因此,明确核桃炭疽病在我国潜在的分布区范围,有助于采取科学高效的监测和防治措施,有助于降低核桃种植区域潜在的生态和经济损失。
有关物种分布区域预测分析常使用一些生态位模型进行,环境变化数据是预测物种地理分布的关键[12]。最常见的物种生态模型包括规则集遗传算法(Genetic Algorithm for Rule-set Prediction, GARP)、生态位因子分析(Ecological-niche Factor Analysis, EnFA)、生物气候模型(Biological Climate model,BIOCLIM)、区域环境模型(Domain Model, DOMAIN)、物种分布模型(Species Distribution Models, SDMs)和最大熵模型(Maximum Entropy Model, MaxEnt)等[13-16]。MaxEnt模型是通过已知的地理分布信息结合环境变量对物种的潜在地理分布进行预测,是一种基于物种已知分布信息并结合环境数据来预测未知分布情况的数理统计方法。作为目前同类模型中预测效果最好的生态模型,其能够根据少量环境条件找到最佳概率分布,能达到较为准确的预测适生性效果,具有样本需求量低、操作简单、模拟精度高等特点[17]。该模型已在植物潜在种植区[18, 19]、动植物生境[20, 21]、入侵植物分布区[22, 23]、检疫性虫害[24]等方面广泛应用。
本研究基于预测区域的生物气候变量、已知核桃炭疽病病害分布点等数据,采用MaxEnt模型与ArcGIS软件结合的方式,明确影响核桃炭疽病发生的主导环境因子进而模拟预测该病在中国的适生性分布区域,并针对发病严重地区进一步分析。以期为未来开展核桃炭疽病的预测、预警以及防控策略提供科学依据,有效防范其在更大范围内扩散与流行成灾提供重要理论参考。
-
通过收集核桃炭疽病分布点数据,共获得全球病害发生点经纬度数据3 176个(图1),具体而言:该病主要分布在北美洲南部、欧洲西部、非洲南部、亚洲南部及大洋洲等,其中发生较多的地区为位于北美州的美国、圣皮尔和密克隆群岛、墨西哥和巴哈马群岛,位于欧洲的法国、德国、英国和爱尔兰,以及位于非洲的利比亚、南非和埃塞俄比亚,以及亚洲的孟加拉国、缅甸、老挝、日本和中国南部,以及大洋洲的澳大利亚、印度尼西亚和新西兰等。其中在中国收集核桃炭疽病分布点119个,云南省为中国核桃炭疽病病害报道发生最多的地区,共收集病害分布点45个。
-
通过中国、云南省核桃炭疽病的分布点数据和生物气象数据,采用ROC曲线对MaxEnt模型预测结果可靠性进行检验分析。结果显示:中国核桃炭疽病模型AUC的平均值为0.893,标准差为0.053(图2A);云南省核桃炭疽病模型AUC的平均值为0.826,标准差为0.078(图2B);中国、云南省核桃炭疽病模型的AUC值均显著高于随机模型的AUC值(AUC=0.5),均已到达良好水平,表明模型用来预测核桃炭疽病的适生区分布具有较高的可信度和准确度。
-
刀切法检验结果表明(图3):在中国核桃炭疽病MaxEnt模型中,最干月份降雨量(bio9)、温度季节性(bio4)提供了非常高的增益,说明bio9、bio4当使用独立时能比其他变量所包含的更有用的信息。冷季度平均温度(bio11)、年降雨量(bio12)、最湿季度平均温度(bio8)、最湿季度降雨量(bio16)、最干季度平均温度(bio9)、年平均温(bio1)、最热月份最高温(bio5)、年温变化范围(bio7)、平均日较差(bio2)、最冷月份最低温(bio6)、季节性降水(bio15)、最热季度平均温度(bio10)有适度的增益;而其余环境因子在单独使用时增益较低,表明它们本身没有包含很多信息。其中bio9是影响中国核桃炭疽病适生区分布的最重要环境主要因子,对模型的贡献率达23.6%,其次是bio4为23.2%。在云南省核桃炭疽病MaxEnt模型中,平均日较差(bio2)单独使用时,对核桃炭疽病适生区分布最大熵模型提供了非常高的增益,bio2也是在模型中的作用最大的环境影响因子,贡献率为33.7%(表1),其次等温性(bio3)、最干月份降雨量(bio14)、温度季节性(bio4)、最暖季度平均降雨量(bio18)、季节性降水(bio15)、最湿月份降雨量(bio13)和年降雨量(bio12)也有适度的增益。
模型
Model环境变量
Environment variable贡献率
Contribution rate/%模型
Model环境变量
