下载:
-
松材线虫Bursaphelenchus xylophilus是危害性极高的外来有害生物，也是中国林业检疫性有害生物[1]。它主要通过松墨天牛Monochamus alternatus等媒介昆虫在松树体内传播，引发破坏性极强的松材线虫病[2]。自1982年在南京中山陵首次发现被松材线虫感染的黑松Pinus thunbergii以来，松材线虫病已经给中国造成直接和间接损失上千亿元[3]。截至2020年4月，松材线虫病已扩散至湖北省的86个市县地区，湖北省的林业生态安全面临着巨大的威胁[4]。运用生态位模型对外来有害生物的适宜生境和风险进行评估是当前研究热点之一[5-6]，比较广泛的生态位模型有BIOCLIM、GARP、GLM、MAXENT、ENFA等，这些模型都建立在HUTCHINSON[7]生态位原理的基础上，即将物种的分布视为与环境因素异质性密切相关的因变量，通过计算物种点的环境因素变量来确定物种的生态位，然后利用物种的生态位模拟研究该物种在研究区域内的分布适宜性。生态位因子分析(ecological-niche factor analysis，ENFA)模型的优点在于模型计算只需要已出现的物种点数据，而不需要非出现点的数据[8]。并且相较于其他生态位模型，ENFA模型结果还包括各指标因子与物种的相关关系，可对物种的生态位直接进行解释。ENFA模型已成功模拟了大熊猫Ailuropoda melanoleuca[8]和亚洲象Elephas maximus的适宜生境[9]、人象冲突的风险评估[10]、蝴蝶Rhopalocera的异地适生区[11]、蕨类Pteridophyta植物的空间分布预测[12]、林麝Moschus berezovskii的生境预测[13]、欧洲松鸡Tetrao urogallus的保护[14]等。本研究结合“3S”技术，应用ENFA模型，对湖北省松材线虫病的潜在风险区进行评估，研究影响湖北省松材线虫定殖和传播的主要影响因子，分析风险区的面积大小和分布状况，以期为湖北省松材线虫病的防治提供科学依据。
-
物种分布点数据来源于国家林业和草原局公告(2020年第4号)[15]，共得到松材线虫病在湖北省(29°01′53″~33°06′47″N，108°21′42″~116°07′50″E)的分布点数据86条(图1)。数据包括：①气候数据。主要为2008−2017年湖北省34个气象站点的数据，来源于国家气象科学数据共享服务平台(http://data.cma.cn)。②地形数据。主要为湖北省的数字高程模型(DEM)数据(2009年)，来自于地理空间数据云(http://www.gscloud.cn)。③人类活动干扰数据。包括道路数据(2015年)、土地利用/覆盖变化数据(2015年)、人口分布密度数据(2015年)，均来源于中国科学院资源环境科学数据中心(http://www.resdc.cn)。④植被因素。主要包括植被覆盖类型(2015年)和归一化植被指数(NDVI)数据(2017年)，来源于中国科学院资源环境科学数据中心(http://www.resdc.cn)。
图 1 湖北省松材线虫分布点示意图
Figure 1. Distribution point of B. xylophilus in Hubei Province
-
ENFA模型是研究物种分布的多变量分析方法[16]。该模型采用主成分分析方法，利用物种分布点的数据和生态地理变量(EGV)数据，将物种的生态位和生态幅度与整个研究区的环境因子平均状态和标准差相比较，从EGV中提取主要信息组合为互不相关的特征矩阵，特征矩阵和特征向量用来生成生境适宜性图[17]。物种的分布与EVG之间的相互关系通过计算边际性、特殊性和耐受性3个指标得到[18]。
边际性系数(M)为物种分布区EGV平均值和整个研究区内EGV平均值的差异。M＞0时，表明该物种偏好EGV平均水平以上的环境；M＜0时，表明物种偏好EGV平均水平以下的环境。M的绝对值越大，物种对EGV的偏好程度越高，物种的分布也越不随机。
$$ M = \frac{{\mid {m_{\rm{B}}} - {m_{\rm{G}}}\mid }}{{1.96{\sigma _{\rm{G}}}}}\text{。} $$ (1) 式(1)中：mB表示物种分布区内某个EGV的平均值；mG表示整个研究区内某个EGV的平均值，
${\sigma _{\rm{G}}}$ 表示其标准差[18]。特殊性系数(S)为物种适宜分布区EGV标准差与整个研究区内EGV标准差的比率，是物种选择EGV可用范围的度量指标。
$$ S = \frac{{{\sigma _{\rm{G}}}}}{{{\sigma _{\rm{B}}}}}\text{。} $$ (2) 式(2)中：
$ {\sigma }_{{\rm{B}}} $ 表示物种分布区内某个EGV的标准差。耐受性系数(T)为S的倒数，T取值为0~1，T越小，表明物种在研究区内的特殊化程度越高，对环境因子有一定的选择性，其适生性受到一定环境条件的限制。T越大，则表明物种对环境的选择性不高，在研究区内分布广泛[18]。在本研究中，T越大，说明松材线虫病的生存和传播对各种环境因子的选择不高，其分布也越随机。
$$ T = \frac{{{\sigma _{\rm{B}}}}}{{{\sigma _{\rm{G}}}}} = \frac{1}{S}\text{。} $$ (3) ENFA模型在Biomapper 4.0软件中运行，通过计算特征矩阵提取累积贡献率生成生境适宜图，通过生境适宜性指数(IHS)划分生境适宜图的等级，IHS为0~100，取值越大代表生境适宜性越高。模型通过Jake-Knife交叉验证(cross-validation)评价模型的精度，生成P/E(predicted/expected ratio)曲线和Boyce指数判断模型，Boyce指数为平均值和标准差，可检验模型的精度，平均值越大，标准差越小，模型的预测精度就越高[18]。
-
松材线虫的定殖和传播是一个复杂的病害系统。温度、降水量、日照等气候条件影响松材线虫及其寄主松墨天牛的生存和定殖[19]；林分状况、树龄、树种的丰富度、森林郁闭度等因子影响着媒介昆虫松墨天牛的种群密度[20]；海拔、坡度和坡向等地形因子通过影响气候和土壤从而间接影响植物的生长和分布；松墨天牛的自然扩散能力不强[2]，因此松材线虫主要借助人为传播，人类活动直接影响松材线虫病扩散的速度和规模。本研究从气候、植被、地形、人类活动干扰等4个影响因素中选取15个EGV指标，用于松材线虫病潜在风险区的评估(表1)。
表 1 ENFA模型分析的生态地理变量
Table 1. Ecogeographical variables analyzed by ENFA model
因素类型 生态地理变量(EGV) 因素类型 生态地理变量(EGV) 气候因素 年平均气温(℃)
年平均降水量(mm)
5−10月平均气温(℃)
5−10月平均降水量(mm)人类干扰因素 到居民点距离(m)
到公路距离(m)
到铁路距离(m)
到农田距离(m)
人口分布密度(人·km−2)地形因素 海拔(m)
坡度(º)
坡向植被因素 到针叶林距离(m)
植被覆盖度到河流距离(m) -
所有生态地理变量数据均预先在ArcGIS 10.2中进行处理。气候数据进行克里金(Kriging)插值处理，地形数据从DEM提取，植被和人类活动干扰数据需转换为距离数据或者频率数据[19]，植被覆盖度利用像元二分模型计算NDVI得到[21]。所有数据转换为250 m×250 m空间分辨率和相同的投影，并将ArcGIS栅格数据转换为ENFA所能使用的栅格数据格式，然后利用ENFA对数据进行Box-Cox标准化后进行分析。
-
通过ENFA模型得到边际性系数M=1.639，M＞1，说明松材线虫对各种环境条件的选择不是随机的。特殊性系数S=8.822，耐受性系数T=0.113，S较大，T小，说明松材线虫的定殖和传播是受特定环境条件影响，在环境条件适宜的情况下入侵风险较高。
从表2可知：第1列为边际因子，特殊性解释比例为98.00%，其他为特殊因子，包括特异因子1和特异因子2，解释比例分别为1.11%、0.49%，3个因子的累积贡献率达99.60%，即解释了100%的边际性和99.60%的特殊性，由这3个因子生成最终的风险等级图。用交叉验证对模型的预测进行检验，得到呈单调递增趋势的P/E曲线，Boyce平均值为0.90，标准差为0.20，说明模型预测能力很好。根据P/E曲线将湖北省松材线虫病风险区分为3个等级：低风险区(0＜IHS≤33)、中风险区(33＜IHS≤66)、高风险区(66＜IHS≤100)(图2)。
