气候变化对新疆意大利蝗潜在分布的影响

李培先, 林 峻, 麦迪·库尔曼, 吴建国, 刘永强, 郑江华*

(1. 新疆大学资源与环境科学学院, 乌鲁木齐 830046; 2. 新疆大学智慧城市与环境建模普通高校重点实验室, 乌鲁木齐 830046; 3. 新疆维吾尔自治区治蝗灭鼠指挥部办公室, 乌鲁木齐 830001)

气候变化对新疆意大利蝗潜在分布的影响

李培先1,2, 林 峻3, 麦迪·库尔曼3, 吴建国3, 刘永强1,2, 郑江华1,2*

(1. 新疆大学资源与环境科学学院, 乌鲁木齐 830046; 2. 新疆大学智慧城市与环境建模普通高校重点实验室, 乌鲁木齐 830046; 3. 新疆维吾尔自治区治蝗灭鼠指挥部办公室, 乌鲁木齐 830001)

意大利蝗Calliptamusitalicus(L.)是新疆草原主要优势蝗虫之一,每年给新疆畜牧业经济带来严重损失,气候变化对其潜在分布影响的预测对其科学防治有重要意义。本研究采用意大利蝗的分布数据和生物气候数据,结合MaxEnt模型和ArcGIS软件,预测了BCC_CSM1.1气候模式下政府间气候变化专门委员会第五次工作报告(IPCC AR5)采用的RCP2.6、RCP4.5和RCP8.5三种气候情景在2021-2040年(2030s)、2041-2060年(2050s)和2061-2080年(2070s)的意大利蝗新疆潜在适生区分布范围。结果表明:在BCC_CSM1.1的各情景下,意大利蝗适生区在北疆及天山一带分布格局基本保持不变,但高度适生区面积都有所增加,其中在天山和阿尔泰山地区,意大利蝗中、高度适生区范围将向更高海拔区域蔓延,在北疆阿勒泰地区高度适生区明显增加。极端水分条件和水热条件对意大利蝗在新疆潜在分布发挥主要作用,其中4月、10月、3月和11月降水量对意大利蝗在新疆潜在分布影响最大,因其直接影响土壤相对含水量和土壤温度,从而决定意大利蝗卵的存活量。

意大利蝗; MaxEnt模型; 气候变化; RCPs; 气候情景; 地理信息系统; 预测

全球环境变化特别是气候变化已成为国内外最受关注的热点问题[1]。2014年,联合国政府间气候变化专门委员会(IPCC)第5次评估报告(AR5)指出:1951-2010年间,温室气体造成的全球平均地表增温在0.5～1.3℃之间;与1986-2005年相比,预计2016-2035年全球平均地表温度将升高0.3～0.7℃,2081-2100年将升高0.3～4.8℃[2]。1951-2008年新疆南疆地区气候呈较明显的变暖变湿趋势[3]。而北疆在1960-2011年气温以0.35℃/10 年的速度显著增加;冬季和秋季降水引起年均降水量的显著增加,空间上阿尔泰山南坡和天山北坡显著增加,准噶尔盆地西部未发现增加[4]。

目前, 预测气候变化对物种的分布范围及格局的影响已成为生物地理学和全球变化生物学研究的热点和重点领域[5-6]。而气候变化已成为病虫害发生的主要驱动力之一[7-8]。近年来,在气候变暖背景下,中国病虫害呈发生面积逐年增长、暴发种类逐年增加、灾害损失逐年扩大的趋势,而未来气候持续变暖将导致这种情况进一步加重[9]。

意大利蝗Calliptamusitalicus(L.)属直翅目Orthoptera,蝗总科Acridoidea,斑腿蝗科Catantopidae,星翅蝗属CalliptamusAudinet-Serville。在我国主要分布于新疆北部海拔800～2 300 m的荒漠、半荒漠草地[10]。作为新疆草原主要优势蝗虫之一,每年给新疆畜牧业经济带来严重损失[11-12]。在全球气候变暖背景下,意大利蝗新疆适生区近53年气候总体呈暖湿趋势,气候格局的显著变化,会导致蝗虫地理分布格局及灾变规律的重大改变[12]。那么未来气候变化下意大利蝗在新疆潜在适生区分布会发生怎样的变化？其适生区形成的主要环境气候因子是否会改变？基于此科学问题,本研究采用新疆实地调查的意大利蝗GPS数据,运用MaxEnt模型和ArcGIS软件,预测了当前气候条件(1950-2000年)和BCC_CSM1.1(Beijing Climate Center_Climate System Model version 1.1)未来气候模式下RCP2.6、RCP4.5和RCP8.5三种气候情景在2021-2040年(2030s)、2041-2060年(2050s)和2061-2080年(2070s)意大利蝗新疆潜在适生区分布,分析了影响意大利蝗潜在分布的主要环境因子,尝试完善意大利蝗在新疆发生的灾变理论,以期为其重点适生区域及蔓延趋势进行针对性防控提供参考。

1 材料与方法

1.1 意大利蝗分布数据和地图数据

2014-2015年新疆畜牧厅治蝗灭鼠指挥部对各地州意大利蝗发生点进行野外GPS采样,收集到的990个分布点按最大熵软件要求进行存储,按照物种名、经度、纬度的格式保存为.csv文件。中国矢量地图比例尺为1∶400万,从国家基础地理信息系统(http:∥nfgis.nsdi.gov.cn/)下载,用ArcGIS10.0裁剪出新疆矢量边界。

1.2 生物气候数据

在WorldClim(http:∥www.worldclim.org/)下载的当前气候(1950-2000)生物气候数据和降水数据;未来生物气候数据在CCAF(Climate Change, Agriculture and Food Security)网站http:∥www.ccafs-climate.org中下载,空间分辨率都为30 seconds(表1)。

表1 应用于MaxEnt模型中的环境变量1)

1) 参考http:∥www.worldclim.org/bioclim制作。The table was made by reference to http:∥www.worldclim.org/bioclim.

IPCC AR5采用了4个典型浓度路径(representative concentration pathways,RCPs)排放情景,这些情景以相对于1750年的2100年近似总辐射强迫来表示。本研究采用RCP2.6、RCP4.5和RCP8.5情景进行未来预测。在RCP 2.6情景下辐射强迫值为2.6 W/m2,是极低强迫水平的减缓情景;在RCP 4.5情景下为4.5 W/m2,是中等稳定化情景;在RCP 8.5情景下是8.5 W/m2,为温室气体排放非常高的情景。对RCP2.6情景,辐射强迫先达到峰值,然后下降;对RCP4.5情景,辐射强迫在2100年前达到了稳定;对于RCP8.5情景,到2100年辐射强迫还没有达到峰值。RCPs情景进一步考虑了应对气候变化的各种策略对未来温室气体排放的影响,更科学地描述了未来气候变化预估结果[13]。

1.3 软件与方法

MaxEnt软件下载于网站http:∥www. cs. princeton. edu /,ArcGIS10.0软件由美国ESRI公司开发。将意大利蝗的分布数据和生物气候数据导入MaxEnt模型中,选择75%的分布点作为训练样本,25%的分布点作为验证样本。选取刀切法(Jackknife)分析各环境变量对潜在分布影响的重要性。运用刀切法(Jackknife)检测生物气候变量对于分布增益的贡献,即单独用每一变量建立模型(深蓝色条带),然后环境变量被轮流逐一剔除,并用剩余的变量参与运算模型(浅蓝色条带),同时还会生成一个所有变量都参与运行的结果(红色条带),以确定各变量对预测模型的重要性[14]。分布结果取运行10次的平均值以减小MaxEnt模型运行时的误差。

MaxEnt模型运算出新疆意大利蝗分布区,通过 ArcGIS 10.0中 Spatial Analyst 模块的Reclassify对意大利蝗各等级的潜在分布区进行重新赋值,将研究区意大利蝗的生境分为5个等级,分别为非适生区(0,0.06]、边缘适生区(0.06,0.16]、低度适生区(0.16,0.29]、中度适生区(0.29,0.40]和高度适生区(0.40,1.00]。

1.4 精度验证

在建立模型过程中,通过Jackknife中的AUC评价指标对模型的效果和各个环境特征变量的重要性进行检测,来验证模型的准确度[15]。AUC为模型自带的受试者工作特征(receiver operator characteristic,ROC)曲线下的面积(area under curve,AUC),不同的值代表不同的重要性级别:0.5～0.6,不及格(fail);0.6～0.7,较差(poor);0.7～0.8,一般(fair);0.8～0.9,良好(good);0.9～1.0,优秀(excellent)[16-17]。

2 结果与分析

2.1 MaxEnt模型预测结果检验

当前和未来不同气候模式下19个生物气候变量的10次MaxEnt模型运行的ROC曲线检验结果:训练集(training data)AUC的10次均值都在0.926～0.927间波动,验证集(test data)AUC值在0.903～0.927间波动,表明预测结果都为优秀水平。

2.2 当前气候模式和未来气候情景下意大利蝗在新疆潜在分布区预测

将MaxEnt模型运行的结果导入ArcGIS中,执行重分类,并利用空间分析叠加显示模块,得出当前气候情景和未来气候情景下意大利蝗在新疆的空间分布图(图1、2)。

从图1和图2可看出:空间分布上,未来(2030s、2050s、2070s)不同气候情景(RCP2.6、RCP4.5、RCP8.5)下意大利蝗的分布格局与当前气候条件下相比基本保持不变。即意大利蝗适生区主要在北疆地区及天山一带,其中高度适生区和中度适生区主要分布在:伊犁州、博州中部,塔城地区的西北部,阿勒泰地区的西北部和东南部,昌吉州南部,乌鲁木齐的达坂城区和乌鲁木齐县,哈密地区中部,吐鲁番地区和阿克苏地区北部。低度和边缘适生区主要集中在阿勒泰地区中部和昌吉州北部,以及南疆克州中部和东北部。空间分布变化上,在天山和阿尔泰山地区,未来意大利蝗中、高度适生区范围将向更高海拔区域蔓延,在北疆阿勒泰地区高度适生区明显增加(图1、2)。

ArcGIS空间分析统计各气候情景下意大利蝗的各级适宜生境占新疆总面积比例(表2)。根据预测结果(与当前条件相比):RCP2.6、RCP4.5和RCP8.5三种气候情景下到2030s(2021-2040年),新疆意大利蝗适宜生境将分别增加2.23%、1.54%和2.20%,到2050s(2041-2060年),三种气候情景下分别增加2.89%、1.87%和5.30%,至2070s(2061-2080年),分别增加6.53%、1.79%和3.98%。

高度适生区增加的比重更高:较1950-2000年(current),在RCP2.6情景下意大利蝗新疆高度适生区面积比重在2030s、2050s、2070s分别增加3.74%、4.08%、7.66%;在RCP8.5情景下,分别增加2.28%、4.76%、6.15%。这两种气候情景下都表现为从2000年到2030s、2050s、2070s逐渐增加的趋势。在RCP4.5气候情景下,意大利蝗新疆高度适生区面积比例随时间增长分别增加3.58%、1.95%、2.83%,表现为2030s>2080s>2050s>1950-2000年(current)的变化趋势。在全球变暖的气候背景下,新疆气候向暖湿方向发展,总体更利于意大利蝗中度适生区和高度适生区的形成。

图1 当前气候条件下意大利蝗适宜生境分布Fig.1 Distribution of habitats for Calliptamus italicus under current climate condition

图2 未来不同气候情景下意大利蝗适宜生境分布Fig.2 Distribution of habitats for Calliptamus italicus under different future climate scenarios

气候情景Climatescenario非适生区Unsuitabledistributionregion面积/×104km2Area比例/%Ratio边缘适生区Marginal-suitabledistributionregion面积/×104km2Area比例/%Ratio低度适生区Low-levelsuitabledistributionregion面积/×104km2Area比例/%Ratio中度适生区Moderatesuitabledistributionregion面积/×104km2Area比例/%Ratio高度适生区High-levelsuitabledistributionregion面积/×104km2Area比例/%RatioCurrent(19502000)123.4474.1412.527.5210.626.386.543.9313.378.03RCP2.6(2030s)119.7271.9110.076.058.575.158.525.1219.6011.77RCP2.6(2050s)118.6271.259.825.9010.226.147.664.6020.1612.11RCP2.6(2070s)112.5667.619.165.5011.977.196.684.0126.1215.69RCP4.5(2030s)120.8772.609.865.928.124.888.314.9919.3311.61RCP4.5(2050s)120.3272.2712.047.2310.826.506.694.0216.629.98RCP4.5(2070s)120.4672.3511.827.109.775.876.363.8218.0810.86RCP8.5(2030s)119.7771.9410.666.4011.006.617.894.7417.1710.31RCP8.5(2050s)114.6168.8412.447.4711.196.726.964.1821.2912.79RCP8.5(2070s)116.8170.1611.807.098.995.405.283.1723.6114.18

2.3 意大利蝗潜在分布区环境因子分析

刀切法得出单独使用某个环境变量建立模型时,年降水量(Bio12)、最干月降水量(Bio14)、最干季降水量(Bio17)和最冷季降水量(Bio19)分别对意大利蝗潜在地理分布影响最大,极端降水和水热条件对意大利蝗的潜在分布发挥重要作用。在干旱与半干旱区新疆,降水量对意大利蝗的适生区分布起到主要作用,为分析意大利蝗潜在分布概率与主要环境因子的关系,将12个月的降水数据导入MaxEnt模型中进行建模,得出4月、10月、3月和11月降水量对意大利蝗在新疆潜在分布影响最大(图3)。同时得出意大利蝗存在概率对这4个变量的响应曲线(图4)。3、4、10、11月份降水量分别达到11～22 mm、 18～37 mm、16～35 mm和大于11 mm时意大利蝗存在的概率大于50%。

图3 MaxEnt 刀切法测试月降水环境变量的重要性Fig.3 Jackknife test for the significance of monthly rainfall environmental variables, performed by MaxEnt

3 讨论

气候变暖促使植物分布向高海拔和高纬度地区迁移的现象已在全球范围被观测证实[18-21]。有研究得出气候变暖导致昆虫向两极和高海拔地区扩展:即受低温限制的昆虫增加了向两极和高海拔扩散的机会[22-23],本研究也认为随着未来新疆气候变暖变湿,意大利蝗将会沿着气候环境相似的高海拔地域上移和高纬度区域北移定殖,这是昆虫对气候变化的响应和适应。意大利蝗适生区变化与不同情景温室气体排放的浓度变化并未表现出一致性;但各情景下高度适生区随时间推移逐渐增加表明温室气体的排放是引起变化的主导原因。

MaxEnt模型显示的适生分布区格局,反映了昆虫在基础生态位和实际生态位中对空间需求的内在生物学特性[24]。意大利蝗各发育阶段的死亡率由高到低分别为41.02%(卵)、32.00%(1龄蝗蝻)、18.18%(产卵前期)、8.33%(2龄蝗蝻)、5.71%(5龄蝗蝻)、5.67%(3龄蝗蝻)、3.35%(4龄蝗蝻)[25]可知意大利蝗自然种群的死亡集中于卵期、1龄蝗蝻期,而新疆每年10、11月及次年3、4月降水量对意大利蝗在新疆潜在分布影响最大,因其直接影响土壤相对含水量和土壤温度,从而决定意大利蝗卵的存活量;也说明这些时段是意大利蝗卵发育和存活的重要时期。

秋季至翌年春季土壤的温湿度变化对蝗卵的越冬、孵化出土以及蝗蝻生长将产生重要影响[26]。在自然条件下,意大利蝗卵的吸水集中于翌年3月底,卵体含水量迅速从60%左右增加至75%以上;4月蝗卵继续发育,土壤相对含水量在5%～55%时,卵孵化率随土壤相对含水量的增加而升高;春季土壤相对含水量直接决定意大利蝗卵的存活量,所以预测意大利蝗发生量以检测土壤相对含水量为主[25]。本研究得出新疆3-4月降水量作为影响土壤温湿度的重要因子,分别达到11～22 mm、18～37 mm时意大利蝗适生区存在的概率将大于50%。陈素华等也得出若春季温度适宜,则降水就成为关键,内蒙古草地春季降水过少,既不利于蝗虫的破土出壳,又不利于蝗蝻取食,而在适宜温度范围内每旬有3～10 mm的降水,则蝗卵发育最快,出土成虫率最高[26]。

同样，新疆意大利蝗在10月蝗卵处于越冬胚胎发育阶段,到11月进入滞育阶段。在新疆，11月已进入霜冻期,开始降雪。降雪量越多,形成冬雪保护层越利于蝗卵过冬,雪水也利于越冬卵的水分保持和土壤松软[27]。本研究也认为11月降雪量高于11 mm后意大利蝗适生区发生概率大于50%，且不断增加。

大气二氧化碳浓度升高、温度上升、降雨分布不均、灾害性天气出现频次增加等全球气候变化将不但会影响单种生物,还会影响原有的植物-害虫-天敌间内在联系和各营养层间的固有平衡格局,最终导致一些害虫暴发成灾,一些昆虫种群数量下降甚至物种灭绝[27]。意大利蝗在新疆潜在适生区的变化若能分析气温、降水、土壤温湿度、太阳辐射等因子相互耦合作用的同时,考虑包括寄主植物、天敌和种间关系、土壤、地形、人工防治等多种因素、不同虫龄对环境因子变化的响应和承受力等,预测精度可进一步提高。

[1] 蔡运龙, 李双成, 方修琦. 自然地理学研究前沿[J]. 地理学报, 2009, 64(11):1363-1374.

[2] 秦大河, Thomas Stocker, 259名作者和TSU(驻伯尔尼和北京). IPCC第五次评估报告第一工作组报告的亮点结论[J]. 气候变化研究进展, 2014, 10(1):1-6.

[3] 郑红莲, 严军, 元慧慧. 南疆地区近58年气温、降水变化特征分析[J]. 干旱区资源与环境, 2010, 24(7):103-109.

[4] Xu Changchun, Li Jiaxiu, Zhao Jie, et al. Climate variations in northern Xinjiang of China over the past 50 years under global warming [J]. Quaternary International, 2015, 358:83-92.

[5] Bellard C, Bertelsmeier C, Leadley P, et al. Impacts of climate change on the future of biodiversity[J]. Ecology Letters, 2012, 15(4)： 365-377.

[6] Espíndola A, Pellissier L, Maiorano L,et al. Predicting present and future intraspecific genetic structure through niche hindcasting across 24 millennia [J]. Ecology Letters, 2012, 15(7): 649-657.

[7] Guo Kun, Hao Shuguang, Sun Osbertjianxin,et al. Differential responses to warming and increased precipitation among three contrasting grasshopper species [J]. Global Change Biology, 2009, 15(10):2539-2548.

[8] Carly Z, Emily A R, Jonathan A N. Climate change and voltinism in Californian insect pest species: sensitivity to location, scenario and climate model choice [J]. Global Change Biology, 2012, 18(18):2771-2780.

[9] 霍治国, 李茂松, 王丽, 等. 气候变暖对中国农作物病虫害的影响[J]. 中国农业科学, 2012, 45(10):1926-1934.

[10]张泉, 乔璋, 熊玲, 等. 意大利蝗生物学特性研究[J]. 新疆农业科学, 1995(6):256-257.

[11]范福来. 新疆蝗虫灾害治理[M]. 乌鲁木齐:新疆科学技术出版社, 2011:86-90.

[12]王晗, 于非, 扈鸿霞, 等. 新疆意大利蝗适生区的气候变化特征分析[J]. 中国农业气象, 2014, 35(6):611-621.

[13]辛晓歌, 吴统文, 张洁. BCC气候系统模式开展的CMIP5试验介绍[J]. 气候变化研究进展, 2012, 8(5):378-382.

[14]张海娟, 陈勇, 黄烈健, 等. 基于生态位模型的薇甘菊在中国适生区的预测[J]. 农业工程学报, 2011, 27(S1):413-418.

[15]吴庆明, 王磊, 朱瑞萍, 等. 基于MaxEnt模型的丹顶鹤营巢生境适宜性分析——以扎龙保护区为例[J]. 生态学报, 2016,36(12):3758-3764.

[16]Swets J A.Measuring the accuracy of diagnostic systems [J]. Science, 1988, 240(4857):1285-1293.

[17]Phillips S J, Anderson R P, Schapire R E. Maximum entropy modeling of species geographic distributions[J]. Ecological Modeling, 2006,190(3-4):231-259.

[18]Parmesan C, Yohe G.A globally coherent fingerprint of climate change impacts across natural systems [J].Nature,2003,421(6918): 37-42.

[19]Root T L, Price J T, Hall K R, et al. Fingerprints of global warming on wild animals and plants[J]. Nature, 2003, 421(6918):57-60.

[20]Lenoir J, Gégout J C, Marquet P A, et al. A significant upward shift in plant species optimum elevation during the 20th century [J]. Science, 2008,320:1768-1771.

[21]Bertrand R, Lenoir J, Piedallu C, et al.Changes in plant community composition lag behind climate warming in lowland forests [J]. Nature,2011,479(7374):517-520.

[22]Speight M R, Hunter M D, Watt A D. Ecology of insects: concepts and applications [M]. Oxford: Blackwell Science Ltd, 1999.

[23]Hickling R, Roy D B, Hill J K, et al. A northward shift of range margins in British Odonata [J]. Global Change Biology, 2005, 11(3):502-506.

[24]Guisan A, Zimmermann N E. Predictive habitat distribution models in ecology [J]. Ecological Modelling, 2000,135(2-3):147-186.

[25]任金龙. 意大利蝗生物学及生命表的研究[D]. 乌鲁木齐:新疆农业大学, 2015.

[26]陈素华, 乌兰巴特尔, 吴向东. 内蒙古草地蝗虫生存与繁殖对气候变化的响应[J]. 自然灾害学报, 2007,16(3):66-69.

[27]吴瑞芬. 我国蝗虫发生的气候背景及长期预测研究[D]. 北京:中国农业大学, 2005.

[28]戈峰. 应对全球气候变化的昆虫学研究[J]. 应用昆虫学报, 2011, 48(5):1117-1122.

(责任编辑：田 喆)

Effects of future climate change on potential geographic distribution ofCalliptamusitalicus(L.) in Xinjiang

Li Peixian1,2, Lin Jun3, Maidi Kuerman3, Wu Jianguo3, Liu Yongqiang1,2, Zheng Jianghua1,2

(1. College of Resource & Environment Sciences, Xinjiang University, Urumqi 830046, China;2. Key Laboratory of City Intellectualizing and Environment Modeling, Xinjiang University, Urumqi 830046, China;3. Locust and Rodent Control Headquarters of Xinjiang Uygur Autonomous Region, Urumqi 830001, China)

Calliptamusitalicus(L.) is one of the dominant species of grassland locusts in Xinjiang. It is widely distributed and has caused several serious hazards in history of Xinjiang. The predictions of its potential geographic distribution under future climate changes have important significance for its scientific prevention and treatment. Using MaxEnt model and ArcGIS software with GPS data ofC.italicusactual distribution and biological climate data in Xinjiang, the potential geographic distribution ofC.italicusunder the current climate conditions (1950-2000)were predicted, and its potential geographic distribution was also predicted using BCC-CSM1.1 (Beijing Climate Center_Climate System Model version 1.1) in three periods, 2021-2040 (2030s), 2041-2060 (2050s) and 2061-2080 (2070s), under three climate change scenarios, namely RCP2.6, RCP4.5 and RCP8.5, which were adopted by IPCC AR5 (Intergovernmental Panel on Climate Change Fifth Assessment Report). The results showed that Northern Xinjiang and Tianshan Mountains regions were the major potential distribution regions. This distribution pattern remained unchanged in the future, but the area of high-level suitable distribution regions increased. The moderate and high-level suitable distribution regions ofC.italicuswould spread to higher-altitude area of Tianshan Mountains and Altai Mountains. A significant increase of high-level suitable distribution region would occur in Altai region of northern Xinjiang. Extreme moisture and hydrothermal synchronization conditions were the environmental factors for the prediction. The rainfall in April, October, March and November had the greatest impact on the potential distribution ofC.italicusbecause the direct impact on the soil relative water content and soil temperature could determine the survival situation ofC.italicuseggs.

Calliptamusitalicus; MaxEnt model; climate change; RCPs; climate scenario; GIS; prediction

2016-07-20

2016-09-11

新疆维吾尔自治区治蝗灭鼠指挥办公室委托项目(2016);新疆维吾尔自治区高层次人才培养计划项目(104-40002);教育部创新团队项目(IRT1180)

S 433.2

A

10.3969/j.issn.0529-1542.2017.03.015

致 谢： 本研究得到新疆大学智慧城市与环境建模重点实验室许仲林副教授在模型运行上的指导和帮助，特此谢忱！

* 通信作者 E-mail：zheng_jianghua@126.com