王茹琳 劉原 李慶

摘要 近年來，獼猴桃潰瘍病在四川各獼猴桃主產(chǎn)區(qū)嚴(yán)重發(fā)生，造成嚴(yán)重經(jīng)濟(jì)損失。本研究采用MaxEnt模型分析四川省獼猴桃潰瘍病菌潛在分布，并預(yù)測(cè)2030年代、2050年代、2070年代和2080年代的RCP2.6、RCP4.5和RCP8.5等3種氣候變化情景下適生區(qū)變化。預(yù)測(cè)結(jié)果運(yùn)用ROC曲線評(píng)價(jià)模擬準(zhǔn)確性。結(jié)果表明：所建立13個(gè)模型的訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)AUC （areas under curve）值均高于0.9，達(dá)到極高的精度。當(dāng)前氣候條件下，獼猴桃潰瘍病菌在四川的高適生區(qū)主要位于成都市、德陽市、綿陽市、廣元市、巴中市、達(dá)州市和雅安市，中適生區(qū)在四川21地市州均有分布。2030年代-2080年代，氣候變化情景下，與當(dāng)前情景相比，高適生區(qū)和低適生區(qū)區(qū)域均顯著增加，中適生區(qū)區(qū)域先增加后減少，不同適生區(qū)幾何中心位置和遷移規(guī)律均有所不同但總體上均向北移動(dòng)。

關(guān)鍵詞 氣候變化; 潛在地理分布; MaxEnt模型; 獼猴桃潰瘍病菌

中圖分類號(hào)： S 431.2 ?文獻(xiàn)標(biāo)識(shí)碼： A ?DOI： 10.16688/j.zwbh.2019055

Abstract In recent years， the kiwifruit canker disease has occurred seriously in the main kiwifruit producing areas of Sichuan， and caused serious economic losses. In this study， MaxEnt （the maximum entropy model） was applied to analyze the potential geographic distribution of Pseudomonas syringae pv.actinidiae （Psa） in Sichuan. The future distribution of Psa were also predicted for 2030s， 2050s， 2070s and 2080s under the climate change scenarios of RCP2.6， RCP4.5 and RCP8.5. The results showed that AUC （areas under curve） values of training data and test data of all models were higher than 0.9， which indicated a better forecast. Under current climate situation， the highly suitable areas for Psa were in Chengdu， Deyang， Mianyang， Guangyuan， Bazhong， Dazhou， and Yaan， whereas the moderately suitable areas covered 21 cities of Sichuan. Under climate change scenarios， the areas of highly and least suitable areas increased significantly compared with the current scenario， while the areas of the moderately suitable areas decreased significantly. The geometric center location and migration rule of different suitable areas were different， but they all moved northward in general.

Key words climate change; potential geographical distribution; MaxEnt; Pseudomonas syringae pv. actinidiae

四川是紅心獼猴桃的發(fā)源地，主栽品種有‘紅陽‘ 東紅 ‘紅什2號(hào)和‘金紅50等，其中以‘紅陽獼猴桃栽培面積最大，種植面積超過3.33萬hm2，占全省栽培面積的68.53%。獼猴桃種植作為四川省扶貧攻堅(jiān)的主要產(chǎn)業(yè)，近年來在全省大范圍推廣，種植面積和產(chǎn)量分別占全國(guó)22%和16.6%，均居全國(guó)第二位[1]。由于種植品種以紅心獼猴桃為主，且在地區(qū)間引種、購苗、采粉及果品銷售活動(dòng)中缺乏必要的檢疫措施，獼猴桃潰瘍病在獼猴桃主栽區(qū)迅速蔓延，發(fā)生面積逐年擴(kuò)大，在成都、廣元、德陽、崇州、雅安等市均有發(fā)生，給種植戶造成了巨大經(jīng)濟(jì)損失。據(jù)統(tǒng)計(jì)，2017年，獼猴桃潰瘍病在四川發(fā)病面積達(dá)1.04萬hm2，約為全省獼猴桃種植面積的26%，對(duì)產(chǎn)業(yè)發(fā)展造成極大威脅[2-3]。

區(qū)域或全球大尺度背景下，物種地理分布主要決定于氣候條件，氣候變化對(duì)病蟲害發(fā)生、消長(zhǎng)、蔓延和流行的影響主要表現(xiàn)為兩點(diǎn)：首先世界性氣候改變可能會(huì)引起新病蟲害出現(xiàn)，改變病蟲害的主次位置，增大或減少病蟲害地理分布范圍[4]。其次氣候變化改變寄主植物的分布范圍，進(jìn)而引起病蟲害生境的變化[5]。利用當(dāng)前氣象數(shù)據(jù)評(píng)價(jià)病蟲害的分布及危害，并依據(jù)可能出現(xiàn)的氣候事實(shí)，借助多種氣候變化模式，預(yù)測(cè)未來病蟲害的風(fēng)險(xiǎn)等級(jí)，具有重要指導(dǎo)意義。生態(tài)系統(tǒng)中每一個(gè)物種都有其特定的小生境，生態(tài)位模型可根據(jù)特定小生境所對(duì)應(yīng)的環(huán)境因子，分析物種在不同時(shí)間和空間存在的可能性，獲得物種潛在地理分布[6]。最大熵模型（MaxEnt）是目前被國(guó)內(nèi)外學(xué)者廣泛應(yīng)用且具有較高評(píng)價(jià)的一種數(shù)學(xué)模型，該模型在植保方面應(yīng)用主要包括分析重大病蟲害氣候適宜性、預(yù)測(cè)檢疫性病蟲害入侵可能性和模擬氣候變化對(duì)病蟲害分布區(qū)影響等[7-10]。