表 2 ENFA模型的因子得分
Table 2. Factor scores of the ENFA model
生态地理变量 边际因子 特异因子1 特异因子2 年平均气温 0.397 −0.112 −0.702 年均降水量 0.398 −0.405 −0.099 5−10月平均气温 0.399 0.224 0.562 5−10月平均降水量 0.390 0.293 0.290 海拔 −0.013 −0.481 0.111 坡度 0.039 0.032 0.027 坡向 0.364 0.110 −0.008 到河流距离 0.196 −0.069 0.004 到居民点距离 0.035 −0.142 0.048 到公路距离 0.255 0.314 0.144 到铁路距离 −0.010 −0.423 −0.076 到农田距离 0.084 0.030 −0.040 人口分布密度 0.242 −0.079 0.005 植被覆盖度 0.007 −0.034 −0.065 到针叶林距离 0.048 −0.071 −0.119 
图 2 湖北省松材线虫入侵风险等级分布示意图
Figure 2. Risk level map of B. xylophilus in Hubei Province
-
从边际因子得分可以看出：松材线虫喜好分布在年均气温较高(＞16 ℃)，年降水量丰富(＞1 165 mm)，5−10月气温较高(平均气温＞23.77 ℃)，5−10月降水量较多(平均降水量＞151.94 mm)的地区。在地形上趋向于低海拔(平均海拔425 m)、坡度平缓(平均坡度7°)并位于西坡和南坡的地区。在各种人类活动影响下，松材线虫选择分布在距离人类居民点(平均距离9 077 m)和铁路(平均距离18 356.20 m)较近，人口密度较大(平均253.68人·km−2)，农田(平均距离789.52 m)比较密集的地区，远离公路(平均距离2 304.65 m)和河流(平均距离8 762.43 m)。在植被因素的选择上，松材线虫病主要发生在植被覆盖度较低(平均覆盖度0.42)的针叶林(平均距离9 133 m)内。
-
利用ArcGIS 10.2对湖北省松材线虫的入侵风险等级区域进行计算，发现湖北省松材线虫病高风险区面积38 884.62 km2，占湖北省总面积的20.92%，中风险区面积66 501.84 km2，占总面积的35.77%，低风险区面积80 513.54 km2，占总面积的43.31%(表3)。
表 3 湖北省各地区的潜在风险区面积
Table 3. Areas of potential risk areas in various regions of Hubei Province
地级市 低风险区 中风险区 高风险区 总面积/km2 比例/% 面积/km2 比例/% 面积/km2 比例/% 面积/km2 比例/% 十堰 17 070.33 71.48 5 892.89 24.67 919.31 3.85 23 882.53 100.00 襄樊 11 992.35 60.30 4 283.28 21.54 3 612.35 18.16 19 887.99 100.00 随州 4 747.96 49.24 2 037.07 21.13 2 857.88 29.64 9 642.92 100.00 孝感 2 288.41 25.79 2 315.58 26.10 4 268.78 48.11 8 872.76 100.00 黄冈 4 652.81 26.90 7 983.51 46.15 4 661.60 26.95 17 297.91 100.00 武汉 5 939.94 69.66 2 150.60 25.22 436.07 5.11 8 526.60 100.00 鄂州 1 307.54 83.41 259.74 16.57 0.26 0.02 1 567.54 100.00 黄石 1 385.89 30.76 1 810.41 40.18 1 309.84 29.07 4 506.14 100.00 咸宁 2 125.73 22.29 4 117.85 43.17 3 294.34 34.54 9 537.92 100.00 荆州 973.19 7.01 3 197.68 23.03 9 714.51 69.96 13 885.38 100.00 宜昌 7 350.90 34.81 9 922.73 46.99 3 843.48 18.20 21 117.11 100.00 荆门 4 311.63 35.02 4 600.77 37.36 3 400.92 27.62 12 313.32 100.00 恩施 7 129.55 30.09 16 175.96 68.26 391.64 1.65 23 697.15 100.00 神农架 2 244.18 69.26 996.16 30.74 0 0 3 240.34 100.00 仙桃 2 444.00 97.86 53.48 2.14 0 0 2 497.48 100.00 潜江 1 883.91 94.79 103.55 5.21 0 0 1 987.46 100.00 天门 1 826.68 70.23 600.58 23.09 173.64 6.68 2 600.90 100.00 总面积 80 513.54 43.31 66 501.84 35.77 38 884.62 20.92 185 900.00 100.00 湖北省松材线虫病入侵风险较高的地区主要有：荆门市东部和中西部大部分地区；荆州市的西南部和南部地区；宜昌市的东部和中部地区；天门市的北部地区；襄樊市的东北部和中部大部分地区；孝感市的北部大部分地区；黄冈市的东南部和北部的大部分地区；黄石市的东部和中部大部分地区；咸宁市的大部分地区；十堰市的中部地区；恩施市的中部和东北部的少部分地区；随州市的东部和中部地区；武汉市的西北部。这些地区基本都是海拔较低的山地和平原地区，森林覆盖率高，人类活动频繁，松材线虫入侵的风险也相对较高。
中风险区和低风险区主要分布在江汉平原的大部分地区和西部的高海拔山地，主要包括鄂州市、仙桃市、潜江市、天门市、武汉市的大部分地区、荆州市的东部和中部大部分地区、黄冈市东南部的小部分地区、宜昌市的南部和西部大部分地区、恩施州的大部分地区、襄樊市的西部大部分地区和十堰市的西南部大部分地区以及与之接壤的神农架林区。江汉平原地势平坦，人口密集，但森林很少，大部分低风险区分布于此；湖北省西部大部分地区都是海拔较高的山地，特别是神农架林区的平均海拔就有1 700 m，一部分低风险区就位于这些海拔很高的地区；西部地区人类活动较少，但一些低海拔地区仍然有森林覆盖，因此有大部分中度风险区分布于此。
-
较前人研究[5-6, 22]，本研究在模型指标因子的选择上更加全面，不局限于气候因素，因此模型结果可以更好地了解松材线虫病在湖北省的传播规律。模型通过交叉验证，Boyce平均值为0.90，标准差为0.20，很好地模拟了湖北省松材线虫病的潜在风险区域。
本研究表明：年均气温、年降水量、夏季气温及降水均是影响松材线虫定殖的主要气候因素。湖北省适宜的气候给松材线虫及其寄主松墨天牛提供了良好的生存环境。地形因子的边际性系数表明：松材线虫喜欢分布于海拔较低，坡度平缓，并位于西坡和南坡的地区，因此松材线虫病普遍发生于海拔低于700 m的地区。植被因子的边际性系数表明：松材线虫偏好于植被覆盖度较低的针叶林。人口密度、居民点、铁路和农田是影响松材线虫病在湖北省内传播的几个主要人为因素。
根据模型预测结果，湖北省松材线虫病入侵风险较高的区域广泛分布于湖北省的12个地级市，部分地区已经暴发了比较严重的松材线虫病，这些区域都是海拔较低的山地或者平原，气候适宜，人类活动频繁，松材线虫入侵的风险特别高。因此在风险较高的地区必须加强松材线虫病的防范和治理力度。首先，必须加大高风险区内针叶林的疫情监测力度，在夏季运用遥感和无人机监测等相关技术，实现松材线虫病疫情的大面积监测；其次，针对已经感染松材线虫病的林区，可采取目前较为成熟的生物防治、引诱剂和化学防治来降低媒介昆虫的虫口数量，从而减小松材线虫病疫区的范围；松材线虫病防治最重要的环节就是染病松木的处理，松材线虫病疫区必须彻底清理染病濒死和枯死的松木，在受灾程度严重的地区则应建立疫木集中处理场地，对砍伐的疫木进行集中处理[23]；同时，政府和相关部门也要做好与松材线虫病害相关的宣传和管理工作，严格控制松木及其加工制品的流通，防止松材线虫借助松木制品再次扩散到其他地区[24]。
