2015, Vol. 45
文章信息
- 程功, 吕全, 冯益明, 理永霞, 王艳丽, 张星耀
- Cheng Gong, Lü Quan, Feng Yiming, Li Yongxia, Wang Yanli, Zhang Xingyao
- 气候变化背景下松材线虫在中国分布的时空变化预测
- Temporal and Spatial Dynamic Pattern of Pine Wilt Disease Distribution in China Predicted under Climate Change Scenario
- 林业科学, 2015, 45(6): 119-126
- Scientia Silvae Sinicae, 2015, 45(6): 119-126.
- DOI: 10.11707/j.1001-7488.20150614
-
文章历史
- 收稿日期：2014-03-31
- 修回日期：2014-07-17
-
作者相关文章
2. 东北林业大学林学院 哈尔滨 150040：
3. 中国林业科学研究院荒漠化研究所 北京 100091
2. College of Forestry, Northeast Forestry University Harbin 150040;
3. Research Institute of Desertification Studies, CAF Beijing 100091
松材线虫(Bursaphelenchus xylophilus)是目前最具危险性的森林病害病原之一，由媒介昆虫携带传播。松树个体感染松材线虫后最快40天即可死亡，整片松林从发病到毁灭性死亡只需3~5年，因此该病被称作“松树的癌症”。随着松材线虫的生物学和生态学研究数据大量积累，可以借助计算机和数学方法建立模型来进行危险性评价。适生性分析是有害生物危险性评价中一个关键因素，一般通过气象及生物地理条件进行分析。随着计算机和地理信息系统(GIS)及其他相关学科的发展，有害生物的适生性分析越来越广泛。 Cook(1924)提出用气候图对有害生物的适生性进行分析，澳大利亚的Sutherst(1985)等研制出生态气候评价的分析模型即CLIMEX系统。该系统以气候作为影响物种分布的主要因素，用物种己知地理分布及相对丰度或直接使用物种生长发育的生物学参数与各地气候参数进行对比，整合出生态气候指数(ecoclimatic index，EI)，对物种的分布区进行预测，EI值越大，物种适生性越强(Sutherst et al.， 1985; Sutherst，2003)。目前CLIMEX、BIOCLIM、HABITAT、DOMAIN等生态位模型已广泛应用于松材线虫(何善勇等，2012)、微生物(刘海军等，2003)、植物(宋红敏等，2004)、昆虫(Sutherst et al.， 1985； 1991; Womer，1988)等的生态气候适生性研究。
上述生态位模型分析虽然操作较简单，但限制条件较多，各模型算法比较单一，而且考虑媒介昆虫传播的有害生物的因素较少，因此所得预测的结果有一定的局限性，不完全适于松材线虫以松褐天牛(Monochamus alternatus)为媒介传播的特点。气候因子是大尺度上影响物种分布区的关键因子，准确的模拟某个地区未来的气候变化才能够准确地预测生物的适生范围、潜在分布。中国地处东亚季风区，具有复杂的地形和下垫面特征，使得“全球模式”对这一区域的模拟经常出现偏差，这种偏差主要是由于该模式的分辨率不足引起的，而RegCM3区域气候模式则可以大大减少上述偏差。全球模式MIROC3.2_hiers 驱动RegCM3区域气候模式(简称MIROC_RegCM)能够更好地再现中国地区当代气候(王东阡，2009)。因此本研究采用MIROC_RegCM气候模式模拟中国区域气候情景数据，借助GIS地理信息系统、模糊数学综合评判方法、层次分析法(AHP)确定松材线虫适生性因子、松褐天牛适生性因子及综合适生值，分析预测松材线虫在我国的适生范围以及在不同地区的适生程度，准确评估松材线虫危害风险，可为相关部门制定合理、有效的防疫措施提供参考，对保护森林生态安全也具有重要的理论意义和实用价值。
1 数据来源与处理方法 1.1 气象数据来源与处理气象数据由全球模式MIROC得到初始场和侧边界值驱动RegCM3，选择SRES A1B(AIB)温室气体排放情景，侧边界场采用指数松弛边界方案得到。情景数据的空间分辨率(格距)为： 0.25 °×0.25 °逐日数据； 范围： 70 °—140 °E，15 °—55°N； 格点数： 281(东西)×161(南北)。利用 1∶400万中国地图(国家基础地理信息中心 http://nfgis.nsdi.gov.cn/)作为分析底图，利用ArcGIS 9.2软件对1971—2100年数据按10年间隔分段进行连续30年分析，即1971—2000，1981—2010，1991—2020，2001—2030，2011—2040，2021—2050，2031—2060，2041—2070，2051—2080，2061—2090，2071—2100共计11个时段进行运算。对每段内的30年气象数据取各要素的平均值进行分析(冯克忠，2007)。