Environment variable贡献率
Contribution rate/%中国
China最干月份降雨量
Rainfall in the driest month23.6 云南省
Yunnan province平均日较差
Average daily range33.7 温度季节性
Temperature seasonality23.2 等温性
Isotherm25.0 等温性
Isotherm12.4 最干月份降雨量
Rainfall in the driest month11.6 最冷季度平均温度
Average temperature in the coldest quarter6.9 温度季节性
Temperature seasonality9.5 年降雨量
Annual rainfall6.0 最暖季度平均降雨量
Average rainfall in the warmest quarter7.1 最湿季度平均温度
Average temperature in the wettest quarter4.6 季节性降水
seasonal precipitation4.8 最湿季度降雨量
Rainfall in the wettest season4.5 最湿月份降雨量
Rainfall in the wettest month4.6 最干季度平均温度
Average temperature in the driest quarter3.1 年降雨量
Annual rainfall2.1 平均温
Average temperature2.8 最干季度降雨量
Driest season rainfall0.9 最热月份最高温
The hottest month with the highest temperature2.6 最冷季度平均降雨量
Average rainfall in the coldest quarter0.3 年温变化范围
Annual temperature variation range2.3 平均温
Average temperature0.3 平均日较差
Average daily range2.2 年温变化范围
Annual temperature variation range0.2 最冷月份最低温
The coldest month and lowest temperature2.2 最热月份最高温
The hottest month with the highest temperature0.1 季节性降水
seasonal precipitation1.8 最热季度平均温度
Average temperature of the hottest quarter1.0 最暖季度平均降雨量
Average rainfall in the warmest quarter0.3 最冷季度平均降雨量
Average rainfall in the coldest quarter0.2 最湿月份降雨量
Rainfall in the wettest month0.2 最干季度降雨量
Driest season rainfall0.1 Table 1. Environmental variables and their relative contribution to the MaxEnt prediction model
因此,对中国区域尺度当代气候条件下核桃炭疽病适生区的预测用到15个环境变量:最干月份降雨量、温度季节性、冷季度平均温度、年降雨量、最湿季度平均温度、最湿季度降雨量、最干季度平均温度、年平均温、最热月份最高温、年温变化范围、平均日较差、最冷月份最低温、季节性降水、最热季度平均温度;其中主导环境因子为最干月份降雨量、温度季节性、最冷季度平均温度、等温性和年降雨量;对云南省区域尺度当代气候条件下核桃炭疽病适生区的预测用到8个环境变量:平均日较差、等温性、最干月份降雨量、温度季节性、最暖季度平均降雨量、季节性降水、最湿月份降雨量和年降雨量;其中主导环境因子为平均日较差、等温性、最干月份降雨量、温度季节性和最暖季度平均降雨量。
-