中风险区和高风险区相邻，大部分针叶林也都分布在中风险地区，因此在这些地区主要做好松材线虫病的监测和检疫工作，对于新发病的地区要及时处理疫木，砍伐的疫木尽快就地焚烧或粉碎处理。
低风险区主要分布在江汉平原中部和西北部的山区和神农架林区。江汉平原中部地势平缓，气候适宜，但是松材线虫的寄主植物松树却很少，西北部山区和神农架林区海拔较高，大部分松林都分布于人迹罕至的地区，因此感染松材线虫的风险相对较低。但随着城镇的扩张，人类活动的加剧，气候变暖和松材线虫的遗传多样性提高[25]，其感染风险也会相对提高，因此也要做好松材线虫病的检疫工作，并对松林进行定期巡查，阻止松材线虫的进一步蔓延。
Risk assessment of Bursaphelenchus xylophilus in Hubei Province based on ecological niche factor analysis model
-
摘要:
目的 当前湖北省松材线虫Bursaphelenchus xylophilus疫情形势严峻。通过研究湖北省松材线虫病的入侵风险，分析松材线虫病在湖北省的危害程度，为当前疫情的防治工作提供建议和参考。 方法 结合“3S”技术，应用生态位因子模型(ENFA)，选取影响松材线虫定殖和传播的4类影响因素(气候、植被、地形、人类活动)，对松材线虫病在湖北的入侵风险进行了预测和评价。 结果 湖北省松材线虫病高风险区面积38 884.62 km2，占湖北省总面积的20.92%，高风险区主要集中于海拔较低、人类活动频繁的中部和东部地区，中风险区面积66 501.84 km2，占总面积的35.77%，低风险区面积80 513.54 km2，占总面积的43.31%，中低风险地区主要分布在林地稀少的江汉平原和西部的高海拔山地。松材线虫偏好分布在温度较高，降水丰富，海拔较低，离人类居住点较近且人类活动频繁的针叶林地区。通过交叉验证(cross-validation)对模型的预测进行检验，得到P/E曲线，曲线呈单调递增且Boyce指数很高，说明模型精度很高。 结论 ENFA模型能很好模拟松材线虫病的风险区域，模型结果可为湖北省各县市的松材线虫病防治决策提供参考。图2表3参25 Abstract:Objective The epidemic situation of Bursaphelenchus xylophilus in Hubei Province is severe. The objective of this study is to investigate the invasion risk and the damage degree of B. xylophilus disease in Hubei Province, so as to provide suggestions and reference for current epidemic prevention and control. Method Combined with 3S technology, the ecological niche factor analysis (ENFA) model was used, and 4 factors affecting the colonization and spread of B. xylophilus (climate, vegetation, terrain, human disturbance) were selected to predict and evaluate the invasion risk of the disease. Result The high risk area of B. xylophilus disease in Hubei Province covered an area of 38 884.62 km2, accounting for 20.92% of the total area of Hubei Province, mainly concentrated in the central and eastern regions with low altitude and frequent human activities. The moderate risk area was 66 501.84 km2, representing 35.77% of the total area. The low risk area was 80 513.54 km2, representing 43.31% of the total area. These areas were mainly distributed in Jianghan Plain and high-altitude mountains in the west. B. xylophilus preferred to be distributed in coniferous forest areas with high temperature, abundant precipitation, low altitude, close to human settlements and frequent human activities. Through cross-validation to test the prediction of the model, the P/E curve was obtained. The curve was monotonically increasing and the Boyce index was very high, indicating that the model had high accuracy. Conclusion The ENFA model can simulate the risk areas of B. xylophilus. The results of the model can provide reference for the prevention and control of B. xylophilus in Hubei Province. [Ch, 2 fig. 3 tab. 25 ref.] -
土壤与植被是紧密相连的整体，土壤养分直接影响着植物的生长状况[1]。相关研究表明：土壤养分质量分数的分布存在空间异质性[2−4]。目前，已有众多学者对国内不同气候带、不同地形区的土壤养分空间异质性进行了研究。例如，广西热带地区北部森林土壤养分质量分数高于南部[5]，浙江中亚热带安吉县毛竹Phyllostachys edulis林土壤有机质和全氮质量分数呈现中等程度的空间变异(变异系数为10%~90%)[6]，温带针阔混交林的土壤有机质、全磷等养分空间特征表现出由植被类型引起的条带状和斑块状分布[7]。也有学者研究了亚热带土壤养分空间异质性，如FU等[8]和董佳琦等[9]探讨了浙江亚热带的山核桃Carya cathayensis林和香榧Torreya grandis‘Merrillii’ 林地土壤养分空间分布规律，发现果实养分和土壤养分的空间分布格局具有相似性，大面积山核桃林具有较低的土壤pH和土壤磷质量分数，香榧主产区土壤养分失衡现象较为严重，应调整并改善区域施肥及管理模式；牛文鹏等[10]对珠江三角洲耕地、园地土壤养分空间变异特征的研究发现：土壤全氮、全钾空间异质性较高，土壤养分分布受控于气候、地形等自然因素，这对因地制宜选择作物种类具有指导意义；李超等[11]对亚热带高原耕地土壤主要养分空间变异规律的研究阐明了有机质与海拔的相关关系，为合理改良和利用耕地资源提供了依据。研究土壤养分空间分布的变异及其影响因素，可为探明区域土壤生产力，管理植被资源提供基础数据和科学理论。目前，关于亚热带土壤养分空间异质性的研究多集中于经济林和耕地等，缺乏亚热带天然生态系统的土壤养分空间异质性研究。
清凉峰是中国的典型亚热带国家级自然保护区，地处浙江省杭州市临安区境内。区内植被资源丰富，育有多种国家重点保护的珍稀特色植物种群。当前，对清凉峰的研究集中在探究保护区内植物多样性及地理分布等方面。此外，已有学者分析了该区内华南梅花鹿Cervus pseudaxis主要栖息地千顷塘的土壤肥力指标的空间变异规律[12]，但对于土壤养分特征缺乏更全面、系统的调查研究。本研究的目的是：揭示亚热带地区天然生态系统土壤养分的质量分数特征；探明亚热带地区天然生态系统土壤养分的空间变异规律；解译亚热带地区天然生态系统土壤养分空间变异的影响因素，以期为保护中国亚热带丘陵地区的珍稀植被和天然生态系统提供科学依据。