1.2 松材线虫、松褐天牛适生因子及其权重的确定根据松材线虫生长发育的特性(吕全等，2005; Mamiya，1985; Halik et al.， 1990; Necibi et al.，1995; 谈家金，2001; 杨宝君等，2003; 张星耀等，2003; 冯益明等，2009)，选取年均温(T)、6—8月均温(N)、25 ℃以上的天数(D)、海拔(H)、年均日照时数(H′)和年降水量(W)6项气象生态因子作为制约松材线虫发生的关键因子。
松材线虫主要通过松褐天牛传播。根据松褐天牛生物生态学特性(吕传海等，2000; 朱锦茹等，2001; 胡长效等，2003; 屠新虹等，2003)，选取年平均气温(T)、6—8月均温(N)、10 ℃以上有效积温(K)、年均日照时数(H′)、海拔(H)和年降水量(W)6项气象生态因子作为确定松褐天牛的适生因子。
为客观地反映上述各适生因子对松材线虫定殖及扩散蔓延的影响，根据各项因子对松材线虫和松褐天牛生长发育影响的程度，利用层次分析法(AHP)和1-9标度法建立判断矩阵，利用方根法计算出各个因素所占的权重，并进行一致性检验。当λmax(最大特征根)稍大于n(因子个数)，CI(矩阵偏离一致性指标)及CR(均矩阵随机一致性指标)小于0.10即认为判断矩阵具有满意的一致性(赵焕臣，1986)。
1.3 综合适生值的计算方法 1.3.1 松材线虫隶属函数应用模糊数学综合评判方法，建立松材线虫的隶属函数。当 T≥14 ℃，N=25 ℃，D≥55天，H≤400 m，H′≥24 h(满足条件时它们各自取值为1)时，分别创建上述5个因子及年降水量W的隶属函数，公式(冯益明等，2009)如下：
年均温：
| $ {\mu _1}\left( x \right) = \left\{ {\begin{array}{*{20}{c}} 1&{x \ge 14℃}\\ {\left( {x - 10} \right)/4}&{10℃ < x < 14℃}\\ 0&{x \le 10℃} \end{array}} \right. $ | (1) |
6，7，8月均温：
| $ {\mu _2}\left( x \right) = \left\{ {\begin{array}{*{20}{c}} 1&{x = 25℃}\\ {{e^{ - {{\left[ {\left( {25 - x} \right)/10} \right]}^2}}}}&{x \ne 25℃} \end{array}} \right.。 $ | (2) |
25 ℃的天数：
| $ >{\mu _3}\left( x \right) = \left\{ {\begin{array}{*{20}{c}} 1&{x \ge 55d}\\ {x/55}&{x < 55d} \end{array}} \right.。 $ | (3) |
海拔：
| $ {\mu _5}\left( x \right) = \left\{ {\begin{array}{*{20}{c}} 1&{x \le 400m}\\ {1 - \left( {x - 400} \right)/300}&{400m < x < 700m}\\ 0&{x \le 700m} \end{array}} \right.。 $ | (4) |
年均日照时数：
| $ {\mu _6}\left( x \right) = \left\{ {\begin{array}{*{20}{c}} 0&{x \le 0}\\ {x/24}&{0 < x < 24h}\\ 1&{x \ge 24h} \end{array}} \right.。 $ | (5) |
年降水量：
| $ {\mu _4}\left( x \right) = {e^{ - 0.0001x}}。 $ | (6) |
根据各自的隶属函数求出各点的隶属度，再把各因子的权重系数代入求得综合适生值。
1.3.2 松褐天牛隶属函数同上建立松褐天牛的隶属函数。当T≥20 ℃，20 ℃≤N≤26 ℃，K≥1 200 ℃，0≤H≤700 m，H′≥8 h(满足条件时它们各自取值为1)时，分别建立上述因子及年降水量W的隶属函数，公式(冯益明等，2009)如下：
| $ 年均温:{\mu _1}\left( x \right) = \left\{ {\begin{array}{*{20}{c}} 0&{x \le 10℃}\\ {\left( {x - 10} \right)/10}&{10℃ < x < 20℃}\\ 1&{x \ge 20℃} \end{array}} \right.。 $ | (7) |
6，7，8月均温：
| $ {\mu _2}\left( x \right) = \left\{ {\begin{array}{*{20}{c}} 1&{20℃ \le x \le 26℃}\\ {\left( {35 - x} \right)/9}&{26℃ < x < 35℃}\\ 0&{x < 20℃，x \ge 35℃} \end{array}} \right.。 $ | (8) |
大于10 ℃有效积温：
| $ {\mu _3}\left( x \right) = \left\{ {\begin{array}{*{20}{c}} {x/1200}&{x < 1200℃}\\ 1&{x \ge 1200℃} \end{array}} \right.。 $ | (9) |
海拔：
| $ {\mu _6}\left( x \right) = \left\{ {\begin{array}{*{20}{c}} 1&{0 \le x \le 700m}\\ {\left( {2000 - x} \right)}&{700m < x < 2000m}\\ 0&{x \ge 2000m} \end{array}} \right.。 $ | (10) |
年均日照时数：
| $ {\mu _4}\left( x \right) = \left\{ {\begin{array}{*{20}{c}} {x/8}&{x < 8h}\\ 1&{x \ge 8h} \end{array}} \right. $ | (11) |
| $ 年降水量:{\mu _5}\left( x \right) = {e^{ - 0.0001x}} $ | (12) |
根据各自的隶属函数求出各点影响松褐天牛生长发育各因子的隶属度，再把各因子的权重系数注入到数值计算中求得综合适生值。
1.3.3 综合适生值的计算各点综合适生值是根据病原松材线虫和传播媒介松褐天牛对松材线虫病发生、传播的影响程度，综合考虑得到的。对病原的权重(w1)和传播媒介的权重(w2)用层次分析法和1-9标度法确定如下(冯益明等，2009)：w1＝0.75，w2＝0.25。
各点综合适生值计算原则：
对于松材线虫的适生值μ1和媒介昆虫松褐天牛的适生值μ2，当μ1≤0.55且μ2≤0.55或者μ1，μ2其中之一小于0.55时，综合松材线虫和松褐天牛的适生值μ＝min(μ1，μ2)。当μ1≥0.55且μ2≥0.55时，μ＝μ1w1＋μ2 w2。根据综合适生值大小作出规定： μ≥0.85为最适宜，0.7≤μ＜0.85为适宜，0.55≤μ＜0.7为次适宜，0.4≤μ＜0.55为不适宜，μ＜0.4为极不适宜。
2 结果与分析 2.1 各适生因子的权重应用方根法计算得出松材线虫和松褐天牛生长发育各个影响因素所占的权重，并通过一致性检验(表 1，2)。
|
|
|
对表 1检验的结果为最大特征根 λmax=6.015， CI=0.003，CR=0.002 4，表明松材线虫的6个因子权重确定的客观性。
对表 2检验的结果为 λmax=6.224，CI=0.045，CR=0.036，表明松褐天牛的6个因子权重确定的客观性。
2.2 全国松材线虫潜在适生分布范围1971—2100年11个时段的的全国松材线虫潜在适生范围如图 1所示。
 |
图 1 1971—2100年全国松林线虫适生范围示意 Fig. 1 Suitable prediction of B.xylophilus in China in 1971—2100 |
1971—2000年(图 1a)，适宜、极适宜地区主要在东南部地区，如： 河北南部，山东西部，河南大部分地区，江苏、浙江、安徽、湖北、湖南、福建、广东、广西、海南各地全境，新疆中南部及北部部分地区，西藏南部，云南南部。最北端分布区在河北南部。变化趋势为： 新疆中南及北部部分地区、山东半岛发展迅速，最适宜及适宜地区有所扩张，呈现向北，向西扩张趋势。
2001—2030年(图 1d)，适宜、极适宜地区仍然主要在东南部地区，面积继续增加，依旧呈现向北、向西扩张趋势。随着气候变暖，北方大部分极不适宜地区面积迅速减小，由极不适宜地区变为适宜地区。内蒙古中部地区变成适宜地区，东南部的省区几乎全境变为极适宜地区。
2031—2060年(图 1g)，新疆中北部部分地区由适宜变为极适宜地区，辽宁南部渤海湾地区由不适宜地区变为适宜地区，内蒙古中部有些地区变成适宜地区，东南地区的几个省全境变为极适宜地区。
2061—2090年(图 1i)，适宜地区北移、西移速度加快，在此期间新疆南部的大部分地区、内蒙古中部大部分地区、辽宁南部沿海大部分地区已经变成适宜地区，适宜区已经扩展到吉林西南部。
2091—2100年，由于此时间段仅为10年，仅在内蒙古中部和吉林西南部适宜地区扩展较快，其他地区变化平稳。
综上所述，1971—2100年，我国松材线虫的潜在适生区主要集中在37°N以南地区，如华东和华南地区，包括河北南部、山西南部、山东、河南、湖北、湖南、江苏、浙江、江西、安徽、陕西南部、四川东南部、重庆、贵州、云南、广西、广东、福建、海南等地。随着气候的变化，松材线虫潜在适宜区呈现北移、西移的趋势，次适宜区延伸到43°N上下，如内蒙古中部、辽宁、河北、青海、甘肃等。边缘分布区延伸到46°N上下，如新疆北部、内蒙古东北部、吉林南部。吉林北部、黑龙江北部、西藏大部分地区等由于寒冷和干旱不适宜松材线虫生存。
2.3 各期全国松材线虫潜在适生分布面积变化随着大尺度气候的变化，松材线虫在国内潜在分布面积呈现如下趋势： 最适宜松材线虫分布面积在逐渐扩大，由1971年的148.17万km2增加到2100年的243.08 万km2，增加了64%； 适宜松材线虫分布面积同样也在逐渐扩大，由1971年的72.16万km2增加到2100年的189.00万km2，增加了162%； 次适宜松材线虫分布面积期间内变化不显著； 不适宜松材线虫分布面积显著减小，由165.14万km2减少到110.13万km2； 极不适宜松材线虫分布面积极显著减小，由498.89万km2减少到287.33万km2(图 2)。
 |
图 2 全国松材线虫不同时期潜在分布面积变化 Fig. 2 The predicted suitable distribution area of pine wilt diease in China |
随着气候变化的加剧，到2100年我国适宜松材线虫生存的地域面积将扩大近2倍，主要集中在我国东南部的省份，且呈现向北、向西扩散速度加快的趋势，预测区域涵盖了目前我国松材线虫病实际发生的全部地区(张星耀等，2011)。
3.2 全球气候模式MIROC3.2_hiers适于预测有害生物的潜在适生区全球气候模式MIROC3.2_hiers驱动RegCM3区域气候模式可以准确地模拟某个地区未来的气候变化，可以用来预测松材线虫这种依靠媒介传播的有害生物的潜在适生区。
气候因子是大尺度上影响物种分布区的关键因子，气候变化会对有害生物的分布产生深远的影响，全球变暖是未来的气候变化趋势(Volney et al.， 2000; Jesse et al.， 2003; Jönsson et al.， 2007;Walther et al.， 2009)，对未来气候尽可能地准确模拟是对有害生物的潜在地理分布区进行预测的前提。因此选择一种准确的气候预测模式是关键。
MIROC3.2(Model for Interdisciplinary Research on Climate)是日本CCSR、NIES、FRCGC 3个研究机构共同开发的高分辨率全球海气耦合气候模式，该模式能较好地模拟东亚地区的降水分布(Hasumih et al.， 2004; Zhang et al.， 2008; 朱坚等，2009; Huang et al.， 2011)。RegCM3(Regional Climate Model Version 3)区域气候模式是由Giorgi等(1990)研发的第一代区域气候模式发展而来。RegCM系列模式在中国地区当代气候模拟、气候变化及土地利用和气溶胶的气候效应模拟等方面已有很多应用(Gao et al.， 2001; 2002;施晓晖等，2007)。RegCM3目前提供的情景数据包括： 一是全球模式FvGCM驱动RcgCM3得到的1961—1990年和SRES A2情景下的2071—2100年2个30年的中国区域气候情景数据(简称FvGCM-RegCM)，二是全球模式MIROC3.2_hiers驱动RegCM3得到的SRES A1B情景下1951—2100年150年的中国区域气候情景数据(简称MIROC-RegCM)(Gao et al.， 2001)。与全球模式相比，区域模式的优越性是分辨率高(张冬峰，2009)、既能反映大尺度环流强迫的影响又能够反映区域和中尺度的影响(石英，2010)。
为了克服全球模式在区域气候变化研究中的缺陷，笔者用粗分辨率的MIROC3.2_hiers全球模式模拟全球气候，然后用其输出结果来驱动高分辨率的RegCM3区域气候模式。采用区域和全球模式的嵌套技术，既可以获得大尺度天气系统的基本特征，又能够获得由大量中尺度强迫引起的高分辨率信号，从而有助于了解全球气候背景下的区域气候特征(Luedeling et al.， 2009; Jönsson，2009)。
3.3 应用多种数据和方法可以更准确地预测有害生物的时空变化将气候模拟与地理信息系统、模糊数学综合评判方法、层次分析法有机结合在一起建立相关生物适生性模型，与有害生物发生区域内的生物学特性和地理物理特征结合起来，可以很好地预测有害生物的时空变化，也可以应用于其他物种的类似分析。
生物的生长与分布是以气候条件为起点的，所以采取全球气候模式MIROC3.2_hiers 驱动RegCM3区域气候模式得到的SRES A1B情景下的模拟气候，可以建立生物在特定气候因素下的适生性分析模型，确定影响某生物种群生长的模型参数，利用该参数分析生物种群在未知分布地点的生长情况，由此预测该生物种群潜在的分布区域； 再利用地理信息系统(GIS)将这些参数据与空间数据进行分析和显示具有空间内涵的地理数据，可展现生物种群在时间和空间上的变化。
松材线虫通过媒介昆虫从病树到健康树自然传播，在我国主要的的媒介昆虫是墨天牛属的松褐天牛，本研究旨在探讨气候变化背景下的松材线虫的适生性，是以气候为关键因子进行的，人为传播因子将在后续的专项研究中进行探讨。
总之，利用地理信息系统(GIS)可以将有害生物发生区域内的生物学特性和地理物理特征结合起来，研究影响物种分布的各种因素，再对物种适合生存的地区进行预测。这种方法已广泛应用于有害生物风险分析的预测预报中(Lessard et al.， 1990; Parker et al.， 1996; Peterson et al.， 1999； 2001; Anderson et al.， 2002)，全球气候模式MIROC3.2_hiers 驱动RegCM3区域气候模式结合地理信息系统(GIS)可以较准确地评估危险性物种入侵的概率并找出影响因子，预测外来物种所引起的危害及其变化趋势，并可以用于有害生物的疫情监测、分析和控制(沈佐锐等，2003; 沈文君等，2004; 李红梅等，2005)。
| [1] |