獼猴桃潰瘍病危害部位包括主干、枝條、花和葉片，其病原菌為丁香假單胞桿菌獼猴桃致病變種Pseudomonas syringae pv.actinidiae， Psa，依靠農(nóng)事操作、苗木、花粉、風(fēng)雨和昆蟲等方式傳播[11-12]。研究表明，獼猴桃潰瘍病的發(fā)生和危害與氣候關(guān)系密切，氣候適宜時(shí)蔓延擴(kuò)散極快[13-14]。室內(nèi)培養(yǎng)發(fā)現(xiàn)，獼猴桃潰瘍病菌生長(zhǎng)適宜溫度范圍為5～30℃，最適溫度為25℃，最高溫度為35℃，致死溫度為55℃[15-16]。獼猴桃潰瘍病發(fā)病時(shí)間、發(fā)病程度、流行速度和停止蔓延時(shí)間與溫度關(guān)系密切。國(guó)內(nèi)學(xué)者在不同地區(qū)調(diào)查了獼猴桃潰瘍病田間發(fā)病條件，結(jié)果表明該病菌5℃時(shí)開始繁殖，田間最適發(fā)病溫度范圍為12～16℃，在此溫度范圍內(nèi)，病害擴(kuò)展迅速。20～25℃時(shí)，陰雨天發(fā)病概率大，高于25℃時(shí)，田間病斑停止擴(kuò)展[15， 17]。獼猴桃潰瘍病病原菌是低溫型病菌，低溫是導(dǎo)致潰瘍病發(fā)病的主要原因。同時(shí)低溫凍害易導(dǎo)致樹體受凍傷，獼猴桃潰瘍病菌易從傷口侵染樹體[18]。四川盆地氣溫東高西低，南高北低，冬季平均溫度4～8℃之間，夏季平均溫度在24～28℃之間，非常適宜獼猴桃潰瘍病菌生存[19]。影響獼猴桃潰瘍病發(fā)生的重要?dú)庀笠蜃舆€包括相對(duì)濕度和降水量。細(xì)菌菌落生長(zhǎng)要求相對(duì)濕度在80%以上。11月至次年1月是四川省獼猴桃的休眠期，相對(duì)濕度偏高不利于獼猴桃深度休眠，有利于獼猴桃潰瘍病病菌的侵染;同時(shí)相對(duì)濕度偏高也有利于獼猴桃潰瘍病病菌的傳播[15， 17-18]。

本文通過實(shí)地調(diào)查和查閱文獻(xiàn)等方式獲得獼猴桃潰瘍病菌分布信息和未來氣候變化數(shù)據(jù)，利用MaxEnt模型模擬并預(yù)測(cè)氣候變化情景下四川省獼猴桃潰瘍病菌的適生分布，通過GIS軟件制圖并計(jì)算適生區(qū)面積和質(zhì)心位移的變化，旨在為四川省獼猴桃潰瘍病風(fēng)險(xiǎn)分析、預(yù)測(cè)預(yù)報(bào)和有效防控提供一定的理論依據(jù)。

1 材料與方法

1.1 氣候數(shù)據(jù)的來源與處理

本文模擬當(dāng)前（1950年-2000年）和21世紀(jì)4個(gè)不同年代2030s（2021年-2040年）、2050s（2041年-2060年）、2070s（2061年-2080年）和2080s（2071年-2090年）5個(gè)不同時(shí)期四川省獼猴桃潰瘍病菌的分布情況。當(dāng)前和未來的氣候數(shù)據(jù)分別下載自WorldClim和Climate Change， Agriculture and Food Security， CCAFS數(shù)據(jù)庫，分辨率為2.5 arc-minutes。未來氣候數(shù)據(jù)選取的是IPCC第五次評(píng)估報(bào)告發(fā)布的RCP2.6、RCP4.5和RCP8.5情景。氣候數(shù)據(jù)選擇的是預(yù)測(cè)物種地理分布最常用的19個(gè)生物氣候變量，本研究通過對(duì)比各變量建模的貢獻(xiàn)百分比篩選建模變量，比較所選變量的相關(guān)系數(shù)，消除共線性的影響，最終保留了7個(gè)氣候變量進(jìn)行建模[20]（表1）。

1.2 獼猴桃潰瘍病菌分布位點(diǎn)的搜集與確定

獼猴桃潰瘍病在意大利、新西蘭、中國(guó)和歐洲等主要獼猴桃種植區(qū)域均有發(fā)生，為模擬該病原的準(zhǔn)確分布，除該物種的本地分布數(shù)據(jù)，還應(yīng)查詢其全球分布數(shù)據(jù)。本研究采取以下方式搜集分布數(shù)據(jù)：四川省的分布數(shù)據(jù)為本課題組2015年-2018年對(duì)全省獼猴桃潰瘍病發(fā)生情況系統(tǒng)調(diào)查獲得，使用GPS精確記錄發(fā)病地的地理分布信息。國(guó)內(nèi)其他省份及全球的分布數(shù)據(jù)通過查詢物種分布數(shù)據(jù)庫和檢索公開發(fā)表的獼猴桃潰瘍病菌相關(guān)文獻(xiàn)獲得[21-34]。獲得數(shù)據(jù)中有具體經(jīng)緯度的則直接應(yīng)用，無經(jīng)緯度的則查詢?nèi)虻乩硇畔⒓蓴?shù)據(jù)庫GeoName獲得相關(guān)坐標(biāo)信息。為避免同一網(wǎng)格內(nèi)出現(xiàn)多個(gè)分布點(diǎn)而導(dǎo)致的空間自相關(guān)性，對(duì)分布數(shù)據(jù)進(jìn)行了有效篩選[35]。利用ArcGIS的統(tǒng)計(jì)分析功能，計(jì)算網(wǎng)格中心與分布點(diǎn)之間的距離，保留1條距離中心最近分布記錄，最終獲得148個(gè)分布點(diǎn)。

1.3 模型的構(gòu)建和適生等級(jí)劃分

首先將1.1和1.2的數(shù)據(jù)導(dǎo)入軟件中，分布點(diǎn)中選擇75%作為訓(xùn)練數(shù)據(jù)，25%作為測(cè)試數(shù)據(jù)，用于驗(yàn)證模型。其次選擇刀切法（jackknife）衡量環(huán)境變量的重要性。其余參數(shù)均選擇模型的默認(rèn)值，重復(fù)運(yùn)行10次進(jìn)行建模并設(shè)定輸出路徑。MaxEnt模型模擬結(jié)果為目標(biāo)物種在每個(gè)柵格中出現(xiàn)的可能性，即P值，系統(tǒng)默認(rèn)等級(jí)為10級(jí)，根據(jù)獼猴桃潰瘍病菌在四川的實(shí)際發(fā)生情況并結(jié)合相關(guān)文獻(xiàn)，利用ArcGIS的“Reclassify”功能對(duì)連續(xù)分布概率（P）進(jìn)行重分類，劃分方法為：白色代表不適生區(qū)，P<0.2;黃色代表低適生區(qū)，0.2≤P<0.4;橙色代表中適生區(qū)，0.4≤P<0.8;紅色代表高適生區(qū)，P≥0.8[36-37]。

1.4 模型模擬結(jié)果評(píng)價(jià)

ROC（receiver operating characteristic，ROC）曲線其曲線下面積（area under curve，AUC）值的大小是評(píng)估生態(tài)位模型準(zhǔn)確性的有效方法[38]。評(píng)估標(biāo)準(zhǔn)定義為：AUC取值范圍為[0.5，0.6）時(shí)，定義模型模擬結(jié)果為“失敗”;AUC取值范圍為[0.6，0.7）時(shí)，定義模型模擬結(jié)果為“較差”;AUC取值范圍為[0.7，0.8）時(shí)，定義模型模擬結(jié)果為“一般”;AUC取值范圍為[0.8，0.9）時(shí)，定義模型模擬結(jié)果為“好”;AUC取值范圍為[0.9，1.0]時(shí)，定義模型模擬結(jié)果為“很好”[39]。

2 結(jié)果與分析

2.1 模擬準(zhǔn)確性檢驗(yàn)

表2是當(dāng)前及未來氣候變化情景下MaxEnt模型訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)的AUC值，結(jié)果表明當(dāng)前氣候條件下訓(xùn)練數(shù)據(jù)和測(cè)試數(shù)據(jù)AUC值分別為0.915和0.924。RCP2.6、RCP4.5和RCP8.5情景下訓(xùn)練數(shù)據(jù)AUC值分別介于0.977～0.979、0.977～0.979和0.969～0.970，測(cè)試數(shù)據(jù)AUC值則分別介于0.966～0.970、0.966～0.970和0.952～0.956，表明構(gòu)建的所有模型的模擬結(jié)果為“很好”，可用于后續(xù)分析。

2.2 當(dāng)前情景下四川省獼猴桃潰瘍病菌地理分布

由圖1可以看出，獼猴桃潰瘍病菌高適生區(qū)位于成都市、德陽市、綿陽市、廣元市、巴中市、達(dá)州市、雅安市、樂山市、瀘州市、宜賓市和廣安市，面積達(dá)8.4萬km2。中適生區(qū)在四川21地市（州）均有分布，面積為13.32萬km2。低適生區(qū)位于甘孜州、阿壩州、涼山州、攀枝花市和達(dá)州市，面積為1.18萬km2。將獼猴桃潰瘍病菌的適生分布圖與四川省行政區(qū)劃圖疊加，利用ArcGIS的柵格統(tǒng)計(jì)功能計(jì)算該病菌在不同地市（州）的適生面積。結(jié)果顯示，廣元市、綿陽市、巴中市、達(dá)州市和成都市獼猴桃潰瘍病菌的適生面積較大，分別為14 965.28、11 753.47、10 798.61、9 565.97、8 854.17 km2，分別占高適生區(qū)總面積的17.81%、13.99%、12.85%、11.38%、10.54%;在中適生區(qū)中，涼山州所占面積為38 107.64 km2，占中適生區(qū)比例達(dá)28.67%（表3）。