1. 研究区概况
清凉峰国家级自然保护区地处浙江省杭州市临安区西北部(30°00′42″~30°19′33″N，118°50′57″~119°13′23″E)，属于亚热带季风气候区，总面积为11252 hm2，最高海拔为1787.4 m，年平均气温为12.5 ℃，年降水量为1862.2~2331.9 mm。该区地层以侏罗系分布最广，主要包括中酸性火山岩、紫红色层状粉砂岩、粉晶灰岩、硅质页岩以及岩浆岩等，土壤结构由低海拔到高海拔呈现红壤带、山地黄壤带、山地棕黄壤带及草甸土带的垂直带谱。清凉峰由龙塘山、顺溪坞、千顷塘3块区域组成。本研究区域为龙塘山和顺溪坞(图1)，境内海拔高差悬殊，由西北向东南方向倾斜，地势呈现“高—低—高”特征。植被垂直分布明显，蕴藏着丰富的植物资源，包括华榛Corylus chinensis、银缕梅Parrotia subaequalis、鹅掌楸Liriodendron chinense等。因保护区内存在轻微的人为土地开垦活动，本研究将该部分区域(农用地)纳入研究，与其他自然区域进行对比分析。
图 1 研究区样点分布及海拔信息示意图Figure 1 Spatial distribution and elevation information of soil sampling sites2. 研究方法
2.1 样品采集与分析
基于样点分布的均质性和科学性原则，结合地形图和植被类型分布特征，在研究区内按等距离网格法布设1.0 km×1.0 km的样方。于2019年11月至2020年4月，在研究区每个样方中采集0~20 cm表层土壤样品3个，并均匀混合后得到1个土壤样品，共采集土壤样品56个。由于网格样方较大，为增加研究的精确性，采样过程中结合实际地形地势，在6个海拔范围(200~500、500~800、800~1 000、1 000~1 200、1 200~1 400、1 400~1 600 m)补充采集24个土壤样品，最终得到80个样品。采样时使用全球定位系统(GPS)记录样点地理信息和植被类型。土壤样品经风干，去除植物残体及石块等杂物，研磨过筛备用。
土壤样品养分测定[13]：pH用pH酸度计测定；土壤有机质采用重铬酸钾氧化还原滴定法测定；全氮采用半微量凯氏法测定；全磷采用氢氧化钠碱熔-钼锑抗比色法测定；全钾采用氢氧化钠熔融-火焰分光光度法测定；容重采用环刀法测定。
2.2 地形数据提取
研究区采用美国国家航空航天局(NASA)官方网站(
https://search.asf.alaska.edu/#/ )的12.5 m×12.5 m数字高程模型(DEM)。在采样时用GPS测定野外采样点实地坐标、高程数据。利用ArcGIS 10.2空间分析工具直接提取基本地形数据，结合空间分析工具、水文分析模块以及栅格计算器经复合计算获取坡度数值。2.3 地统计分析
半方差函数是地统计学中描述变量的定量参数，在土壤元素空间变异性研究中应用广泛，用于揭示区域化变量的随机性和结构性特征，具体计算公式及参数见文献[14]。
半方差分析的参数中，块金值(C0)表示由采样和检测分析误差引起的随机变异，基台值(C0+C)代表总空间变异程度，块基比[C0/(C0+C)]表示随机变异的占比情况，用于衡量空间相关程度[15]，变程(a)表示空间自相关的作用范围。
2.4 空间自相关计算
土壤属性在地理空间上与相邻区域的观测值存在的相互依赖性，即空间自相关，可用全局Moran’s I指数(IN)反映指标的空间自相关性大小，具体计算公式及参数见文献[16]。IN指数取值范围是−1~1，小于0表示负相关，等于0表示不相关，大于0表示正相关。IN的显著性水平采用下式检验：
$$Z=\left[I_{{\rm{N}}}-{E}\left(I_{{\rm{N}}}\right)\right] / \sqrt{\operatorname{var}\left(I_{{\rm{N}}}\right)} 。 $$ 其中：Z为检验IN指数的显著性统计量；E(IN)为期望值；var(IN)为方差。
$ \left| Z \right| $ ≥1.96和$ \left| Z \right| $ ≥2.58分别是空间自相关显著和极显著的分界值。2.5 数据处理
本研究利用3倍标准差法(阈值法)剔除统计数据的异常值[17]。采用SPSS 20.0软件进行土壤养分数据的描述性统计分析、数据正态性检验[Kolmogorov-Smirnov (K-S)法]、不同植被下土壤养分的显著性检验、地形因子和土壤养分之间的相关性分析；采用GS+7.0软件进行半变异函数分析和相关模型参数优化；利用Geoda进行空间自相关计算；基于ArcGIS 10.7软件进行地形因子的计算和插值图的绘制。
3. 结果与分析
3.1 土壤养分描述性统计分析
龙塘山-顺溪坞土壤养分元素质量分数描述性统计结果如表1所示。土壤pH为3.82~6.70，均值为5.10，属于酸性土壤；研究区土壤有机质、全磷、全氮、全钾平均质量分数分别为65.04、0.67、1.63、18.45 g·kg−1。根据全国第2次土壤普查属性分级标准[18]，有机质质量分数处于极丰富水平(一级)，全氮处于丰富水平(二级)，全钾、全磷质量分数处于较丰富水平(三级)。土壤各养分的变异系数为12%~50%，根据王政权等[19]划分标准，所有养分均属于中等程度变异。K-S法正态性检验结果显示：pH、全氮符合正态分布，有机质、全磷、全钾经对数转换后符合正态分布。
表 1 龙塘山-顺溪坞土壤养分描述性统计特征Table 1 Descriptive statistical characteristics of soil fertility properties in Longtangshan-Shunxiwu指标 pH 有机质/(g·kg−1) 全磷/(g·kg−1) 全氮/(g·kg−1) 全钾/(g·kg−1) 最小值 3.82 10.24 0.24 0.35 5.96 最大值 6.70 143.43 1.53 3.06 41.54 均值 5.10 65.04 0.67 1.63 18.45 标准差 0.59 32.61 0.27 0.60 8.73 变异系数/％ 12 50 40 37 47 偏度 0.56 −0.27 0.14 0.37 −0.09 峰度 0.07 0.62 −0.30 −0.31 −0.66 K-S 0.20 0.20 0.20 0.20 0.20 分布类型 正态分布 对数正态分布 对数正态分布 正态分布 对数正态分布 3.2 土壤养分地统计分析
在一定的分离距离内，土壤pH和各养分的半方差均随分离距离的增加而增大(图2)，最终近似趋于基台值或是围绕基台值上下波动，说明各养分在采样尺度上有一定的空间依赖性[20]。
图 2 龙塘山-顺溪坞土壤养分半变异函数分析Figure 2 Semivariograms of soil fertility properties in Longtangshan-Shunxiwu利用地统计学半方差特征参数函数分析各养分的理论拟合模型(表2)。土壤pH、有机质、全磷质量分数分布符合指数模型，土壤全氮、全钾质量分数分布符合高斯模型。拟合模型能较准确反映龙塘山-顺溪坞土壤养分的空间变异结构特征(决定系数R2＞0.5)。土壤有机质、全氮、全钾的块基比分别为0.23、0.11、0.18，表现为强烈空间自相关，说明其变异主要受结构性因素影响。土壤pH、全磷的块基比分别为0.26、0.50，处于中等强度的空间相关性，表明随机因素可能存在一定的影响。IN指数分析结果显示：土壤有机质具有极显著的空间自相关性(P＜0.01，Z＞2.56)，表明有机质分布较聚集；而土壤全氮、全钾的空间自相关性不显著，在空间上呈离散分布。土壤pH的变程很小，说明土壤pH的主控因素的空间连续性尺度较小，分布趋向于随机化，这与IN显著性检验结果较为一致。
表 2 土壤养分半变异模型参数及IN指数Table 2 Semivariogram model parameters of soil fertility properties and global IN index指标 模型 块金值C0 基台值(C0+C) 块基比[C0/(C0+C)] IN Z 变程/km 决定系数(R2) pH 指数模型 0.10 0.38 0.26 0.08 1.35 2.00 0.76 有机质 指数模型 250.00 1084.00 0.23 0.24** 3.29 5.00 0.72 全磷 指数模型 0.04 0.08 0.50 0.16* 2.31 26.00 0.90 全氮 高斯模型 0.04 0.36 0.11 0.04 0.66 796.74 0.82 全钾 高斯模型 57.90 326.70 0.18 ＜0.05 −0.52 354.20 0.93 说明：*表示在0.05水平上显著相关(|Z|＞1.96)；**表示在0.01水平上显著相关(|Z|＞2.58) 3.3 土壤养分空间分布格局
龙塘山-顺溪坞土壤养分质量分数的空间分布如图3所示。整体上，各土壤养分的空间分布不均，斑块特征显著，表现较为明显的空间异质性。土壤pH处于5.0~5.5的范围最大，整体呈酸性；有机质质量分数大于40 g·kg−1的点位分布广泛，高值区集中分布在中偏西北部，少量分布在东南部，低值区以斑状散布在整个研究区；全氮的高值区以斑状散布在研究区边缘且主要分布于西北、东南两端，低值区则以斑块状散布于研究区内部；全磷、全钾高低值区分布较为分散，在海拔较高处分布着明显的低值区。在南部(海拔为340~816 m)出现土壤pH、全磷、全钾质量分数较高而土壤有机质和土壤全氮质量分数较低的情况。
图 3 龙塘山-顺溪坞土壤养分空间分布示意图Figure 3 Spatial distribution map of soil fertility properties in Longtangshan-Shunxiwu3.4 土壤养分空间异质性影响因子
龙塘山-顺溪坞土壤养分与环境因子的相关分析结果显示(图4)：有机质和全氮与地形因子具有较为一致的相关性。线性拟合结果表明：土壤有机质和全氮之间呈极显著的正相关性(P＜0.01)(图5)。有机质和全氮均与海拔呈极显著正相关(P＜0.01)；全磷、全钾质量分数呈现出随海拔升高而下降的趋势；有机质和全氮与坡度、土壤容重均呈极显著负相关(P＜0.01)；土壤pH与土壤容重呈正相关性(P＜0.05)，土壤全磷与土壤容重呈极显著正相关(P＜0.01)。
图 4 龙塘山-顺溪坞土壤养分与环境因子的相关分析Figure 4 Correlation analysis between soil nutrients and environmental factors in Longtangshan-Shunxiwu
图 5 土壤有机质与土壤全氮的关系Figure 5 Relationship between soil organic matter and total nitrogen3.4.1 海拔对土壤养分空间异质性的影响
为了进一步研究龙塘山-顺溪坞土壤有机质和全氮随海拔变化的规律，将海拔划分为200~500、500~800、800~1 000、1 000~1 200、1 200~1 400、1 400~1 600 m等6个等级(下文分别以1、2、3、4、5、6级海拔代替) (图6)。由图6可知：土壤有机质和土壤全氮随海拔升高而增加，变化规律一致。在1、2级海拔，土壤有机质和土壤全氮与3、4、5、6级海拔间均存在显著差异(P＜0.05)。
图 6 龙塘山-顺溪坞不同海拔土壤养分特征Figure 6 Characteristics of soil fertility properties under different elevations in Longtangshan-Shunxiwu3.4.2 土壤容重对土壤养分空间异质性的影响
有机质和全氮质量分数随着容重增加而减少(表3)，有机质质量分数下降较快，全氮质量分数下降较慢。土壤pH和全磷随着容重增加而增加，表明pH和全磷与土壤容重呈正向相关性，且两者上升趋势较小，总体变化平缓。
表 3 龙塘山-顺溪坞土壤化学性质随土壤容重的变化Table 3 Changes of soil chemical properties with soil bulk density in Longtangshan-Shunxiwu容重/(g·cm−3) pH 有机质/(g·kg−1) 全磷/(g·kg−1) 全氮/(g·kg−1) 容重/(g·cm−3) pH 有机质/(g·kg−1) 全磷/(g·kg−1) 全氮/(g·kg−1) 0.8~0.9 4.61±0.68 79.41±20.73 0.11±0.04 2.29±0.90 1.4~1.5 5.37±0.58 59.48±19.48 0.12±0.04 1.26±0.59 0.9~1.0 5.29±1.13 80.81±5.40 0.07±0.03 1.81±0.11 1.5~1.6 5.13±0.75 52.82±14.42 0.17±0.10 1.04±0.32 1.0~1.1 4.87±0.39 74.86±18.27 0.11±0.06 1.89±0.47 1.6~1.7 5.17±0.68 41.08±10.31 0.14±0.08 0.91±0.13 1.1~1.2 5.03±0.76 71.68±18.62 0.10±0.03 1.72±0.67 1.7~1.8 5.80±0.45 42.50±13.67 0.39±0.43 0.80±0.29 1.2~1.3 4.96±0.31 65.44±20.67 0.10±0.05 1.42±0.55 F 5.13 36.69 11.01 41.04 1.3~1.4 5.17±0.57 46.44±11.63 0.15±0.09 1.08±0.33 P 0.03 ＜0.001 0.001 ＜0.001 说明：数值为平均值±标准差 3.4.3 植被类型对土壤养分空间异质性的影响
对龙塘山-顺溪坞不同植被类型下土壤养分质量分数进行统计(表4)可知：不同植被类型对土壤养分均有影响，且对土壤有机质和全氮的影响达显著水平(P＜0.05)。与其他植被类型土壤相比，农田土壤有机质和全氮质量分数偏低，而土壤pH、全磷较高；草甸中土壤有机质质量分数最高；针叶林土壤全钾质量分数最高。
表 4 龙塘山-顺溪坞不同植被类型下土壤养分特征Table 4 Characteristics of soil fertility properties under different vegetation types in Longtangshan-Shunxiwu植被类型 pH 养分/(g·kg−1) 有机质 全磷 全氮 全钾 落叶阔叶林 5.30±0.13 a 62.06±6.19 ab 0.20±0.05 a 1.51±0.18 ab 17.25±2.44 a 针阔叶混交林 4.93±0.19 a 67.48±8.71 ab 0.08±0.01 a 1.70±0.31 ab 14.86±2.11 a 针叶林 4.98±0.46 a 71.54±6.35 ab 0.07±0.02 a 1.72±0.06 ab 26.74±6.35 a 竹林 5.05±0.21 a 65.13±10.47 ab 0.11±0.04 a 1.20±0.25 b 17.61±5.32 a 草甸 4.57±0.11 a 82.89±7.54 a 0.07±0.01 a 2.08±0.28 a 20.41±4.97 a 农作物 5.23±0.35 a 46.63±7.78 b 0.18±0.03 a 1.09±0.19 b 18.11±2.31 a 说明：同养分不同字母表示不同植被类型之间差异显著(P＜0.05)；数值为平均值±标准差 4. 讨论
4.1 土壤养分空间分布特征
本研究结果显示：龙塘山-顺溪坞区土壤中所有养分均属于中等程度变异，并且有机质变异系数最高，表明其易受结构因素和随机因素影响。空间变异主要分为结构因素变异和随机因素变异[7]。本研究中，土壤pH、土壤全磷的块基比分别为0.26、0.50，呈中等强度的空间自相关性，说明自然和人为因素共同对目标变量存在影响。土壤有机质、全氮、全钾的块基比分别为0.23、0.11、0.18，表现为强烈空间自相关，说明其变异主要受土壤母质、植被、地形等非人为因素影响。成土母质及其风化程度也是影响土壤养分分布状况的主要因素[21]，但也有研究表明：母质对土壤有机质、全氮、有效磷质量分数的影响并无显著差异[22]。本研究区土壤母质在景观尺度上的变异较为平稳，主要是酸性岩石矿物，因此对母质因子不作重点分析。地形因子导致的水热分布差异是造成土壤属性空间异质性的重要原因[23−24]。森林土壤有机质空间分布受地形地貌等自然因素以及受其制约的土地利用的影响较大，受人类活动、耕作措施等随机因素影响很小[25]。由龙塘山-顺溪坞的DEM图可知：该研究区的高海拔区主要分布在西北和东南部，与土壤有机质和全氮高值区的空间分布特点具有较高的一致性。总体上，龙塘山-顺溪坞土壤养分质量分数较高，随地势的空间连续性尺度较小，分布随机化而且各土壤养分的空间变异较大，说明土壤养分的空间异质性可能受地形地势等自然因素的影响。