冯克忠.2007.ArcObjects开发指南.北京:电子工业出版社. (Feng K Z.Arcobjects Development of Guidelines.Beijing: Electronic Industry Publishing House.[in Chinese])(  1)
|
| [2] |
冯益明,张海军,吕全,等.2009.松材线虫病在我国适生性分布的定量估计.林业科学,45(2):65-71. (Feng Y M,Zhang H J,LüQ,et al. 2009.Quantification of suitability distribution of Bursaphelenchus xylophilus in China.Scientia Silvae Sinicae,45(2):65-71[in Chinese]).( 4)
|
| [3] |
高学杰,石英,张冬峰,等.2012.RegCM3对21世纪中国区域气候变化的高分辨率数值模拟.科学通报,57(5):374-381. (Gao X J,Shi Y,Zhang D F,et al.2012.Climate change in China in the 21st century as simulated by a high resolution regional climate model.Chin Sci Bull,57(5):374-381[in Chinese]). |
| [4] |
何善勇,温俊宝,骆有庆,等.2012.气候变暖情境下松材线虫在我国的适生区范围.应用昆虫学报,49(1): 236-243. (He S Y,Wen J B,Luo Y Q,et al.2012.The predicted geographical distribution of Bursaphelenchus xylophilus in China under climate warming.Chinese Journal of Applied Entomology,49(1): 236-243[in Chinese]).( 1)
|
| [5] |
胡长效,苏新林,张艳秋.2003.我国松墨天牛研究进展.河北林果研究,18(3): 293-299. (Hu C X,Su X L,Zhang Y Q.2003.Research advances of Monochamus alternatus Hope in China.Hebei Journal of Forestry and Orchard Research,18(3): 293-299[in Chinese]).( 1)
|
| [6] |
李红梅,韩红香,薛大勇.2005.利用GARP生态位模型预测日本松干蚊在中国的地理分布.昆虫学报,48(1):95-100. (Li H M,Han H X,Xue D Y.2005.Prediction of potential geographic distribution areas for the pine bark scale,Matsucoccus matsumurae(Kuwana)(Homoptera: Margarodidae)in China using GARP modeling system.Acta Entomologica Sinica,48(1): 95-100[in Chinese]).( 1)
|
| [7] |
刘海军,温俊宝,骆有庆.2003.有害生物风险分析研究进展评述.中国森林病虫,22(3): 24-28. (Liu H J,Wen J B,Luo Y Q.2003.Research progress of pest risk analysis.Forest Pest and Disease,22(3): 24-28[in Chinese]).( 1)
|
| [8] |
吕全,王卫东,梁军,等.2005.松材线虫在我国的潜在适生性评价.林业科学研究,18(4):460-464. (LüQ,Wang W D,Liang J.2005.Potential suitability in China.Forest Research,18(4):460-464[in Chinese]).( 1)
|
| [9] |
吕传海.2000.松墨天牛生物学特性研究.安徽农业大学学报,27(3): 243-246(LüC H.2000.Study on the biological characteristic of Monochamus alternatus Hope.Journal of Anhui Agricultural University,27(3): 243-246.[in Chinese])(1)
|
| [10] |
沈文君,沈佐锐,李志红.2004.外来有害生物风险评估技术.农村生态环境,20(1): 69-72. (Sheng W J,Sheng Z R,Li Z H.2004.Technology for risk assessment of invasive pest.Rural Eco-Environment,20(1): 69-72[in Chinese]).( 1)
|
| [11] |