2.3 氣候變化情景下四川省獼猴桃潰瘍病菌地理分布預(yù)測(cè) ?圖2是模擬的RCP2.6氣候變化情景下，21世紀(jì)30年代、50年代、70年代和80年代獼猴桃潰瘍病菌在四川的適生分布圖。由圖2和表4可見，與當(dāng)前情景相比，高適生區(qū)和低適生區(qū)區(qū)域均顯著增加，中適生區(qū)區(qū)域顯著減少。未來高適生區(qū)面積由當(dāng)前的8.41萬km2增加到15.91萬km2 （2030s）、14.26萬km2 （2050s）、14.35萬km2 （2070s）、14.97萬4 km2 （2080s）。未來中適生區(qū)面積由當(dāng)前的13.32萬km2減少至9.39萬km2 （2030s）、10.77萬km2 （2050s）、9.81萬km2 （2070s）、9.69萬km2 （2080s）。低適生區(qū)面積未來增幅最大，由當(dāng)前的1.18萬km2分別增加至7.85萬km2 （2030s）、7.96萬km2 （2050s）、5.98萬km2 （2070s）和5.95萬km2 （2080s）。

圖3是RCP4.5氣候變化情景下，21世紀(jì)30年代、50年代、70年代和80年代獼猴桃潰瘍病菌在四川的適生分布圖。與當(dāng)前情景相比，高適生區(qū)和低適生區(qū)區(qū)域均顯著增加，中適生區(qū)區(qū)域顯著減少。利用ArcGIS的柵格統(tǒng)計(jì)功能計(jì)算該病菌適生面積，得到各時(shí)期適生區(qū)獼猴桃潰瘍病菌在四川的分布面積（表4）。

RCP8.5氣候變化情景下，21世紀(jì)30年代、50年代、70年代和80年代獼猴桃潰瘍病菌在四川的潛在分布如圖4和表4所示。高適生區(qū)面積變化趨勢(shì)為：由當(dāng)前的8.41萬km2增加到10.64萬km2 （2030s）、11.18萬km2 （2050s）、13.69萬km2 （2070s）、16.11萬km2 （2080s）。中適生區(qū)面積變化趨勢(shì)為：首先由當(dāng)前的13.32萬km2增加至14.18萬km2 （2030s）、15.01萬km2 （2050s），然后減少至12.69萬km2 （2070s）、10.89萬km2 （2080s）。低適生區(qū)面積未來增幅最大，由當(dāng)前的1.18萬km2分別增加至8.29萬km2 （2030s）、8.34萬km2 （2050s）、6.79萬km2 （2070s）和6.77萬km2 （2080s）。

2.4 質(zhì)心遷移軌跡

為理解不同氣候變化情景對(duì)獼猴桃潰瘍病菌分布的影響，本文參考Yue等[40]的方法計(jì)算了不同氣候變化情景下適生區(qū)質(zhì)心的位置和遷移規(guī)律。由表5可以看出，RCP2.6情景下，中適生區(qū)質(zhì)心由當(dāng)前位置依次沿西北92.69 km（2030s）、西南16.80 km（2050s）、東北30.53 km（2070s）和西北22.15 km（2080s）移動(dòng)，至2080s總體上向西北方向移動(dòng)91.96 km;高適生區(qū)質(zhì)心由當(dāng)前位置依次沿西南46.07 km（2030s）、西南7.74 km（2050s）、東北15.90 km（2070s）和西北30.08 km（2080s）移動(dòng)，至2080s總體上向西北方向移動(dòng)59.02 km。

RCP4.5情景下，高適生區(qū)質(zhì)心由當(dāng)前位置依次沿西南74.95 km（2030s）、西北4.36 km（2050s）、西北24.05 km（2070s）和東北34.60 km（2080s）移動(dòng)，至2080s向西北方向移動(dòng)了62.3 km。中適生區(qū)質(zhì)心由當(dāng)前位置依次沿西北87.12 km（2030s）、東北24.38 km（2050s）、西北28.66 km（2070s）和東北15.47 km（2080s）移動(dòng)，至2080s總體上向西北方向移動(dòng)108.77 km。

RCP8.5情景下，高適生區(qū)質(zhì)心由當(dāng)前位置依次沿西南57.05 km（2030s）、東南8.00 km（2050s）、西南59.13 km（2070s）和東北57.11 km（2080s）移動(dòng)，至2080s總體上向西北方向移動(dòng)66.59 km。中適生區(qū)質(zhì)心由當(dāng)前位置依次沿西北62.51 km（2030s）、西北25.32 km（2050s）、西北17.83 km（2070s）和東北11.77 km（2080s）移動(dòng)，至2080s總體上向西北方向移動(dòng)103.13 km。由此可見，未來不同適生區(qū)幾何中心位置和遷移規(guī)律均有所不同。

3 討論

本研究選取目前應(yīng)用較為成熟的最大熵模型構(gòu)建獼猴桃潰瘍病菌模型，判斷該病菌在四川的生態(tài)位需求，預(yù)測(cè)未來的地理分布。研究表明，MaxEnt模型較其他常用生態(tài)位模型（CLIMEX、GARP、BIOCLIM、DOMAIN等）操作簡(jiǎn)單、運(yùn)算效率高，且不受樣本量大小限制，并有大量模擬植物病菌潛在分布研究[41-43]。對(duì)生態(tài)位模型預(yù)測(cè)效果的評(píng)估多采用ROC曲線下面積AUC進(jìn)行，如韓陽陽等[44]利用ROC曲線測(cè)定生態(tài)位模型預(yù)測(cè)松材線蟲在中國(guó)適生區(qū)的準(zhǔn)確性。Wang等[45]用ROC曲線評(píng)價(jià)了MaxEnt模型對(duì)稻水象甲在全球適生區(qū)預(yù)測(cè)的效果。本文中所有預(yù)測(cè)模型的AUC值均達(dá)到極好水平，說明模型擬合能力出色。選擇環(huán)境變量過程中應(yīng)注意避免變量自相關(guān)性，本研究比較各變量對(duì)建模的百分比貢獻(xiàn)率篩選建模變量，并利用Pearson相關(guān)系數(shù)法消除共線性的影響，獲得了7個(gè)變量進(jìn)行建模，提高了預(yù)測(cè)的準(zhǔn)確性。

本文利用MaxEnt模型，結(jié)合前期田間調(diào)查和前人研究成果對(duì)當(dāng)前氣候條件下四川省獼猴桃潰瘍病菌潛在分布區(qū)進(jìn)行預(yù)測(cè)劃分適宜等級(jí)，利用ArcGIS軟件計(jì)算獼猴桃潰瘍病菌在各等級(jí)的適生面積。結(jié)果顯示：當(dāng)前氣候條件下，成都市、德陽市、綿陽市、廣元市、巴中市、達(dá)州市和雅安市為該病菌在四川的高適生區(qū)。適生區(qū)域（中適生區(qū)和高適生區(qū)）除甘孜州和阿壩州外，其他19個(gè)市（州）均有分布。2017年，獼猴桃潰瘍病在四川14個(gè)市（州）發(fā)生，其中雅安市、成都市和廣元市發(fā)病面積最大，分別占全省發(fā)生面積的43%、37%和7%。對(duì)比此次預(yù)測(cè)結(jié)果和獼猴桃潰瘍病菌在四川的發(fā)生現(xiàn)狀可知，除目前已知該病菌廣泛分布的成都、雅安、廣元等地以外，巴中、達(dá)州、廣安等地也為該病菌適生等級(jí)較高的地區(qū)。由此推測(cè)，四川省獼猴桃潰瘍病仍存在繼續(xù)擴(kuò)散的可能。上述高適生區(qū)中，已發(fā)現(xiàn)該病菌的地區(qū)必須及時(shí)采取相應(yīng)措施進(jìn)行防治，阻止其向其他地區(qū)擴(kuò)散蔓延;對(duì)于具備該病菌適生的寄主植物和氣候條件的潛在適生分布區(qū)，應(yīng)高度重視，加強(qiáng)檢驗(yàn)檢疫工作，防止該病菌的傳入。調(diào)查過程中發(fā)現(xiàn)，獼猴桃潰瘍病雖為全國(guó)森林植物檢疫對(duì)象，但四川省獼猴桃的種植、管理、推廣和病蟲害防治等工作由農(nóng)業(yè)部門負(fù)責(zé)，對(duì)于該病害的檢驗(yàn)檢疫存在一定盲區(qū)，造成監(jiān)管存在漏洞，導(dǎo)致帶菌苗木和花粉的傳播。我們建議農(nóng)林部門應(yīng)加強(qiáng)溝通合作，建立行之有效的監(jiān)管措施;獼猴桃潰瘍病自1986年在中國(guó)湖南被發(fā)現(xiàn)以來，在長(zhǎng)期的擴(kuò)散傳播過程中產(chǎn)生了較高的種內(nèi)遺傳多樣性[18]，且隨著全球氣候的變暖，當(dāng)前的低適生區(qū)或不適生區(qū)有可能變?yōu)樵摬≡倪m生區(qū)，因此對(duì)于非適生區(qū)，仍應(yīng)保持高度警惕。邵寶林等[46]采用模糊數(shù)學(xué)法分析了獼猴桃潰瘍病菌在中國(guó)的適生性，結(jié)果表明該病菌在中國(guó)最適宜區(qū)包括四川省，但適生面積遠(yuǎn)小于本研究結(jié)果，原因主要是所選模型的預(yù)測(cè)機(jī)理不同所造成。

四川盆地氣候特殊，該區(qū)域農(nóng)業(yè)病蟲害受冬季溫度、降水量和日照時(shí)數(shù)的影響較大[47]。陳超等[48]分析了1961年-2009年四川省氣候資源變化趨勢(shì)，結(jié)果表明亞熱帶向西移動(dòng)明顯，全省熱量資源增加趨勢(shì)明顯，大部分地區(qū)日照時(shí)數(shù)減少，該區(qū)域氣候的變化利于病蟲害的發(fā)生發(fā)展。為研究未來氣候變化情景下四川省獼猴桃潰瘍病菌分布情況，本文選取了IPCC第五次評(píng)估報(bào)告公布的RCP2.6情景、RCP4.5情景和RCP8.5情景，2030年代、2050年代、2070年代和2080年代四個(gè)未來時(shí)段進(jìn)行分析，定量描述了適生區(qū)的變化。RCP2.6情景下，全球范圍內(nèi)促進(jìn)能源結(jié)構(gòu)改變，大力推廣生物能源，生態(tài)環(huán)境得到巨大改善，溫室氣體排放最低，全球平均溫度上升最少;RCP8.5情景下溫室氣體排放量大，缺乏應(yīng)對(duì)氣候變暖的有效措施，技術(shù)革新率低，導(dǎo)致全球能源需求最高，全球平均溫度上升最多，生態(tài)環(huán)境改善甚微;RCP4.5情景為中等穩(wěn)定排放情景[45]。研究結(jié)果表明與當(dāng)前情景相對(duì)比發(fā)現(xiàn)，三種氣候情景下高適生區(qū)和低適生區(qū)區(qū)域面積均顯著增加，中、高適生區(qū)質(zhì)心總體上均向西北方向移動(dòng)。說明未來氣候變暖將使病菌適生范圍擴(kuò)大，更利于病菌越冬和生長(zhǎng)繁殖。因此未來四川盆地具備獼猴桃潰瘍病大暴發(fā)的氣候條件，防控任務(wù)依舊艱巨。

獼猴桃為獼猴桃潰瘍病菌的唯一寄主，不同品種對(duì)獼猴桃潰瘍病的抗性存在顯著性差異，其分布很大程度上取決于寄主品種的地理分布[50-52]。國(guó)內(nèi)外學(xué)者研究表明，美味系列獼猴桃品種對(duì)獼猴桃潰瘍病抗性高于中華系列。目前四川省獼猴桃主栽品種為以‘紅陽為代表的中華系列，占總面積比例達(dá)83.5%，且有不斷增加趨勢(shì)。張杰等[53]模擬了中華獼猴桃在中國(guó)潛在分布及氣候變化下潛在擴(kuò)散地理范圍，結(jié)果表明，在四川高適生區(qū)面積將由當(dāng)前的13.74萬km2增加至2050s的16.49萬km2。本文中模擬的當(dāng)前獼猴桃潰瘍病菌高適生區(qū)面積為8.41萬km2，2050s的適生面積范圍為11.18萬km2～14.93萬km2，表明隨著氣候變化，獼猴桃潰瘍病菌的適生范圍有隨寄主不斷擴(kuò)大的可能性，特別是二者重合區(qū)域在引擴(kuò)種此類品種時(shí)應(yīng)更為重視不同抗性品種布局。張麗芳等[54]利用遙感技術(shù)從地形、氣候、土壤、植被等4個(gè)方面分析了蒼溪紅心獼猴桃在四川的適宜性，結(jié)果可靠，為蒼溪獼猴桃在四川省內(nèi)引擴(kuò)種提供了依據(jù)。本文僅從氣候適宜性角度預(yù)測(cè)了該病菌在四川的適生分布，預(yù)測(cè)結(jié)果具有一定的局限性。未來工作中，應(yīng)利用多種手段研究四川省主栽獼猴桃品種的適生性，綜合分析寄主-病原物之間的關(guān)系，從而更加準(zhǔn)確地預(yù)測(cè)不同氣候變化情景下該病菌的潛在分布，為該病菌的有效監(jiān)測(cè)和獼猴桃的種植規(guī)劃提供理論依據(jù)。

參考文獻(xiàn)

[1] 茹婧.四川獼猴桃產(chǎn)業(yè)發(fā)展前景及新商業(yè)模式研究[D].北京：北京交通大學(xué)，2018.

[2] 涂美艷，黃昌學(xué)，陳棟，等.四川獼猴桃產(chǎn)區(qū)潰瘍病綜合防治月歷表[J].四川農(nóng)業(yè)科技，2018（1）：31-33.

[3] 馬利，尹勇，封傳紅，等.四川省獼猴桃潰瘍病發(fā)生現(xiàn)狀及綠色防控技術(shù)體系的建立[J].中國(guó)植保導(dǎo)刊，2017，37（11）：80-83.

[4] 張花龍，楊念婉，李有志，等.氣候變暖對(duì)農(nóng)業(yè)害蟲及其天敵的影響[J].植物保護(hù)，2015，41（2）：5-15.

[5] 李培先，林峻，麥迪·庫爾曼，等.氣候變化對(duì)新疆意大利蝗潛在分布的影響[J].植物保護(hù)，2017，43（3）：90-96.

[6] 蔡靜蕓，張明明，粟海軍，等.生態(tài)位模型在物種生境選擇中的應(yīng)用研究[J].經(jīng)濟(jì)動(dòng)物學(xué)報(bào)，2014，18（1）：47-52.

[7] 唐繼洪，程云霞，羅禮智，等.基于Maxent模型的不同氣候變化情景下我國(guó)草地螟越冬區(qū)預(yù)測(cè)[J].生態(tài)學(xué)報(bào)，2017，37（14）：4852-4863.

[8] 劉靜遠(yuǎn)，陳林，宋紹祎，等.基于MAXENT的維氏粒線蟲（Anguina wevelli）在我國(guó)的潛在分布研究[J].植物保護(hù)，2016，42（6）：86-89.

[9] 齊國(guó)君，陳婷，何自福，等.基于Maxent模型的棉花曲葉病在中國(guó)的適生性分析[J].棉花學(xué)報(bào)，2016，28（5）：443-451.