总体来看，该研究区的土壤养分质量分数均较高，但全钾、全磷质量分数相对较低，多数全磷、全钾低值区分布于海拔较高处，可能与该区受地形因子控制的降水量有关[26]。海拔升高到一定高度时，降水量的增加加强了磷、钾流失。可见高海拔处的植被生产力可能易受磷、钾养分限制。在该研究区南部海拔340~816 m处存在着大面积土壤pH、全磷、全钾质量分数较高而土壤有机质和全氮质量分数较低区域。这可能与该区域的新增农田有关。有研究表明：施肥会增加土壤酸性以及磷、钾质量分数[27]。与耕地相比，自然土地的人为干扰少且凋落物养分归还多，土壤有机质和全氮质量分数较高[28]。
4.2 土壤养分空间异质性影响因子
土壤养分的空间异质性受地形地势等自然因素的影响[23]，不同海拔带间的水热分布、温湿度差异等会影响土壤养分的迁移、转化与累积，海拔因素是影响森林土壤有机碳积累的主导因子之一[29]。本研究表明：土壤有机质和全氮均与海拔呈极显著正相关，有机质在1、2级海拔和3、4、5、6级海拔间均存在显著差异。张亚茹等[30]在鼎湖山研究表明：土壤有机质具有明显的空间变异性且随海拔升高而增加。两者的研究结果一致。在高海拔处的低温环境中，微生物活性降低而凋落物增加，一方面增加了土壤有机碳的归还与积累，另一方面减慢了有机质分解转化速率。本研究结果显示：有机质和全氮呈显著正相关，这与相关森林土壤研究的结果一致[24]，并且有机质和全氮与海拔因子具有较为一致的相关性。总体上，在低海拔处，水、气、热等条件有利于加速土壤中物质循环，从而提高土壤养分的利用率。随着海拔升高，气温降低，湿度变大，植物蒸腾作用减弱，微生物对凋落物及动植物残体等的分解活动减弱，生物积累作用增强，造成有机质、全氮质量分数显著高于低海拔地区[11]。
本研究区中土壤全磷、全钾质量分数呈现出随海拔升高而下降的趋势，这可能与磷、钾的元素特性有关。在低山丘陵区，海拔较高的地方受水流的侵蚀作用较强，导致土壤强淋失，降低土壤中钾质量分数[31]。在自然生态系统中，与土壤有机质和全氮不同，土壤磷主要来源于基岩的风化[32]，并通过植物的聚集作用积累在表层土壤。凋落物中的磷是表层土壤磷的主要来源[33]。随着海拔升高，气温和热量下降，凋落物的分解速率降低，阻碍了植物的聚集作用，减少了土壤中磷的输入。坡度是影响土壤养分分布的重要因素之一，它能够调节地表径流，改变土壤养分的空间分布[11]。本研究中土壤有机质和全氮与坡度呈极显著负相关，坡度增大，地表径流和侵蚀变强，地表的扰动作用减少了土壤有机质和全氮的质量分数。
本研究发现：土壤有机质和全氮质量分数随着容重增加而减少，这可能与受容重因子控制的土壤储水量有关。土壤储水量会随容重的减小而增加，因为随土壤容重的减小，土壤团粒结构和土壤有效孔隙增多，土壤结构得到改善，导致入渗能力、持水能力增大[28]，有利于植物细根的穿插和发育，提升土壤养分循环，从而进一步提高土壤有机质回归能力和氮矿化速率[34]。本研究中，pH和全磷与土壤容重呈正相关。pH变化较慢，这可能是由于自然保护区的原始生态保存较为完好，研究区土壤酸性主要来自于空间连续性尺度较小的酸性土壤母岩。磷通过凋落物和根系分泌物等途径归还土壤。随土壤容重增大，土壤持水能力降低，凋落物和根系分泌物的生物化学反应加剧，可促进磷元素的溶解与周转[33−35]。研究发现：土壤pH和全磷与土壤有机质呈负相关[27]。本研究区土壤整体呈酸性，土壤有机质随着容重减少而增加，同时土壤pH和全磷相应降低。总体上，随着土壤容重的变化，有机质变化较大，而全氮、全磷的变化则相反，这与有机质高值区分布较为集中而低值区分散，全氮和全磷分布较离散的研究结果一致。
植物体养分通过凋落物的归还和植物根系的输送直接影响土壤养分质量分数及分布。本研究结果显示：不同植被类型对土壤有机质和全氮的影响达显著水平，草甸土壤中有机质和全氮质量分数最高。相关研究发现：草甸土中有机质质量分数高于针叶林中[36]，浙江省乌岩岭不同植被类型土壤中有机质质量分数从大到小依次为针阔混交林、竹林、农地[37]。本研究结果与相关学者的研究结果较为一致。海拔可通过改变植被覆盖度、草地生产力等来实现对表层土壤有机质的影响。水、气、热条件随海拔变化，而这些自然条件制约着植被类型，影响着植被的养分消耗与归还，进而影响植物根系对土壤有机碳的输送量。同时，温、湿度等环境条件影响微生物对表层土壤凋落物的分解和转化。本研究中，草甸大面积分布在高海拔区域，随着海拔高度的增加，气温下降，使得有机质分解转化速率减慢，而草地覆盖度及有机碳输送能力增加，有机质易于积累。刘跃建等[38]研究表明：随海拔升高，草甸土中全氮质量分数明显高于其他森林植被类型土壤中的全氮，且全氮与有机质对环境因子的响应具有一致性。植物体养分循环是土壤全钾质量分数的主要决定过程之一。相对于其他植被类型，针叶林土壤全钾质量分数较高，可能是因为针叶林凋落物对土壤全钾有更明显的富集作用。
5. 结论
清凉峰国家级自然保护区内龙塘山-顺溪坞土壤养分全磷、全钾质量分数相对较低，各土壤养分均表现为中等程度变异，具有较为明显的空间异质性。养分低值区普遍以斑状散布在研究区中，土壤有机质、全氮的高值区集中分布于西北及东南部分区域，而全磷、全钾的高值区分布较为分散。总体上，土壤养分空间分布较为破碎化，斑块特征显著。受结构性因素影响，土壤有机质和全氮与海拔、坡度、容重、植被类型的相关性达显著水平，全磷仅与容重的相关性达显著水平。研究区内土壤酸性较强，同时受地形地势的影响，研究区内土壤存在水土流失及土壤养分淋失风险，建议注重高海拔区水土保持。
-
表 1 ENFA模型分析的生态地理变量
Table 1. Ecogeographical variables analyzed by ENFA model
因素类型 生态地理变量(EGV) 因素类型 生态地理变量(EGV) 气候因素 年平均气温(℃)
年平均降水量(mm)
5−10月平均气温(℃)
5−10月平均降水量(mm)人类干扰因素 到居民点距离(m)
到公路距离(m)
到铁路距离(m)
到农田距离(m)
人口分布密度(人·km−2)地形因素 海拔(m)
坡度(º)
坡向植被因素 到针叶林距离(m)
植被覆盖度到河流距离(m) 
下载: 导出CSV
表 2 ENFA模型的因子得分
Table 2. Factor scores of the ENFA model
生态地理变量 边际因子 特异因子1 特异因子2 年平均气温 0.397 −0.112 −0.702 年均降水量 0.398 −0.405 −0.099 5−10月平均气温 0.399 0.224 0.562 5−10月平均降水量 0.390 0.293 0.290 海拔 −0.013 −0.481 0.111 坡度 0.039 0.032 0.027 坡向 0.364 0.110 −0.008 到河流距离 0.196 −0.069 0.004 到居民点距离 0.035 −0.142 0.048 到公路距离 0.255 0.314 0.144 到铁路距离 −0.010 −0.423 −0.076 到农田距离 0.084 0.030 −0.040 人口分布密度 0.242 −0.079 0.005 植被覆盖度 0.007 −0.034 −0.065 到针叶林距离 0.048 −0.071 −0.119
下载: 导出CSV
表 3 湖北省各地区的潜在风险区面积
Table 3. Areas of potential risk areas in various regions of Hubei Province