沈佐锐,马晓光,高灵旺,等.2003.植保有害生物风险分析研究进展.中国农业大学学报,8(3):51-55(Sheng Z R,Ma X G,Gao L G,et al.2003.Advances in the research on pest risk analysis in plant protection.Journal of China Agricultural University,8(3):51-55.[in Chinese])(1)
|
| [12] |
施晓晖,徐祥德.2007.东亚冬季风年代际变化可能成因的模拟研究.应用气象学报,18(6): 776-782. (Shi X H,Xu X D.2007.Interdecadal change of east asian winter monsoon and a numerical experiment on its possible cause.Journal of Applied Meteordlogical Science,18(6): 776-782[in Chinese]).( 1)
|
| [13] |
宋红敏,张清芬,韩雪梅,等.2004.CLIMEX:预测物种分布区的软件.昆虫知识,41(4):379-386. (Song H M.Zhang Q F,Han X M,et al. 2004.CLIMEX: Professional biological software for premcang potential distribution of species.Entomological Knowledge,41(4):379-386[in Chinese]).( 1)
|
| [14] |
谈家金.2001.坚强芽孢杆菌与松材线虫病关系的研究.广州:华南农业大学博士学位论文. (Tang J J.2001.Studies on relationship between Bacillus firmus and pine wood nematode disease.Guangdong:PhD thesis of South China Agricultural University[in Chinese]).( 1)
|
| [15] |
屠新虹,裴海潮,黄维正,等.2003.松材线虫病危害河南松林潜在风险分析.河南林业科技,23(1): 37-43. (Tu X H,Pei H C,Huang W Z,et al.2003.Potential risk analysis were nematode damage henan pine forest.Journal of Henan Forestry Science and Technology,23(1): 37-43[in Chinese]).( 1)
|
| [16] |
王东阡,张耀存.2009.气候系统模式MIROC对中国降水和地面风场日变化的模拟.南京大学学报:自然科学版,45(6):724-733. (Wang D Q,Zhang Y C.2009.Diurnal variations of precipitation and circulation simulated by miroc for interdisciplinary research on climate.Journal of Nanjing University:Natural Sciences Edition,45(6):724-733[in Chinese]).( 1)
|
| [17] |
杨宝君.2003.松材线虫病.北京:中国林业出版社. (Yang B J.Pinewood Nematode Disease.Beijing:China Forestry Publishing House.[in Chinese])( 1)
|
| [18] |
张冬峰.2009.东亚沙尘气溶胶及气候变化对其影响的区域数值模拟.北京:中国科学院大气物理研究所博士学位论文. (Zhang D F.Numerical simulation of east asian dust aerosols and climate changes impact.Beijing:PhD thesis of Institute of Atmospheric Physics,Chinese Academy of Sciences[in Chinese]).( 1)
|
| [19] |
张星耀,吕全,冯益明,等.2011.中国松材线虫病危险性评估及对策.北京:科学出版社. (Zhang X Y,LüQ,Feng Y M,et al. 2011.Risk assessment and countermeasures of pinewood nematode disease in China.Beijing:Science Press[in Chinese]).( 1)
|
| [20] |
张星耀.2003.中国森林重大生物灾害.北京:中国林业出版社. (Zhang X Y.2003.Major Forest Diseases and Insect Pests in China.Beijing:China Forestry Publishing House.[in Chinese])( 1)
|
| [21] |
赵焕臣.1986.层次分析法——一种简易的新决策方法.北京:科学出版社. (Zhao H C.Analytic Hierarchy Process— A easy new decision method.Beijing:Science Press.[in Chinese])( 1)
|
| [22] |
朱坚,张耀存,黄丹青,等.2009.全球变暖情景下中国东部地区不同等级降水变化特征分析.高原气象,28(4): 889-896. (Zhu J,Zhang Y C,Huang D Q,et al. 2009.Analysis of changes in different-class precipitation over eastern China under global warming.Plateau Meteorology,28(4): 889-896[in Chinese]).( 1)
|
| [23] |
朱锦茹,柴希民.2001.温度和光照对松墨天牛生长的影响.浙江林业科技,21(4): 27-30. (Zhu J R,Chai X M,He Z H.2001.Effect of temperature and light on growth of Monochamus alternatus. Jour of Zhejiang For SCI & Tech,21(4): 27-30[in Chinese]).( 1)
|
| [24] |
Anderson R P,Peterson A T,Marcela G L.2002.Using niche-based GIS modeling to test geographic prediction of competitive exclusion and competitive release in South American pocket mice.OIKOS,98: 3-16.(1)
|
| [25] | Gao X J,Shi Y,Song R Y,et al. 2008.Reduction of future monsoon precipitation over China: Comparison between a high resolution RCM simulation and the driving GCM.Meteor Atmos Phys,100: 73-86. |
| [26] |
Gao X J,Zhao Z C,Ding Y I.2001.Climate change due to greenhouse effects in China as simulated by a regional climate model.Adv Atmos Sci,18(6): 1224-1230.(2)
|
| [27] |
Gao X J,Zhao Z C,Giorgi F.2002.Changes of extreme events in regional climate simulations over east Asia.Adv Atmos Sci,19(5):927-942.(1)
|
| [28] |
Giorgi F.1990.Simulation of regional climate using a limited-area model nested in a general circulation model.J Climate,3(8):941-963.(1)
|
| [29] |
Halik S,Bergdahi D R.1990.Development of Bursaphelenchus xylophilus population in wood chips with different moisture contents.Journal of Nematology,22(1): 113-118.(1)
|
| [30] |
Hasumi H,Emori S.2004.K-1 Model Developers.K-1 coupled model(MIROC)description:Univ of Tokyo,1-34.(1)
|
| [31] |
Jönsson A M,Appelberg G,Harding S,et al. 2009.Spatio-temporal impact of climate change on the activity and voltinism of the spruce bark beetle,Ips typographus. Global Change Biology,15: 486-499.(1)
|
| [32] |
Jönsson A M,Harding S,Bärring L,et al. 2007.Impact of climate change on the population dynamics of Ips typographus in southern Sweden.Agricultural and Forest Meteorology,146: 70-81.(1)
|
| [33] |
