基于MaxEnt模型的菜豆象和蚕豆象在中国的适生区预测

为减少外来入侵物种菜豆象Acanthoscelides obtectus和蚕豆象Bruchus rufimanus对中国造成的潜在威胁,收集这2种豆象的全球地理分布数据,采用Pearson相关性分析和主成分分析分别从19个环境变量中筛选关键环境变量,采用MaxEnt模型对历史气候条件下和未来气候情景下这2种豆象在中国的适生区进行预测,并对预测结果进行分析。结果显示,经Pearson相关性分析共筛选出4个关键环境变量用于菜豆象适生性区的模型构建,分别为最暖季度平均温度、最干月份降水量、年气温变化范围及最湿季度降水量,其对MaxEnt模型的累积贡献率分别为31.6%、28.4%、26.3%和13.7%;经Pearson相关性分析共筛选出4个主要关键环境变量用于蚕豆象适生性区的模型构建,分别为最冷季度平均温度、最干月份降水量、最热月份最高温度和最湿月份降水量,其对MaxEnt模型的累积贡献率分别为48.5%、39.5%、7.8%和4.2%。MaxEnt模型重复运行10次后,菜豆象训练数据的平均AUC值为0.938,蚕豆象训练数据的平均AUC值为0.963,均显著高于随机模型的AUC值,表明基于MaxEnt模型的菜豆象和蚕豆象在中国适生区的预测结果准确。未来气候情景下,这2种豆象在中国的适生区均呈现向北扩张的趋势,需加强对这2种豆象的检疫与防治,严防发生区域进一步扩大。