地级市 低风险区 中风险区 高风险区 总面积/km2 比例/% 面积/km2 比例/% 面积/km2 比例/% 面积/km2 比例/% 十堰 17 070.33 71.48 5 892.89 24.67 919.31 3.85 23 882.53 100.00 襄樊 11 992.35 60.30 4 283.28 21.54 3 612.35 18.16 19 887.99 100.00 随州 4 747.96 49.24 2 037.07 21.13 2 857.88 29.64 9 642.92 100.00 孝感 2 288.41 25.79 2 315.58 26.10 4 268.78 48.11 8 872.76 100.00 黄冈 4 652.81 26.90 7 983.51 46.15 4 661.60 26.95 17 297.91 100.00 武汉 5 939.94 69.66 2 150.60 25.22 436.07 5.11 8 526.60 100.00 鄂州 1 307.54 83.41 259.74 16.57 0.26 0.02 1 567.54 100.00 黄石 1 385.89 30.76 1 810.41 40.18 1 309.84 29.07 4 506.14 100.00 咸宁 2 125.73 22.29 4 117.85 43.17 3 294.34 34.54 9 537.92 100.00 荆州 973.19 7.01 3 197.68 23.03 9 714.51 69.96 13 885.38 100.00 宜昌 7 350.90 34.81 9 922.73 46.99 3 843.48 18.20 21 117.11 100.00 荆门 4 311.63 35.02 4 600.77 37.36 3 400.92 27.62 12 313.32 100.00 恩施 7 129.55 30.09 16 175.96 68.26 391.64 1.65 23 697.15 100.00 神农架 2 244.18 69.26 996.16 30.74 0 0 3 240.34 100.00 仙桃 2 444.00 97.86 53.48 2.14 0 0 2 497.48 100.00 潜江 1 883.91 94.79 103.55 5.21 0 0 1 987.46 100.00 天门 1 826.68 70.23 600.58 23.09 173.64 6.68 2 600.90 100.00 总面积 80 513.54 43.31 66 501.84 35.77 38 884.62 20.92 185 900.00 100.00
下载: 导出CSV
-
[1] 冯益明, 张海军, 张星耀, 等. 松材线虫病在我国适生性分布的定量估计[J]. 林业科学, 2009, 45(2): 65 − 71. FENG Yiming, ZHANG Haijun, ZHANG Xingyao, et al. Quantification of suitability distribution region of Bursaphelenchus xylophilus in China [J]. Sci Silv Sin, 2009, 45(2): 65 − 71. [2] 宁眺, 方宇凌, 汤坚, 等. 松材线虫及其关键传媒墨天牛的研究进展[J]. 昆虫知识, 2004, 41(2): 97 − 104. NING Tiao, FANG Yuling, TANG Jian, et al. Advances in research on Bursaphelenchus xylophilus and its key vector Monochamus spp. [J]. Chin Bull Entomol, 2004, 41(2): 97 − 104. [3] 李兰英. 浙江省松材线虫病环境影响经济评价与治理研究[D]. 北京: 北京林业大学, 2006. LI Lanying. Study on the Environmental Impact Eco-assessment and Management of Pine Wood Nematode in Zhejiang Province[D]. Beijing: Beijing Forestry University, 2006. [4] 湖北省林业局. 湖北省林业局公告(2020年第1号) [EB/OL]. 2020-04-30[2021-03-07]. http: http://lyj.hubei.gov.cn/bmdt/tzgg_2020/index_3.shtml. [5] 潘红伟. 松材线虫(Bursaphelenchus xylophilus)在我国的潜在分布区研究[D]. 北京: 中国林业科学研究院, 2009. PAN Hongwei. Study on the Potential Geographic Distribution of Bursaphelenchus xylophilus in China[D]. Beijing: Chinese Academy of Forestry, 2009. [6] 韩阳阳, 王焱, 项杨, 等. 基于Maxent生态位模型的松材线虫在中国的适生区预测分析[J]. 南京林业大学学报(自然科学版), 2015, 39(1): 6 − 10. HAN Yangyang, WANG Yan, XIANG Yang, et al. Prediction of potential distribution of Bursaphelenchus xylophilus in China based on Maxent ecological niche model [J]. J Nanjing For Univ Nat Sci Ed, 2015, 39(1): 6 − 10. [7] HUTCHINSON G E. Concluding remarks, Coldspring Harbor Symposium [J]. Quant Biol, 1957, 22: 415 − 427. [8] 王学志, 徐卫华, 欧阳志云, 等. 生态位因子分析在大熊猫(Ailuropoda melanoleuca)生境评价中的应用[J]. 生态学报, 2008, 28(2): 821 − 828. WANG Xuezhi, XU Weihua, OUYANG Zhiyun, et al. The application of ecological-niche factor analysis in giant pandas(Ailuropoda melanoleuca) habitat assessment [J]. Acta Ecol Sin, 2008, 28(2): 821 − 828. [9] 刘鹏, 代娟, 曹大潘, 等. 普洱市亚洲象栖息地适宜度评价[J]. 生态学报, 2016, 36(13): 4164 − 4170. LIU Peng, DAI Juan, CAO Dapan, et al. Habitat suitability assessment for Asian elephant in Pu’er prefecture in the Yunnan Province of China [J]. Acta Ecol Sin, 2016, 36(13): 4164 − 4170. [10] 李雯. 西双版纳人象冲突风险评估研究[D]. 昆明: 云南财经大学, 2017. LI Wen. Research on Risk Assessment of Human Elephant Conflict in Xishuangbanna[D]. Kunming: Yunnan University of Finance and Economics, 2017. [11] 杨瑞, 张雅林, 冯纪年. 利用ENFA生态位模型分析玉带凤蝶和箭环蝶异地放飞的适生性[J]. 昆虫学报, 2008, 51(3): 290 − 297. YANG Rui, ZHANG Yalin, FENG Jinian. Habitat suitability analysis in live releasing of two butterflies Papilio polytes Linnaeus and Stichophthalma howqua(Westwood) in China using ENFA [J]. Acta Entomol Sin, 2008, 51(3): 290 − 297. [12] ZANIEWSKI A E, LEHMANN A, OVERTON J M. Predicting species spatial distributions using presence-only data: a case study of native New Zealand ferns [J]. Ecol Model, 2002, 157(2/3): 261 − 280. [13] 罗翀, 徐卫华, 周志翔, 等. 基于生态位模型的秦岭山系林麝生境预测[J]. 