Lessard P,Norval R A I,Perry B D,et al. 1990.Geographical information systems for studying the epidemiology of cattle disease caused by Theileria parva. Veterinary Record,126:255-262.(1)
|
| [34] |
Luedeling E,Zhang M,Girvetz E H.2009.Climatic changes lead to declining winter chill for fruit and nut trees in California during 1950-2099.PLoS ONE,4(7):e6166.(1)
|
| [35] |
Mamiya Y.1985.Initial pathological changes and disease development in pine trees induced by the pine wood nematodes,Bursaphelenchus xylophilus. Ann Phytopathol Soc Japan,51(5): 546-557.(1)
|
| [36] |
Necibi S,Linit M J.1995.The role of wood moisture content and Monochamus carolinensis life stages on pinewood nematode development.Beijing:International Symposium on Pine Wilt Disease Caused by Pine Wood Nematode,103-107.(1)
|
| [37] |
Parker W E,Turner S T D.1996.Application of GIS modeling to pest forecasting and pest distribution studies at different spatial scales.Aspects of Applied Biology,46: 223-230.(1)
|
| [38] |
Peterson A T,Cohoon K P.1999.Sensitivity of distributional prediction algorithms to geographic data completeness.Ecological Modeling,117: 159-164.(1)
|
| [39] |
Peterson A T,Vieglais D A.2001.Predicting species invasions using ecological niche modeling: new approaches from bioinformatics attack a pressing problem.Bioscience,51(5): 363-371.(1)
|
| [40] |
Sutherst R W,Maywald G F.1985.A computerized system for matching climates in ecology.Agr Ecosyst Environ,13: 281- 289.(3)
|
| [41] |
Sutherst R W,Maywald G F.1991.Form CLIMEX to PESKY,a generic expert system for pest risk assessment.Bull OEEP EPPO Bull,21: 595- 608.(1)
|
| [42] |
Sutherst R W.2003.Prediction of species geographical ranges.Biogeogr,30: 805-816.(1)
|
| [43] |
Volney W J A,Fleming R A.2000.Climate change and impacts of boreal forest insects.Agriculture,Ecosystems and Environment,82: 283-294.(1)
|
| [44] |
Walther G R,Roques A,Hulme P E,et al. 2009.Alien species in a warmer world: risks and opportunities.Trends in Ecology and Evolution,1146: 1-8.(1)
|
| [45] |
Womer S P.1988.Ecoclimatic assessment of potential establishment of exotic pests.Econ Entmol,81(4): 973- 983.(1)
|
| [46] |
Zhang Y C,Takahashi M,Guo L L.2008.Analysis of the East Asian subtropical westerly jet simulated by CCSR/NIES/FRCGC coupled climate system model.Meteor Soc Japan,86: 257-278.(1)
|