[10] 常志隆，周益林，趙遵田，等.基于MaxEnt模型的小麥印度腥黑穗病在中國(guó)的適生性分析[J].植物保護(hù)，2010，36（3）：110-112.

[11] 劉瑤，朱天輝，樊芳冰，等.四川獼猴桃潰瘍病的發(fā)生與病原研究[J].湖北農(nóng)業(yè)科學(xué)，2013，52（20）：4937-4942.

[12] 任茂瓊，余敖，李家慧，等.四川省北川縣獼猴桃潰瘍病發(fā)生特點(diǎn)與綜合防控技術(shù)示范[J].中國(guó)植保導(dǎo)刊，2018，38（11）：55-57.

[13] 王麗，周增強(qiáng)，侯琿，等.我國(guó)獼猴桃細(xì)菌性潰瘍病研究分析及防控[J].中國(guó)南方果樹，2017（2）：178-182.

[14] 潘慧，胡秋舲，張勝菊，等.貴州六盤水市獼猴桃病害調(diào)查及病原鑒定[J].植物保護(hù)，2018，44（4）：125-131.

[15] 龍?jiān)拼?，彭熙，李葦潔，?貴州獼猴桃潰瘍病病菌分離鑒定及其培養(yǎng)特性[J].江蘇農(nóng)業(yè)科學(xué)，2017，45（20）：122-125.

[16] SERIZAWA S， ICHIKAWA T， TAKIKAWA Y， et al. Occurrence of bacterial canker of kiwifruit in Japan： description of symptoms， isolation of the pathogen and screening of bactericides [J]. Japanese Journal of Phytopathology， 1989， 55（4）： 427-436.

[17] 高小寧，趙志博，黃其玲，等.獼猴桃細(xì)菌性潰瘍病研究進(jìn)展[J].果樹學(xué)報(bào)，2012，29（2）：262-268.

[18] 李黎，鐘彩虹，李大衛(wèi)，等.獼猴桃細(xì)菌性潰瘍病的研究進(jìn)展[J].華中農(nóng)業(yè)大學(xué)學(xué)報(bào)，2013，32（5）：124-133.

[19] 徐曉，肖天貴，麻素紅.西南地區(qū)氣候季節(jié)劃分及特征分析[J].高原山地氣象研究，2010，30（1）：35-40.

[20] 張?zhí)祢?，劉?提高生態(tài)位模型時(shí)間轉(zhuǎn)移能力的方法研究[J].中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào)，2017，22（2）：98-105.

[21] 張慧琴，李和孟，馮健君，等.浙江省獼猴桃潰瘍病發(fā)病現(xiàn)狀調(diào)查及影響因子分析[J].浙江農(nóng)業(yè)學(xué)報(bào)，2013，25（4）：832-835.

[22] 周大祥，殷幼平，王中康，等.利用EMA-qPCR建立快速檢測(cè)獼猴桃潰瘍病菌活菌的方法[J].植物保護(hù)，2017，43（3）：143-148.

[23] 李瑤，承河元，方書苗，等.獼猴桃細(xì)菌性潰瘍病流行預(yù)測(cè)初探[J].應(yīng)用生態(tài)學(xué)報(bào)，2001，12（3）：355-358.

[24] FERRANTE P， TAKIKAWA Y， SCORTICHINI M. Pseudomonas syringae pv. actinidiae strains isolated from past and current epidemics to Actinidia spp. reveal a diverse population structure of the pathogen [J]. European Journal of Plant Pathology， 2015， 142（4）： 677-689.

[25] KOH Y J， NOU I S. DNA markers for identification of Pseudomonas syringae pv. actinidiae [J]. Molecules and Cells， 2002， 13（2）： 309-314.

[26] FUJIKAWA T， SAWADA H. Genome analysis of the kiwifruit canker pathogen Pseudomonas syringae pv. actinidiae biovar 5 [J/OL]. Scientific Reports， 2016， 6： 21399.

[27] HAN H S， KOH Y J， HUR J W， et al. Identification and characterization of coronatine-producing Pseudomonas syringae pv. actinidiae [J]. Journal of Microbiology and Biotechnologygy， 2003， 13（1）： 110-118.

[28] KOH Y J， KIM G H， JUNG J S， et al. Outbreak of bacterial canker on Hort16A （Actinidia chinensis Planchon） caused by Pseudomonas syringae pv. actinidiae in Korea [J]. New Zealand Journal of Crop and Horticultural Science， 2010， 38（4）： 275-282.

[29] CUNTY A， CESBRON S， POLIAKOFF F， et al. Origin of the outbreak in France of Pseudomonas syringae pv. actinidiae Biovar 3， the causal agent of bacterial canker of kiwifruit， revealed by a multilocus variable-number tandem-repeat analysis[J]. Applied and Environmental Microbiology， 2015， 81（19）： 6773-6789.

[30] RENZI M， MAZZAGLIA A， BALESTRA G M. Widespread distribution of kiwifruit bacterial canker caused by the European Pseudomonas syringae pv. actinidiae genotype in the main production areas of Portugal [J]. Phytopathologia Mediterranea， 2012， 51（2）： 402 -409.

[31] BUTLER M I， STOCKWELL P A， BLACK M A， et al. Pseudomonas syringae pv. actinidiae from recent outbreaks of kiwifruit bacterial canker belong to different clones that originated in China [J/OL]. PLoS ONE， 2013， 8（2）： e57464.