生态学报, 2011, 31(5): 1221 − 1229. LUO Chong, XU Weihua, ZHOU Zhixiang, et al. Habitat prediction of Moschus berezovskii in Qinling mountains based on niche model [J]. Acta Ecol Sin, 2011, 31(5): 1221 − 1229. [14] BRAUNISCH V, SUCHANT R. A model for evaluating the habitat potential of a landscape for capercaillie Tetrao urogallus: a tool for conservation planning [J]. Wildl Biol, 2007, 13(suppl): 21 − 33. [15] 国家林业与草原局. 国家林业与草原局公告(2020年第4号)[EB/OL]. 2020-03-16[2021-03-07]. http://www.forestry.gov.cn/Common/index/3457.html. [16] GÁLLEGO D, CÁNOVAS F, ESTEVE M A, et al. Descriptive biogeography of Tomicus(Coleoptera: Scolytidae) species in Spain [J]. J Biogeogr, 2004, 31(12): 2011 − 2024. [17] HIRZEL A H, LE LAY G, HELFER V, et al. Evaluating the ability of habitat suitability models to predict species presences [J]. Ecol Model, 2006, 199: 142 − 152. [18] HIRZEL A H, HAUSSER J, CHESSE L. Ecological-niche factor analysis: how to compute habitat-suitability maps without absence data [J]. Ecology, 2002, 83(7): 2027 − 2036. [19] 赵宇翔, 董燕, 徐正会. 云南省松墨天牛生物学特性和地理分布研究[J]. 中国森林病虫, 2004, 23(5): 13 − 16. ZHAO Yuxiang, DONG Yan, XU Zhenghui. Biological characteristics and geographical distribution of Monochamus alternatus in Yunnan Province [J]. Chin For Pests, 2004, 23(5): 13 − 16. [20] 展茂魁. 马尾松蛀干害虫种群动态与松材线虫病的关系及松褐天牛天敌研究[D]. 北京: 中国林业科学研究院, 2014. ZHAN Maokui. Studies on Population Dynamics of Woodborers and the Relationship with Pine Disease on Pinus massoniana, and Natural Enemies of Monochamus alternatus[D]. Beijing: Chinese Academy of Forestry, 2014. [21] 李苗苗, 吴炳方, 颜长珍, 等. 密云水库上游植被覆盖度的遥感估算[J]. 资源科学, 2004, 26(4): 154 − 158. LI Miaomiao, WU Bingfang, YAN Changzhen, et al. Estimation of vegetation fraction in the upper basin of Miyun reservoir by remote sensing [J]. Resour Sci, 2004, 26(4): 154 − 158. [22] 魏淑婷, 李涛, 林玉成. 基于MaxEnt模型预测四川省松材线虫的潜在适生区[J]. 四川动物, 2019, 38(1): 37 − 46. WEI Shuting, LI Tao, LIN Yucheng. Prediction of the potential distribution of Bursaphelenchus xylophilus in Sichuan Province using MaxEnt model [J]. Sichuan J Zool, 2019, 38(1): 37 − 46. [23] 张华锋, 陈思宇, 刘刚, 等. 松材线虫病疫木卫生伐对马尾松纯林林分结构的影响[J]. 浙江农林大学学报, 2020, 37(4): 745 − 751. ZHANG Huafeng, CHEN Siyu, LIU Gang, et al. Effects of sanitation cutting pine wilt diseased trees on the stand structure of pure Pinus massoniana plantation [J]. J Zhejiang A&F Univ, 2020, 37(4): 745 − 751. [24] 叶建仁. 松材线虫病在中国的流行现状、防治技术与对策分析[J]. 林业科学, 2019, 55(9): 1 − 10. YE Jianren. Epidemic status of pine wilt disease in china and its prevention and control techniques and counter measures [J]. Sci Silv Sin, 2019, 55(9): 1 − 10. [25] 黄麟, 叶建仁, 刘雪莲. 松材线虫病病原种群分化研究现状[J]. 南京林业大学学报(自然科学版), 2009, 33(4): 135 − 139. HUANG Lin, YE Jianren, LIU Xuelian. Advance in population differentiation of Bursaphelenchus xylophilus [J]. J Nanjing For Univ Nat Sci Ed, 2009, 33(4): 135 − 139. 期刊类型引用(7)
1. 黄跃，谢晏芬，朱宣全，贾孟，王戈，白羽祥，杜宇，周鹏，赵宇婷，朱红琼，杨帆，肖志文，王文波，方志鹏，韩家宝，王娜. 植烟区烟叶氯含量风险评估及影响因素分析. 中国农业科技导报. 2024(06): 206-213 . 
百度学术2. 牟晨，王海燕，崔雪，赵晗，董齐琪. 长白山天然针阔混交林土壤养分空间异质性及其影响因素. 应用与环境生物学报. 2024(05): 894-903 . 百度学术3. 李淑璇，王勇辉，刘涛涛. 基于地理探测器的土壤碳、氮影响因子分析——以新疆维吾尔自治区博乐市为例. 新疆师范大学学报(自然科学版). 2023(01): 42-50 . 百度学术4. 张向宁，王海燕，崔雪，赵晗，董齐琪，赵慧英. 土壤pH与养分的空间异质性及土壤肥力分析——以内蒙古旺业甸林场为例. 干旱区资源与环境. 2023(07): 127-136 . 百度学术5. 童童，梅帅，刘莹，常珺枫，梁华忠，范其龙，王强，马友华. 基于GIS的环巢湖地区土壤养分空间变异特征研究. 农业环境科学学报. 2023(07): 1522-1531 . 百度学术6. 叶彩红，李莹莹，何茜，丁晓纲. 韩江流域中下游林地土壤全磷含量特征及空间分布格局. 林业与环境科学. 2022(04): 23-27 . 百度学术7. 邓智文，丁晓纲，李莹莹，齐也，王洋，孙冬晓，张中瑞. 清远市针叶林土壤磷元素及空间分布研究. 林业与环境科学. 2022(05): 1-5 . 百度学术其他类型引用(5)
-
-
链接本文:
https://zlxb.zafu.edu.cn/article/doi/10.11833/j.issn.2095-0756.20200365
点击查看大图
计量
- 文章访问数: 2154
- HTML全文浏览量: 815
- PDF下载量: 56
- 被引次数: 12