通过MaxEnt模拟的核桃炭疽病适宜性对主要环境变量的响应曲线发现(图4),最干月份降雨量达到105 mm之前,曲线随降雨量增加而上升,达到最大值105 mm后下降并趋近于平缓状态;温度季节性与最干月份降雨的曲线大致相同,温度季节性达到最大值360后下降并趋于平缓状态;最冷季度平均温度在−27.5 ℃之前,曲线平缓,27.5 ℃后曲线随其温度增大而升高,但在21 ℃之后又呈平缓趋势。年降雨量与最冷季度平均温度的曲线大致相同,年降雨量在505 mm之前,曲线随其降雨量增大而升高,之后又趋于平缓;等温性在18.5之前曲线平缓,随着等温性越高,曲线有所下降,当达到44.8之后上升直至53.5后再次趋于平缓。总体来说,在中国核桃炭疽病MaxEnt模型中适生区气候特点是最干月份降雨量为26~105 mm、温度季节性为290~360、最冷季度平均温度为11.5~27.5 ℃、等温性为50~53.5和年降雨量为150~505 mm之间。
-
利用MaxEnt预测得到当前气候下中国核桃炭疽病适生区范围,该病有着较为广泛的适生范围(图5),生态适宜区总面积约为317.12万平方公里,占国土总面积的33.03%,主要分布在我国华中、华东、华南的全部地区、西南大部分地区、西北、华北、东北的少部分地区;高度适生区面积约为35.64万平方公里,约占国土总面积的3.71%,主要分布在华东、华南的沿海地区以及西南地区,包括云南省大部分地区,广西壮族自治区、广东省、福建省的南部沿海地区,以及浙江省的北部沿海地区、上海市、海南省的北部地区、台湾省的部分沿海地区,在重庆市、新疆维吾尔自治区昌吉回族自治州、西藏自治区南部边境地区也有零星分布;中度适生区面积约为62.63万平方公里,约占国土总面积的6.52%,主要分布在高度适生区边缘地带以及华中地区,包括云南省东西部分地区,广东省、广西壮族自治区、福建省、浙江省、重庆市的高度适生区边缘地带,以及湖南省东部、河南省西部、湖北省中部、山西省西南部、陕西省中部渭南市、海南省中部、台湾省东西部沿海地区,四川省南部地区、贵州省东部地区也有零星分布;低度适生区面积约为218.85万平方公里,约占国土总面积的22.80%,主要分布南方大部分地区和北方的部分地区,包括广西壮族自治区、广东省、浙江省、福建省、江西省、湖南省、贵州省、四川省、重庆市、湖北省、安徽省、江苏省、河南省、河北省、北京市、天津市、山东省、辽宁省、陕西省、甘肃宁夏回族自治区的东南地区,西藏自治区的东部,以及在吉林省、黑龙江省和新疆维吾尔自治区等零星地区也有具备低的适生性。
-
通过MaxEnt模拟的核桃炭疽病适宜性对主要环境变量的响应曲线发现(图6),在7.2 ℃以前,平均日较差无适生性,7.2 ℃以后曲线随着温度的增加而上升,在13.2 ℃时达到最大且后趋于平缓状态;等温性、最干月份降雨量二者的曲线与平均日较差的大致相同,等温性达到54时最大后趋于平缓,最干月份降雨量达到23 mm时达到最大值后也趋于平缓;温度季节性在312之前,曲线平缓,312后曲线随其增大而升高,但在360之后呈下降趋势;最暖季度平均降雨量在290 mm之前无适生性,在410 mm达到最高,之后又稍微下降并趋于平缓。总体来说,在云南省核桃炭疽病MaxEnt模型中适生区气候特点是平均日较差为12~13.3 ℃、等温性为50~54、最干月份降雨量为12.8~23 mm、温度季节性为312~360和最暖季度平均降雨量为290~410 mm之间。
-
在收集核桃炭疽病分布点和预测中国核桃炭疽病适生区范围时,云南省是中国核桃炭疽病发生点最多和高度适生区分布最广泛的地区。进一步利用MaxEnt预测得到当前气候下云南省核桃炭疽病适生区范围,结果显示:该病在云南省生态适宜区总面积约为22.64万平方公里,约占总面积的57.44%,主要集中在滇西地区;高度适生区面积约为3.46万平方公里,约占总面积的8.78%,主要集中西双版纳傣族自治州、普洱市、临沧市、楚雄彝族自治州和大理白族自治州,在丽江市、玉溪市、昆明市也有零星分布;中度适生区面积约为7.13万平方公里,约占总面积的18.07%,主要分布在高度适生区边缘地带,包括景谷傣族彝族自治县、思茅县、双柏县、禄丰市、大姚县、易门县、安宁市和晋宁区等大部分地区。低度适生区面积约为12.05万平方公里,约占总面积的30.57%,在普洱市、临沧市、大理白族自治州、楚雄彝族自治州、红河哈尼族彝族自治州、怒江傈僳族自治州等少部分地区以及玉溪市、昆明市、保山市、丽江市的大部分地区,在德宏傣族景颇族自治州也有零星分布(图7)。
Adaptability Analysis of Walnut Anthracnose based on MaxEnt Model
- Received Date: 2023-08-14
- Available Online: 2024-04-01
Abstract: