有害生物风险分析定量评估模型及其比较

李志红 秦誉嘉

摘要

全球化的进程使有害生物入侵问题日益严重，植物检疫工作备受重视。有害生物风险分析（pest risk analysis， PRA）是植物检疫的支撑技术之一，风险评估是其核心内容，定量评估模型的研究与应用成为近30年来该领域的热点。本文在收集、整理国内外PRA文献和相关信息的基础上，针对有害生物入侵风险半定量评估模型、定量评估模型及软件的发展进行了系统性的回顾和分析。同时，我们比较了主要模型和软件的特点、优势和局限性，归纳总结出了适用于不同起点的有害生物定量风险评估集成技术体系，并展望了我国有害生物风险分析技术的未来发展。本综述能够为我国生物入侵防控管理机构、推广部门、高等院校及科研单位提供重要的工作参考，对植物检疫工作具有理论和实践意义。

关键词

植物检疫; 有害生物风险分析; 风险评估; 定量评估模型; 技术体系

中图分类号：

S 431.9

文献标识码： A

DOI： 10.16688/j.zwbh.2018315

Review on the quantitative assessment models for pest risk

analysis and their comparison

LI Zhihong， QIN Yujia

（College of Plant Protection， China Agricultural University， Beijing 100193， China）

Abstract

Plant quarantine has been attracting more and more attention with the development of globalization and the serious problems of pest invasion. Pest Risk Analysis （PRA） is one of the supporting technology of plant quarantine in which risk assessment is regarded as the core stage. In recent thirty years， the study and application of quantitative assessment models have become the hot spot in this field. On the basis of collection and analysis of related literatures and information relating to PRA， the development of semi-quantitative assessment models， quantitative assessment models and relevant software were systematically reviewed. Meanwhile， we showed a comparative analysis on the characteristics， advantages and limitations of the main models and software， presented an integrated technical system of quantitative risk assessment which was suitable for different initiations， and discussed the future development of PRA technology in China. This review can provide important reference for the administration， extension stations， universities and institutes. It is significant for the theory and practice of plant quarantine.

Key words

plant quarantine; pest risk analysis; risk assessment; quantitative assessment model; technical system

有害生物風险分析（pest risk analysis， PRA），是植物检疫（plant quarantine）的重要内容，也是植物检疫的支撑技术之一[1-2]。PRA包括开始（initiation）、风险评估（pest risk assessment）和风险管理（pest risk management）三个阶段，备受生物入侵防控领域的关注。自1995年起，植物检疫术语国际标准逐步更新，PRA的定义也不断加以完善，2007年被定义为“评价生物学或其他科学、经济学证据，确定某种有害生物是否应予以管制以及管制时所采取的植物卫生措施力度的过程”[3]。PRA是制订检疫性有害生物名录的基础，也是进出境植物检疫及国内植物检疫工作中对某一植物和植物产品（如粮食、水果、蔬菜、花卉、木材、种子种苗等繁殖材料等）实施具体检疫措施的根据[4-5]。截至目前，国际植物检疫措施标准中已有4个与PRA直接相关的标准，即第2号标准、第11号标准、第21号标准和第14号标准。有害生物风险评估是PRA的关键阶段，一般认为，风险评估方法包括定性评估（qualitative assessment）（如美国的专家打分法、澳大利亚的合并矩阵法等）和定量评估（quantitative assessment）（如美国的场景分析法等）[6-8]。几十年来，国内外开展了大量PRA实践，进行了有害生物风险评估方法、模型及软件的探索[9-13]，涉及半定量风险评估模型（如我国的多指标综合评判模型等）和定量风险评估模型（如国内外的潜在地理分布预测模型等）[14]。近十余年来，全球化的进程使外来生物的入侵形势日益严峻，有害生物风险分析定量评估模型的研究与应用取得了诸多新进展[15-18]，在植物检疫等生物入侵防控工作中发挥着越来越重要的作用。

本文在收集、分析国内外PRA文献等的基础上，针对有害生物风险分析定量评估模型的研究与应用进行了系统性的回顾、比较和总结，并提出了进一步加强我国有害生物风险分析工作的建议。本文能够为我国植物检疫等生物入侵防控管理机构、推广部门、高等院校及科研单位提供参考，具有理论和实践意义。

1 有害生物风险分析半定量评估模型及其应用

1.1 半定量评估模型的初期发展

有害生物入侵（invasion），一般包括进入（entry）、定殖（establishment）、扩散（spread）、暴发（outbreak）四个主要过程。在进行有害生物入侵风险评估时，应分析、预测其入侵全过程的风险大小。在国内外PRA实践中，我国于20世纪90年代初期所创建的针对有害生物危险性评价的多指标综合评判法及模型具有突出的代表性，用于评估外来有害生物入侵全过程的风险[10]。随后，欧洲及地中海区域植物保护组织（EPPO）也建立了多指标综合评估体系并将其应用于有害生物的风险评估[19]。

在我国，蒋青、梁憶冰等于1994-1995年首次报道了多指标综合评判法，系统性地介绍了该方法所涉及的有害生物危险性评价指标体系、指标评判标准和评判模型[10，20]。在指标体系中，包括5个一级指标和14个二级指标，其中一级指标分别为国内分布状况、潜在的危害性、受害栽培寄主的经济重要性、移植的可能性和危险性管理的难度;在评判标准中，每一个二级指标和不设二级指标的一级指标均可根据具体标准确定其风险等级数值;在评判模型中，依据各指标间的数学关系，分别建立了几何平均模型、权重平均模型、算术平均模型及极值模型。1999年，梁忆冰等报道了多指标综合评判法和计算机PRA数据处理系统在进境花卉有害生物风险评估中的应用[21]。

笔者曾于2017年请教多指标综合评判法研究团队的骨干成员—梁忆冰先生，她与笔者观点一致，认为多指标综合评判法应归属为有害生物风险半定量评估方法，其评判模型属于半定量评估模型。上述20世纪90年代的多指标综合评判方法及模型，引起了国内外广泛关注，并为有害生物入侵风险半定量评估模型的后续研究和应用奠定了坚实的基础。

1.2 有害生物风险分析半定量评估模型的后续发展

历经20余年，我国的多指标综合评判法及模型成为PRA领域开展有害生物风险评估最常用的方法和模型，也被认为是定性评估和定量评估结合应用的良好范例[14]。近十余年来，随着PRA研究和应用的不断深入，多指标综合评判模型在我国得到了进一步的完善[22]，其应用也得到了进一步的拓展[23]。从相关报道来看，笔者发现多指标综合评判模型的应用呈现出三个较为明显的发展趋势，一是从进境植物检疫到国内植物检疫，二是从全国植物检疫到地方植物检疫，三是从农业植物检疫到林业植物检疫。例如，2016年北京市植物保护站与中国农业大学合作，以上述多指标综合评判方法为依据，建立了乡镇级有害生物入侵风险指标、多指标评判标准、区县级及市级的多指标综合评判模型，明确了16个种（属）的高风险检疫性有害生物，实现了半定量评估模型在北京市农业植物检疫中的应用[24]。

近十余年来，原国家质量监督检验检疫总局国际检验检疫标准与技术法规研究中心一直致力于“中国国家有害生物检疫信息系统”（http：∥www.pestchina.com）的建设;在梁忆冰先生等的不懈努力下，该系统的PRA功能逐步完善，自2011年起已开发了风险评估功能模块，实现了多指标综合评判的远程运行，在进境植物检疫工作中发挥着重要作用。自2018年6月，全国农业技术推广服务中心PRA处针对国内农业植物检疫，正在完善有害生物入侵风险多指标综合评判模型，新的模型中进一步强调了有害生物对经济、生态环境和人类健康的影响及其风险。笔者认为，鉴于多指标综合评判方法及其模型能够预测有害生物入侵全过程的风险大小且应用简便，其将在植物检疫等外来入侵生物防控工作中发挥出更大的作用。

2 有害生物风险分析定量评估模型及其应用

国内外高度关注有害生物定量风险评估模型的研究与应用，在有害生物入侵可能性、潜在地理分布和潜在损失方面分别进行了较为深入的探索。澳大利亚、美国等发达国家，在定量评估模型和软件方面开展了更多的工作、做出了更大的贡献，于20世纪80年代起陆续推出了CLIMEX、@RISK、MaxEnt、DIVA-GIS、GARP及SOM等模型和软件[9， 11-13， 25-26]，用于有害生物入侵风险的定量评估。我国自20世纪90年代起陆续引进上述模型和软件[17， 27-29]，同时通过生物学实验结合GIS技术建立相关有害生物的潜在地理分布预测模型[30-31]，逐步推进有害生物定量风险评估的研究和应用。尽管国内外在有害生物定量风险评估模型与软件上付出了很多努力，然而，截至目前笔者认为现有的定量评估模型和软件中均不能独立实现涵盖有害生物入侵可能性、潜在地理分布和潜在损失的全方位评估，我们必须将这些模型和软件有机地组合应用于PRA实践。自2012年起，在‘948项目的支持下，中国农业大学与全国农业技术推广服务中心等合作，在摸索、比较上述定量风险评估模型与软件的基础上，集成建立了有害生物定量风险评估技术体系，实现了有害生物入侵可能性、潜在地理分布和潜在损失的全过程定量风险预测[32]。

2.1 入侵可能性定量评估模型及软件

有害生物入侵可能性评估，是有害生物风险评估的重要内容，其定量评估模型和软件的研发与应用受到国内外更多关注。从国内外有害生物入侵可能性定量评估模型研究与应用来看，基于@RISK和场景模型的入侵可能性评估以及基于SOM的定殖可能性评估具有比较突出的代表性。前者用于一种有害生物的入侵可能性预测，至今已有20余年的历史;后者用于同时预测多种有害生物的定殖可能性，仅有十余年的发展历程。

2.1.1 基于@RISK和场景模型的入侵可能性评估

自20世纪90年代以来，美国研发的@RISK软件成为PRA领域开展入侵可能性评估的重要工具，例如美国农业部（USDA）利用@RISK等针对我国进口美国带有小麦矮腥黑穗病菌Tilletia cotroversa Kühn的磨粉用小麦开展了入侵风险评估[11]。@RISK是美国Palisade公司开发的Decision Tools Suite工具包中的软件，属商业软件，当前版本为7.5。在有害生物入侵路径分析的基础上，运用@RISK在EXCEL中建立场景模型，并选择适宜的概率分布，然后以随机模拟方法（如Monte Carlo模拟、拉丁超立方体抽样等）进行模拟，进而得出风险的发生概率，实现定量评估;同时运用@RISK可以完成灵敏度分析，确定有害生物入侵风险构成因子中的关键控制点，从而有针对性地采取风险管理措施来降低风险[33]。笔者认为，运用@RISK进行某一种有害生物入侵可能性分析时，准确划分相关的风险因子以及建立适宜的场景模型是最为关键的。

在国外，@RISK和场景模型的应用实例主要来自美国，用于多种有害生物的入侵风险评估，涉及传入（包括进入和定殖）、扩散和暴发过程中的风险。除了上述小麦矮腥黑穗病菌的定量风险评估外，自2001年起USDA利用@RISK软件和所建立的场景模型对墨西哥‘Hass鳄梨进行了系列评估，其中特别对可能携带的8种检疫性有害生物进行了暴发频度的分析[34]，通过评估放宽了墨西哥‘Hass鳄梨输美的限制条件，促进了国际贸易。除了关注本国与别国间的有害生物入侵风险评估，美国也非常关注有害生物在其国内的扩散风险评估。例如，2005年Auclair等运用@RISK评估了光肩星天牛Anoplophora glabripennis的风险，即该虫随纽约市政固体废弃物从疫区传入疫区外垃圾处理站的可能性，明确了能够存活1对可交配的雌、雄虫的概率值[35]，结果发现，非法倾倒垃圾和不进行除害处理将使风险值增加上千倍。此外，USDA动植物检疫局CPHIST专家多次在美国等地举办技术培训，为基于@RISK和场景模型的入侵可能性评估技术推广做了大量工作，例如2012年应中国农业大学邀请，美国专家来京对我国植物检疫工作人员和高校师生进行了@RISK原理与应用的专题培訓。

我国对基于@RISK和场景模型的入侵可能性评估格外关注，近20余年来，先后引进@RISK软件和相关技术，并不断开展相关研究和应用。自2002年起，我国多位学者陆续开展了针对小麦矮腥黑穗病菌[28]、梨火疫病菌Erwinia amylovora[36]、松材线虫Bursaphelenchus xylophilus[37]、橘小实蝇Bactrocera dorsalis[38-39]、红脂大小蠹Dendroctonus valens[40]、地中海实蝇Ceratitis capitata[41]、番石榴果实蝇Bactrocera correcta[42]等的入侵风险定量评估。由于有害生物扩散、暴发等过程复杂、基础数据不充分等原因，截至目前，我国基于@RISK和场景模型的入侵可能性评估多集中在进入或传入可能性上。

2.1.2 基于SOM的定殖可能性评估

自组织特征映射网络（self-organising map， SOM），是1982年由芬兰专家Kohonen提出的一种人工神经网络，它将非线性的高维数据映射到一个二维拓扑网络中，进而通过学习算法达到降维、聚类、可视化的目的，主要用于复杂数据的组织和可视化。由于上述基于@RISK和场景模型的入侵可能性评估一次只能针对一种有害生物进行分析，所以国内外PRA专家们一直在努力探索并试图找到一次可预测多种有害生物入侵可能性的模型和软件。2006年，新西兰林肯大学生物科研中心学者Worner和Gevery所提出的基于SOM的有害生物定殖可能性评估方法应运而生[13]，依托Matlab软件中运行SOM Toolbox来实现。Matlab软件可在MathWorks中国官网获取试用版（http：∥cn.mathworks.com/），SOM Toolbox可从赫尔辛基大学计算机信息科学实验室官网免费下载（http：∥www.cis.hut.fi/somtoolbox/），当前版本为2.0。该方法的基本原理体现在：如果两个地区有相似的有害生物集合体，那么这两个地区很可能有同样的环境特征，因此，其中一个地区的有害生物如果进入到另一个地区则很可能定殖下来。截至目前，基于SOM的定殖可能性评估在国内外的研究报道尚少，但由于其一次可同时预测大量有害生物在某个地区的定殖可能性，所以在PRA领域确实产生了非常大的影响。澳大利亚、美国等国家和地区的学者陆续开展了相关研究和应用，在澳大利亚专家的建议下中国农业大学于2012年通过‘948项目引入该技术并应用于实蝇类害虫的定殖可能性评估[32]。

纵览国外相关报道，基于SOM的有害生物定殖可能性评估涉及多类植物有害生物，如昆虫、病原物、杂草和线虫等。针对昆虫，Worner和Gevrey 2006年在全球首次运用SOM研究了844种植食性昆虫在459个地区的定殖可能性，并以地中海实蝇为例详细展示了相关结果，使SOM作为一种新的方法被PRA领域所关注[13];澳大利亚联邦科学与工业研究组织（CSIRO）Paini等2010年运用该方法为美国及其48个州分析出了最可能定殖的前100种昆虫的名单，而这100种昆虫在美国都有分布，证明近期的威胁来自于美国的内部[43]。针对病原物，Paini等研究了486种世界广泛分布的真菌病原物，并证明了SOM的高效性[44]。针对杂草，基于SOM，Morin等研究了6 690种植物在187个地区的定殖可能性及成为杂草的可能性[45]。针对线虫，Singh等利用SOM研究了43属250种植物寄生线虫，分别得到了澳洲、澳洲各州以及澳洲北部的植物寄生线虫定殖风险排序表[46]。此外，澳大利亚专家Paini博士应邀于2012年来华进行SOM专题技术培训和合作，取得了良好效果。

在国内，中国农业大学与全国农业技术推广服务中心、中国检验检疫科学研究院等合作，率先引进了SOM方法与技术并进行了应用探索。2013年，马兴莉利用SOM研究了东盟的43种重要经济实蝇在我国的定殖可能性[32];2014年，王聪等针对SOM在植物检疫性有害生物名单制修订中的作用进行了论述[47];2015年，Qin等研究了全球180种重要经济实蝇在118个国家的定殖风险[17];2016年，雷鸣研究了玉米上的644种昆虫、251种病原微生物、287种杂草以及69种病原线虫在全球以及我国各省的定殖可能性，为我国玉米检疫性有害生物名单的修订提供了科学依据[48]。近来，笔者从海关总署获悉，我国已启动新一轮进境植物检疫性有害生物名录的修订工作，相信基于SOM的有害生物定殖可能性评估将会发挥必要的作用。

2.2 潜在地理分布定量预测模型及软件

国际上所称谓的有害生物潜在地理分布（potential geographical distribution），我国习称适生区;潜在地理分布预测，我国称为适生性分析，是有害生物风险评估的主要内容。通过潜在地理分布预测，能够确定一旦有害生物入侵其定殖和扩散的地理范围与具体地点。纵观国内外研究进展，潜在地理分布预测是有害生物定量风险评估最先开展的工作。综合自20世纪80年代以来的相关研究报道，潜在地理分布定量预测模型和软件主要包括气候相似距模型及数据库系统[49]、地点比较模型与CLIMEX[9]、BIOCLIM模型与DIVA-GIS[25]、MaxEnt模型与软件[50-51]、GARP模型与软件[26]以及有害生物实验模型及GIS软件[31]等。这些模型建立的时间虽有早有晚，但至今仍都有研究和应用的报道，其中以CLIMEX地点比较模型和MaxEnt模型的相关报道为多;随着气候数据的完善，近年来预测当前及未来气候变化条件下的有害生物潜在地理分布已成为研究热点[8，16]。

2.2.1 基于CLIMEX地点比较模型的潜在地理分布预测

CLIMEX，也称微机生态气候分析系统，是1985年由澳大利亚昆士兰大学Sutherst教授和Maywald博士所研发的商业化软件，其地点比较模型通过分析有害生物已知分布区的气候条件来预测有害生物的潜在地理分布和种群的相对丰度[9]。该软件陆续推出了升级版本，最新版为CLIMEX 4.0.2，该版本优化了算法、大幅度提高了运行速度，优化了半自动参数拟合、新增了自动参数灵敏性以及模型不确定性分析等功能[52]。自CLIMEX问世30余年来，国内外应用其开展了大量的有害生物潜在地理分布预测工作，成为全球最具影响力的定量预测工具。

在国外，澳大利亚、新西兰等国家和地区的学者首先应用CLIMEX地点比较模型进行了植食性昆虫的潜在地理分布研究，随后将其应用到其他有害生物的潜在地理分布预测。例如，针对马铃薯甲虫Leptinotarsa decemlineata[53]、地中海实蝇Ceratitis capitata[53-54]、银胶菊Parthenium hysterophorus[55]、三叉针茅Nassella neesiana[56]等先后进行了潜在地理分布研究。近三年来，CLIMEX的应用多有报道，特别预测了未来气候变化条件下的多种害虫的潜在地理分布，如橘小实蝇B.dorsalis[57]、茶翅蝽Halyomorpha halys[18]、德国黄胡蜂Vespula germanica[58]、甜菜夜蛾Spodoptera exigua[59]和樱桃绕实蝇Rhagoletis cerasi[60]。

在我国，自20世纪90年代起引入CLIMEX，并开展了大量的基于CLIMENX地点比较模型的有害生物适生性研究。期间，澳大利亚学者Sutherst博士于1994年、Kriticos博士于2012年分别访问中国农业大学，针对CLIMEX及其使用开展专题培训，并就重要经济害虫进行了合作研究。早期的代表性文献中，林伟于1991年完成了对美国白蛾Hyphantria cunea在我国的适生性分析[27];十余年后，针对大豆锈病菌Phakopsora pachyrhizi[61]、相似穿孔线虫Radopholus similis[62]、西花蓟马Frankliniella occidentalis[63]、墨西哥按实蝇Anastrepha ludens[64]、枣实蝇Carpomya vesuviana[65]陸续报道;近年来，针对42种重要经济实蝇进行了当前及未来气候条件下的潜在地理分布研究[16]，最新报道研究了考虑灌溉及气候变化条件下的葡萄花翅小卷蛾Lobesia botrana在我国的潜在地理分布[66]，同时我国学者在国际期刊上陆续发表苹果实蝇Rhagoletis pomonella[29]、桃果实蝇Bactrocera zonata[67]、西印度按实蝇Anastrepha obliqua[68]、小圆胸小蠹Euwallacea fornicates[69]等农林有害生物的潜在地理分布的研究报道。

2.2.2 基于MaxEnt模型的潜在地理分布预测

最大熵（maximum entropy）原理，最早由Jaynes于1957年提出，是根据物种已知分布样本信息对未知分布做出推断的一种数理统计方法[70]，可用于概率分布的预测。2004年，美国普林斯顿大学Phillips等应用最大熵原理建立了MaxEnt模型并用Java语言编写了MaxEnt软件，用于预测物种在给定环境变量约束下的熵最大情况下的地理分布[12， 51]。与上述CLIMEX软件不同，MaxEnt是非商业软件，2017年发布的版本为3.4.1，可免费下载（http：∥biodiversityinformatics.amnh.org/open_source/maxent/）;MaxEnt不需对参数进行过多的设置和调整，更便于操作，所以一经推出便受到了国内外的特别关注。

近5年来，我国学者开展了基于随机模型的有害生物潜在损失预测探索。中国农业大学从澳大利亚引进相关技术，在Cook博士的指导下，采用@RISK针对实蝇类害虫、入侵杂草等进行了潜在损失研究。2015年，方焱等建立了南亚果实蝇对我国南瓜产业的潜在经济损失评估模型，从直接经济损失、间接经济损失（包括籽用、种用及食品加工产业）和防治费用进行了评估，结果显示，该虫每年对我国适生区南瓜产业造成的潜在经济损失总值在3 741.50万～2 315 783.08万元之间[91];这是我国学者运用@RISK进行基于随机模型的有害生物潜在损失预测的首次报道。随后，吳志刚等针对刺萼龙葵对中国玉米产业的潜在经济损失进行了评估[101]、方焱等针对紫茎泽兰对我国花生产业的潜在经济损失进行了预测[102]。2017-2018年，全国农业技术推广服务中心与中国农业大学合作，基于@RISK及随机模型，正在开展针对国外玉米种子输华可能带来的重要病害的潜在损失分析，将有利于检疫管理措施的制订。

3 有害生物风险分析定量评估模型比较及集成技术体系

综上所述，30余年来，国内外研究、报道了多种有害生物风险分析定量评估模型和软件，主要包括用于入侵可能性评估的多指标综合评判模型、@RISK场景模型以及SOM模型，用于潜在地理分布预测的CLIMEX地点比较模型、MaxEnt模型、DIVA-GIS之BIOCLIM 模型、GARP模型以及生物实验模型，用于潜在损失评估的@RISK场景模型[5]。为了进一步提高对有害生物风险分析定量评估模型和软件的认识，笔者从类别、用途、模型/软件、来源、基本原理、数据需求、使用注意事项、优势及局限性等方面，比较了主要模型和软件的特点（表1）。从表中可以看出，这些模型和软件均有其产生的时代背景和技术基础，针对有害生物风险分析定量评估的不同内容，各具特色、各有优势和不足。

那么，在我们开展PRA实际工作中，如何选用相关的模型和软件呢？笔者认为，应注意三个方面，一是要根据PRA工作的要求和需求，二是要把握各个定量评估模型和软件的特点，三是要依据对各个定量评估模型和软件的熟练程度。同时，笔者根据20余年从事PRA研究和应用的经验，综合考虑有害生物入侵过程、现有定量风险评估模型和软件的适合性以及定量风险评估的现实需求，提出现阶段适合于我国的有害生物风险分析定量评估集成技术体系的构想（图1）。如图所示，这一技术体系包括5个定量评估模块（针对多种有害生物的定殖可能性评估模块、针对某种有害生物的入侵可能性评估模块、针对某种有害生物的潜在地理分布预测模块、针对某种有害生物的潜在损失模块、针对有害生物的入侵风险综合评估模块），第1至第5模块依次相接，每一模块均有可供选择的定量评估模型和软件作为技术支撑，第1至第4模块的评估结果为第5模块提供具体风险信息，同时7个基础数据库（有害生物地理分布数据库、有害生物检疫截获数据库、有害生物生物学和危害数据库、有害生物寄主数据库、地图数据库、交通运输数据库以及气象数据库）为各评估模块提供必要的数据支撑。如果PRA的起点是某一植物或植物产品，笔者建议选择第1至第5模块依次进行评估;如果PRA的起点是某一有害生物，则建议选择第2至第5模块依次完成评估。上述集成技术体系贯穿了有害生物入侵的全过程，能够对两个起点的PRA实现全方位的定量风险评估。

4 展望

4.1 关于国际有害生物风险分析技术的发展

国际有害生物风险研究组（International Pest Risk Research Group，IPRRG），是一个由专门从事有害生物风险分析的科学家和应用者所组成的非盈利组织，目的是通过严谨、创新的研究，发展、提高有害生物风险建模和制图的方法。IPRRG 由美国、澳大利亚等发起成立，吸引了PRA领域著名专家、学者参与，国际地位突出。IPRRG每年举行1次年会，自2007年至2017年，已举办了11次年会。中国农业大学作为我国第一家单位，自2010年起参加、跟踪IPRRG年会;在2017年于加拿大渥太华召开的年会上，来自中国大陆及台湾地区的多位代表展示了我国在有害生物风险分析定量评估研究与应用

图1 有害生物风险分析定量评估集成技术体系

Fig.1 The integrated technical system of quantitative risk assessment of PRA

方面的新进展，受到与会者特别关注。近年来，IPRRG已建有网站（https：∥www.pestrisk.org/），可免费注册为会员并及时分享PRA相关信息。笔者建议我国有关部门和人员通过参会等方式及时跟踪IPRRG年会，重点归纳、总结国际PRA研究与应用的新动态，特别是美国、澳大利亚、新西兰等发达国家的新动向、新进展，并分析、提出我国的相应对策。

4.2 关于我国有害生物风险分析技术的研发

随着全球化、气候变化等的发展，有害生物入侵形势日益严峻[103]。我国高度重视有害生物风险分析技术的研发工作，自2017年以来，已分别资助2个国家重点项目开展有害生物风险评估等相关研究。中国农业科学院植物保护研究所主持国家重点研发计划项目“生物安全关键技术研发”专项的“重大/新发农业入侵生物风险评估及防控关键技术研究”（2017FYC1200600），项目执行时间为2017年7月至2020年6月;该项目在把握入侵生物学学科发展前沿的基础上，以农业生态系统中新发/重大的入侵物种为靶标，研究围绕入侵生物“风险预警—检测监测—全程控制”关键防控环节的关键技术。中国检验检疫科学研究院主持国家重点研发计划“国家质量基础的共性技术研究与应用”重点专项（NQI专项）的“跨境多载体隐存高危生物因子风险识别、预测和控制技术研究”，项目执行时间为2018年7月至2021年6月，其中课题5“跨境隐存高危因子智能风险分析和控制技术研究”（2018YFF0214905），将开发跨境人群及携带物、货物、交通工具和环境多载体隐存高危因子数据库，建立基于贝叶斯判定的风险等级识别和预测方法，构建基于关键控制点的跨境风险控制体系。笔者相信，通过上述两个重点项目的研究，我国有害生物风险分析技术水平将进一步提升，并将在有害生物风险分析方法、模型和软件工具上取得新的突破。

4.3 关于我国有害生物风险分析技术的应用

毋庸置疑，我国PRA工作历经几十年的发展、几代人的努力，业已创建、集成了国际先进的技术体系，摸索、积累了较为成熟的应用经验，受到国际关注[2]。面对未来全球植物检疫等生物入侵防控的实际需求，笔者建议我国有关部门进一步加强有害生物风险分析定量评估集成技术体系的推广应用工作。一是要协调、组织全国力量，针对亟需加强PRA工作的植物或植物产品（如粮食、水果、木材及繁殖材料等）及有害生物（如国外严重危害但在我国尚未发生的有害生物、已入侵我国但分布局限的有害生物等），将SOM模型、CLIMEX地點比较模型/MaxEnt模型/生物实验模型、@RISK场景模型以及多指标综合评判模型等系统性地应用于PRA工作中，促进我国各类植物检疫性有害生物名录的修订工作，进一步提升我国有害生物入侵防控的水平;二是要协调、组织有关机构和人员，针对“一带一路”沿线国家和地区等的生物入侵防控需求，通过技术培训、短期互访及长期合作等方式，进一步促进我国有害生物风险分析定量评估集成技术体系走向国际，指导、帮助西亚、东南亚、非洲等主要贸易国家和地区做好有害生物入侵防控工作，为今后PRA相关国际标准的制修订奠定基础，进一步发挥我国《国际植物保护公约》签约国的作用，提升全球生物入侵防控的能力。

参考文献

[1] KAHN R P. A concept of pest risk analysis [J]. EPPO Bulletin， 1979， 9（1）： 119-130.

[2] GORDH G， MCKIRDY S. The handbook of plant biosecurity[M]. Dordrecht： Springer， 2014.

[3] FAO （Food and Agriculture Organisation of the United Nations）. International standards for phytosanitary measures.ISPM No.2 Framework for pest risk analysis （2007）[R].Secretariat of the International Plant Protection Convention，2008.

[4] 李尉民.有害生物风险分析[M].北京：中国农业出版社，2003.

[5] 李志红，姜帆，马兴莉，等.实蝇科害虫入侵防控技术研究进展[J].植物检疫，2013，27（2）：1-10.

[6] 陈克，范晓虹，李尉民.有害生物的定性与定量风险分析[J].植物检疫，2002，16（5）：257-261.

[7] 孙楠，黄冠胜，林伟，等.主要贸易国家有害生物风险分析研究方法比较[J].植物检疫，2007，21（2）：87-91.

[8] 万方浩，彭德良，王瑞.生物入侵：预警篇[M].北京：科学出版社，2010.

[9] SUTHERST R W， MAYWALD G F. A computerised system for matching climates in ecology [J]. Agriculture， Ecosystems & Environment， 1985， 13（3/4）： 281-299.

[10] 蒋青，梁忆冰，王乃扬，等.有害生物危险性评价指标体系的初步确立[J].植物检疫，1994，8（6）：331-334.

[11] USDA.Risk assessment for the importation of U.S. milling wheat containing teliospores of Tilletia controversa （TCK） into the Peoples Republic of China [R]. Washington DC， 1998.

[12] PHILLIPS S J， DUDIK M， SCHAPIRE R E. A maximum entropy approach to species distribution modeling[C]∥Proceedings of the twenty-first international conference on machine learning. ACM， 2004： 83.

[13] WORNER S P， GEVREY M. Modelling global insect pest species assemblages to determine risk of invasion [J]. Journal of Applied Ecology， 2006， 43（5）： 858-867.

[14] 吕飞，杜予州，周奕景，等.有害生物风险分析研究概述[J].植物检疫，2016，30（2）：7-12.

[15] COOK D C， CARRASCO L R， PAINI D R， et al. Estimating the social welfare effects of New Zealand apple imports[J]. Australian Journal of Agricultural and Resource Economics， 2011， 55（4）： 599-620.

[16] 李志红.生物入侵防控：重要经济实蝇潜在地理分布研究[M].北京：中国农业大学出版社，2015.

[17] QIN Y J， PAINI D R， WANG C， et al. Global establishment risk of economically important fruit fly species （Tephritidae）[J/OL]. PLoS ONE， 2015， 10（1）： e0116424.

[18] KRITICOS D J， KEAN J M， PHILLIPS C B， et al. The potential global distribution of the brown marmorated stink bug， Halyomorpha halys， a critical threat to plant biosecurity [J]. Journal of Pest Science， 2017， 90（4）： 1033-1043.

[19] European and Mediterranean Plant Protection Organization. Pest risk assessment scheme [J].EPPO Bulletin，1997，27：281-305.

[20] 蒋青，梁忆冰，王乃扬，等.有害生物危险性评价的定量分析方法研究[J].植物检疫，1995，9（4）：208-211.

[21] 梁忆冰，潘国祈.进境花卉有害生物风险初步分析[J].植物检疫，1999，13（1）：17-22.

[22] 周国梁，印丽萍，黄晓藻.外来生物风险分析指标体系的建立[J].植物检疫，2006，20（S1）：14-19.

[23] 孙楠.进口水果果实有害生物风险分析实用方法的研究与实践[D].北京：中国农业大学，2007.

[24] 赵朔，丁建云，李志红，等.有害生物风险评估方法在北京市农业植物检疫工作中的应用[J].植物检疫，2016，30（4）：51-56.

[25] NIX H A. A biogeographic analysis of Australian elapid snakes[J]. Atlas of Elapid Snakes of Australia， 1986， 7： 4-15.

[26] STOCKWELL D. The GARP modelling system： problems and solutions to automated spatial prediction [J]. International Journal of Geographical Information Science， 1999， 13（2）： 143-158.

[27] 林伟.美国白蛾在中国适生性的初步研究[D].北京：中国农业大学，1991.

[28] 陈克，章正.小麦矮腥黑穗病在中国定殖风险分析及区划研究[J].植物病理学报，2002，32（4）：312-318.

[29] GENG J， LI Z H， RAJOTTE E G， et al. Potential geographical distribution of Rhagoletis pomonella （Diptera： Tephritidae） in China [J]. Insect Science， 2011， 18（5）： 575-582.

[30] 邵刚，李志红，张祥林，等.苜蓿黄萎病菌在我国的适生性分析研究[J].植物保护，2006，32（5）：48-51.

[31] QIN Yujia， NI Wenlong， WU Jiajiao， et al. The potential geographic distribution of Bactrocera correcta （Diptera： Tephritidae） in China based on eclosion rate model [J]. Applied Entomology and Zoology， 2015， 50（3）： 371-381.

[32] 马兴莉.东盟重要经济实蝇入侵我国的定量风险分析[D].北京：中国农业大学，2013.

[33] 马兴莉，李志红，陈克，等.@RISK在有害生物定量风险评估中的应用[J].植物检疫，2010，24（6）：1-6.

[34] USDA APHIS PPQ CPHST. Importation of avocado fruit （Persea americana Mill. var.‘Hass） from Mexico： A risk assessment [R]. Raleigh， NC， 2004： 19.

[35] AUCLAIR A N D， FOWLER G， HENNESSEY M K， et al. Assessment of the risk of introduction of Anoplophora glabripennis （Coleoptera： Cerambycidae） in municipal solid waste from the quarantine area of New York City to landfills outside of the quarantine area： A pathway analysis of the risk of spread and establishment[J]. Journal of Economic Entomology， 2005， 98（1）： 47-60.

[36] 周国梁，胡白石，印丽萍，等.利用Monte-Carlo模拟再评估梨火疫病病菌随水果果实的入侵风险[J].植物保護学报，2006，33（1）： 47-50.

[37] 汤宛地.松材线虫病入侵黄山风景区的风险性评估[D].北京：北京林业大学，2008.

[38] 周国梁，印丽萍，李尉民，等.利用概率模型定量评估橘小实蝇传入我国的可能性[J].植物检疫，2006（S1）： 10-13.

[39] 李白尼，侯柏华，郑大睿，等.基于PERT与仿真技术的橘小实蝇传入定量风险评估[J].2008，34（5）：32-39.

[40] 汤宛地，石娟，骆有庆.运用@risk软件评价红脂大小蠹风险初探[J].中国森林病虫，2008，27（4）：7-9.

[41] LI B， MA J， HU X， et al. Risk of introducing exotic fruit flies， Ceratitis capitata， Ceratitis cosyra， and Ceratitis rosa （Diptera： Tephritidae）， into southern China [J]. Journal of Economic Entomology， 2010， 103（4）： 1100-1111.

[42] MA Xingli， LI Zhihong， WU Jiajiao， et al. Using decision tools suite to estimate the probability of the introduction of Bactrocera correcta （Bezzi） into China via imported host fruit[J]. Sensor Letters， 2012， 10（1/2）： 586-591.

[43] PAINI D R， WORNER S P， COOK D C， et al. Threat of invasive pests from within national borders [J]. Nature Communications， 2010， 1（8）： 115.

[44] PAINI D R， BIANCHI F J J A， NOREHFIELD T D， et al. Predicting invasive fungal pathogens using invasive pest assemblages： testing model predictions in a virtual world [J/OL]. PLoS ONE， 2011， 6（10）： e25695.

[45] MORIN L， PAINI D R， RANDALL R P. Can global weed assemblages be used to predict future weeds？[J/OL]. PLoS ONE， 2013， 8（2）： e55547.

[46] SINGH S K， PAINI D R， ASH G J， et al. Prioritising plant-parasitic nematode species biosecurity risks using self organising maps [J]. Biological Invasions， 2014， 16（7）： 1515-1530.

[47] 王聰，郑明慧，王振华，等.植物检疫性有害生物名单发展综述与制订方法探讨[J].植物检疫，2014，28（3）：1-7.

[48] 雷鸣.基于SOM的玉米有害生物在我国的定殖可能性研究[D].北京：中国农业大学，2016.

[49] 魏淑秋.农业气候相似距简介[J].北京农业大学学报，1984，10（4）：427-428.

[50] DUDIK M， PHILLIPS S J， SCHAPIRE R E. Performance guarantees for regularized maximum entropy density estimation[C]∥International Conference on Computational Learning Theory. Springer， Berlin， Heidelberg， 2004： 472-486.

[51] PHILLIPS S J， ANDERSON R P， SCHAPIRE R E. Maximum entropy modeling of species geographic distributions [J]. Ecological Modelling， 2006， 190（3/4）： 231-259.

[52] KRITICOS D J， MAYWALD G F， YONOW T， et al. CLIMEX Version 4： Exploring the effects of climate on plants， animals and diseases [M]. Canberra： CSIRO， 2015.

[53] WORNER S P. Ecoclimatic assessment of potential establishment of exotic pests[J]. Journal of Economic Entomology， 1988， 81（4）： 973-983.

[54] VERA M T， RODRIGUEZ R， SEGURA D F， et al. Potential geographical distribution of the Mediterranean fruit fly， Ceratitis capitata （Diptera： Tephritidae）， with emphasis on Argentina and Australia[J]. Environmental Entomology， 2002， 31（6）： 1009-1022.

[55] MCCONNACHIE A J， STRATHIE L W， MERSIE W， et al. Current and potential geographical distribution of the invasive plant Parthenium hysterophorus （Asteraceae） in eastern and southern Africa [J]. Weed Research， 2011， 51（1）： 71-84.

[56] BOURDOT G W， LAMOUREAUX S L， WATT M S， et al. The potential global distribution of the invasive weed Nassella neesiana under current and future climates [J]. Biological Invasions， 2012， 14（8）： 1545-1556.

[57] DE VILLIERS M， HATTINGH V， KRITICOS D J， et al. The potential distribution of Bactrocera dorsalis： considering phenology and irrigation patterns [J]. Bulletin of Entomological Research， 2016， 106（1）： 19-33.

[58] DE VILLIERS M， KRITICOS D J， VELDTMAN R. Including irrigation in niche modelling of the invasive wasp Vespula germanica （Fabricius） improves model fit to predict potential for further spread [J/OL]. PLoS ONE， 2017， 12（7）： e0181397.

[59] YONOW T， KRITICOS D J， KIRICHENKO N， et al. Considering biology when inferring range-limiting stress mechanisms for agricultural pests： a case study of the beet armyworm [J]. Journal of Pest Science， 2018， 91（2）： 523-538.

[60] WAKIE T T， YEE W L， NEVEN L G. Assessing the risk of establishment of Rhagoletis cerasi （Diptera： Tephritidae） in the United States and globally [J]. Journal of Economic Entomology， 2018， 111（3）： 1275-1284.

[61] 張振铎.大豆锈病抗病品种筛选及基于CLIMEX的发病适合区评估[D].北京：中国农业大学，2005.

[62] 周国梁，陈晨，戚龙军，等.基于CLIMEX的相似穿孔线虫在中国可能适生区域的初步预测[J].植物检疫，2006（S1）： 22-26.

[63] 程俊峰，万方浩，郭建英.西花蓟马在中国适生区的基于CLIMEX的GIS预测[J].中国农业科学，2006（3）：525-529.

[64] 耿建，李志红，万方浩，等.墨西哥按实蝇在我国的适生性分析[J].植物保护，2008，34（4）：93-98.

[65] 吕文刚，林伟，李志红，等.枣实蝇在中国适生性初步研究[J].植物检疫，2008，22（6）：343-347.

[66] 秦誉嘉，吕文诚，赵守歧，等.考虑灌溉及气候变化条件下葡萄花翅小卷蛾在中国的潜在地理分布[J].植物保护学报，2018，45（3）：599-605.

[67] NI W L， LI Z H， CHEN H J， et al. Including climate change in pest risk assessment： the peach fruit fly， Bactrocera zonata （Diptera： Tephritidae）[J]. Bulletin of Entomological Research， 2012， 102（2）： 173-183.

[68] FU Liao， LI Zhihong， HUANG Guansheng， et al. The current and future potential geographic range of West Indian fruit fly， Anastrepha obliqua （Diptera： Tephritidae）[J]. Insect Science， 2014， 21（2）： 234-244.

[69] GE Xuezhen， JIANG Chao， CHEN Linghong， et al. Predicting the potential distribution in China of Euwallacea fornicates （Eichhoff） under current and future climate conditions[J]. Scientific Reports， 2017， 7（1）： 906.

[70] JAYNES E T. Information theory and statistical mechanics[J]. Physical Review， 1957， 106（4）： 620.

[71] MEROW C， SMITH M J， SILANDER JR J A. A practical guide to MaxEnt for modeling species distributions： what it does， and why inputs and settings matter[J]. Ecography， 2013， 36（10）： 1058-1069.

[72] PETITPIERRE B， KUEFFER C， BROENNIMANN O， et al. Climatic niche shifts are rare among terrestrial plant invaders[J]. Science， 2012， 335（6074）： 1344-1348.

[73] JIMENEZ-VALVERD A. Insights into the area under the receiver operating characteristic curve （AUC） as a discrimination measure in species distribution modelling [J]. Global Ecology and Biogeography， 2012， 21（4）： 498-507.

[74] KRAMER-SCHADT S， NIEDBALLA J， PILGRIM J D， et al. The importance of correcting for sampling bias in MaxEnt species distribution models[J]. Diversity and Distributions， 2013， 19（11）： 1366-1379.

[75] SYFERT M M， SMITH M J， COOMES D A. The effects of sampling bias and model complexity on the predictive performance of MaxEnt species distribution models[J/OL]. PLoS ONE， 2013， 8（2）： e55158.

[76] BECK J， BOLLER M， ERHARDT A， et al. Spatial bias in the GBIF database and its effect on modeling species geographic distributions [J]. Ecological Informatics， 2014， 19： 10-15.

[77] 王运生，谢丙炎，万方浩，等.相似穿孔线虫在中国的适生区预测[J].中国农业科学，2007，40（11）：2502-2506.

[78] 李建中，彭德良，刘淑艳.潜在外来入侵甜菜孢囊线虫在中国的适生性风险分析[J].植物保护，2008，34（5）：90-94.

[79] 曾辉，黄冠胜，李志红，等.利用MaxEnt预测橡胶南美叶疫病菌在全球的潜在地理分布[J].植物保护，2008，34（3）：88-92.

[80] 罗志萍，潘绪斌，王聪，等.基于MaxEnt和DIVA-GIS的白蜡枯梢病菌在中国的潜在适生区分析[J].湖南农业科学，2015（10）：83-87.

[81] 冯益明，刘洪霞.基于Maxent与GIS的锈色棕榈象在中国潜在的适生性分析[J].华中农业大学学报（自然科学版），2010，29（5）：552-556.

[82] 孫宏禹，李志红，杨普云，等.基于最大熵模型的斑翅果蝇适生性研究[J].中国植保导刊，2016（12）：66-73.

[83] 何佳遥，赵继羽，赵紫华，等.基于最大熵模型的沙棘绕实蝇适生性研究[J].植物检疫，2017，31（2）：22-29.

[84] 黄振，吴淇铭，黄可辉.应用MaxEnt模型预测辣椒果实蝇在中国的潜在地理分布[J].武夷科学，2017，33：28-34.

[85] 房锋，张朝贤，黄红娟，等.基于MaxEnt的麦田恶性杂草节节麦的潜在分布区预测[J].草业学报，2013，22（2）：62-70.

[86] WANG Cong， HAWTHORNE D， QIN Yujia， et al. Impact of climate and host availability on future distribution of Colorado potato beetle [J]. Scientific Reports， 2017， 7（1）： 4489.

[87] ZHU Gengping， LI Huiqi， ZHAO Li. Incorporating anthropogenic variables into ecological niche modeling to predict areas of invasion of Popillia japonica[J]. Journal of Pest Science，2017，90（1）：151-160.

[88] 曾士迈.植保系统工程导论[M].北京：北京农业大学出版社，1994.

[89] KRITICOS D J， LERICHE A， PALMER D J， et al. Linking climate suitability， spread rates and host-impact when estimating the potential costs of invasive pests [J/OL].PLoS ONE， 2013， 8（2）： e54861.

[90] COOK D C， LIU S， EDWARDS J， et al. Predicting the benefits of banana bunchy top virus exclusion from commercial plantations in Australia [J/OL].PLoS ONE，2012，7（8）： e42391.

[91] 方焱，秦萌，李志红，等.南亚果实蝇对我国南瓜产业的潜在经济损失评估[J].植物检疫，2015，29（3）：28-33.

[92] PIMENTEL D， LACH L， ZUNIGA R， et al. Environmental and economic costs of nonindigenous species in the United States [J]. Bioscience， 2000， 50 （l）： 53-65.

[93] 杨昌举，韩蔡峰.外来入侵物种造成经济损失的评估[J].环境保护，2005（7）：29-33.

[94] 赵铁珍.美国白蛾入侵对我国的危害分析与损失评估研究[D].北京：北京林业大学，2005.

[95] 赵铁珍，高岚，柯水发，等.美国白蛾入侵损失评估指标体系的构建[J].北京林业大学学报，2007，29（2）：156-160.

[96] 饶玉燕，尤扬，朱水芳，等.玉米褪绿斑駁病毒入侵损失指标体系及直接经济损失评估[J].植物检疫，2010，24（2）：5-8.

[97] 饶玉燕，沈玲丽，朱水芳，等.棉花曲叶病毒对棉花造成的经济损失评估[J].植物检疫，2011，25（3）：12-16.

[98] 马兴莉，李志红，胡学难，等.橘小实蝇、瓜实蝇和南亚果实蝇对广东省造成的经济损失评估[J].植物检疫，2013，27（3）：50-56.

[99] 刘萍，梁倩玲，陈梦，等.林业有害生物灾害损失评估指标体系构建[J].林业科学，2016，52（6）：101-107.

[100] DARBRO J， HALASA Y， MONTGOMERY B， et al. An economic analysis of the threats posed by the establishment of Aedes albopictus in Brisbane， Queensland [J]. Ecological Economics， 2017， 142： 203-213.

[101] 吴志刚，方焱，秦萌，等.刺萼龙葵对中国玉米产业造成的潜在经济损失评估[J].中国农业大学学报，2015，20（6）：138-145.

[102] 方焱，秦萌，李志红，等.紫茎泽兰对我国花生产业造成的潜在经济损失评估[J].中国农业大学学报，2015，20（6）：146-151.

[103] 潘绪斌，王聪，严进，等.经济全球化与气候变化对生物入侵的影响浅析[J].中国植保导刊，2018，38（4）：65-69.

（责任编辑： 田 喆）