[32] VANNESTE J L， YU J， CORNISH D A， et al. Identification， virulence， and distribution of two biovars of Pseudomonas syringae pv. actinidiae in New Zealand [J]. Plant Disease， 2013， 97（6）： 708-719.

[33] ABELLEIRA A， ARES A， AGUN O， et al. Current situation and characterization of Pseudomonas syringae pv. actinidiae on kiwifruit in Galicia （northwest Spain）[J]. Plant Pathology， 2014， 63（3）： 691-699.

[34] PRENCIPE S， NARI L， VITTONE G， et al. Effect of bacterial canker caused by Pseudomonas syringae pv. actinidiae on postharvest quality and rots of kiwifruit ‘Hayward [J]. Postharvest Biology and Technology， 2016， 113： 119-124.

[35] 張東方，張琴，郭杰，等.基于MaxEnt模型的當(dāng)歸全球生態(tài)適宜區(qū)和生態(tài)特征研究[J].生態(tài)學(xué)報(bào)，2017，37（15）：5111-5120.

[36] 葉永昌， 周廣勝， 殷曉潔. 1961-2010年內(nèi)蒙古草原植被分布和生產(chǎn)力變化——基于MaxEnt模型和綜合模型的模擬分析[J]. 生態(tài)學(xué)報(bào)， 2016， 36（15）： 4718-4728.

[37] 孫穎， 秦大河， 劉洪濱. IPCC第五次評(píng)估報(bào)告不確定性處理方法的介紹[J]. 氣候變化研究進(jìn)展， 2012， 8（2）： 150-153.

[38] 王雷宏， 楊俊仙， 徐小牛. 基于MaxEnt分析金錢松適生的生物氣候特征[J]. 林業(yè)科學(xué)， 2015， 51（1）： 127-131.

[39] 王茹琳， 李慶， 封傳紅， 等. 基于MaxEnt的西藏飛蝗在中國(guó)的適生區(qū)預(yù)測(cè)[J]. 生態(tài)學(xué)報(bào)， 2017， 37（24）： 8556-8566.

[40] YUE T X， FAN Z M， CHEN C F， et al. Surface modelling of global terrestrial ecosystems under three climate change scenarios [J]. Ecological Modelling， 2010， 222（14）： 2342-2461.

[41] ELITH J， GRAHAM C， ANDERSON R， et al. Novel methods improve prediction of species distributions from occurrence data [J]. Ecography， 2006， 29（2）： 129-151.

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

[43] 張海濤，羅渡，牟希東，等.應(yīng)用多個(gè)生態(tài)位模型預(yù)測(cè)福壽螺在中國(guó)的潛在適生區(qū)[J].應(yīng)用生態(tài)學(xué)報(bào)，2016，27（4）：1277-1284.

[44] 韓陽陽，王焱，項(xiàng)楊，等.基于Maxent生態(tài)位模型的松材線蟲在中國(guó)的適生區(qū)預(yù)測(cè)分析[J].南京林業(yè)大學(xué)學(xué)報(bào)（自然科學(xué)版），2015，39（1）：6-10.

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

[46] 邵寶林，王成華，張婧，等.獼猴桃潰瘍病菌在中國(guó)的適生性分析[J].植物保護(hù)，2016，42（2）：146-150.

[47] 孫華，何茂萍，胡明成.全球變化背景下氣候變暖對(duì)中國(guó)農(nóng)業(yè)生產(chǎn)的影響[J].中國(guó)農(nóng)業(yè)資源與區(qū)劃，2015，36（7）：51-57.

[48] 陳超，龐艷梅，潘學(xué)標(biāo)，等.氣候變化背景下四川省氣候資源變化趨勢(shì)分析[J].資源科學(xué)，2011，33（7）：1310-1316.

[49] 沈永平，王國(guó)亞.IPCC第一工作組第五次評(píng)估報(bào)告對(duì)全球氣候變化認(rèn)知的最新科學(xué)要點(diǎn)[J].冰川凍土，2013，35（5）：1068-1076.

[50] 李淼，檀根甲，李瑤，等.獼猴桃品種酚類物質(zhì)及可溶性蛋白含量與抗?jié)儾〉年P(guān)系[J].植物保護(hù)，2009，35（1）：37-41.

[51] 石志軍，張慧琴，肖金平，等.不同獼猴桃品種對(duì)潰瘍病抗性的評(píng)價(jià)[J].浙江農(nóng)業(yè)學(xué)報(bào)，2014，26（3）：752-759.

[52] 張慧琴，毛雪琴，肖金平，等.獼猴桃潰瘍病病原菌分子鑒定與抗性材料初選[J].核農(nóng)學(xué)報(bào)，2014，28（7）：1181-1187.

[53] 張杰，敖子強(qiáng)，吳永明，等.中華獼猴桃（Actinidia chinensis）在中國(guó)的適生性及其潛在地理分布模擬預(yù)測(cè)[J].熱帶地理，2017，37（2）：218-225.

[54] 張麗芳，張?chǎng)?，楊存建，?四川省引擴(kuò)種蒼溪紅心獼猴桃的適宜性研究[J].信陽師范學(xué)院學(xué)報(bào)（自然科學(xué)版），2018，31（3）：70-76.

（責(zé)任編輯： 田 喆）