基于地理栅格变量与机器学习的松材线虫病扩散风险分析

刘婷婷，杨晋帆，周汝良，刘 琳

（1.西南林业大学 地理与生态旅游学院，云南 昆明 650224；2.西南林业大学 理学院，云南 昆明 650224）

由松材线虫Bursaphelenchusxylophilus引起的松材线虫病是目前松树上最具破坏性的病害之一。自1905年日本首次报道发生松材线虫病以来，亚欧其他国家相继出现松材线虫病疫区[1-2]。中国的松材线虫病最早报道于1982年，出现在南京中山陵的黑松Pinusthunbergii上，之后该病害快速扩散，据国家林业和草原局统计，中国现共有松材线虫病县级疫区726 个、乡镇级疫点5 479 个，发生面积达180.9 万hm2，包括轻型疫区206 个(含2021年初新增疫情发生区)、重型疫区518 个[3-4]。目前松材线虫病已成为中国最为严重的林业病害之一[5-6]。为实现《全国松材线虫病疫情防控五年攻坚行动计划(2021—2025)》中新发疫情“早发现、早报告、早除治、早拔除”的目的，达到控制增量的总体目标，就需要把握疫情的总体趋势，精准定位和定量各疫区的疫情，提高防疫针对性[7]。

已有研究发现：全球变暖环境下，气温增高会影响松材线虫病的地理分布[8]；人类活动是影响松材线虫病远距离、跳跃式、梅花式扩散传播的重要因素[9-11]；年均气温、年均降水量等是影响松材线虫定殖的主要气候因素[12]；中国松材线虫病的发生受到寄主植物分布的强烈影响[13-14]；媒介昆虫对寄主的选择性也影响松材线虫病的发生[15-17]。当前对松材线虫病传播风险的研究多集中于采用传统的地统计学方法来分析松材线虫病在省、市范围的风险格局[18-20]，而将机器学习引入病害风险测报研究较少见。……