吳曉春, 肖桂榮, *

中國沿海地區(qū)鐮刀菌屬口岸截獲時(shí)空分布格局分析

吳曉春1, 2, 3, 肖桂榮1, 2, 3, *

1. 福州大學(xué)空間數(shù)據(jù)挖掘與信息共享教育部重點(diǎn)實(shí)驗(yàn)室, 福州 350108 2. 衛(wèi)星空間信息技術(shù)綜合應(yīng)用國家地方聯(lián)合工程研究中心, 福州 350108 3. 數(shù)字中國研究院(福建), 福州 350108

生物入侵形勢(shì)愈加嚴(yán)峻, 口岸檢疫作為維護(hù)生物安全的第一線, 分析口岸截獲時(shí)空格局對(duì)于物種入侵防控具有重要意義。從口岸點(diǎn)和市域單元兩個(gè)尺度結(jié)合時(shí)空局部異常值分析和空間自相關(guān)分析方法, 揭示2009—2018年我國沿海地區(qū)鐮刀菌屬入侵截獲時(shí)空分布格局, 并引入地理探測(cè)器模型探尋影響其分布格局的因素。結(jié)果表明:(1)鐮刀菌屬截獲口岸數(shù)與截獲頻次在時(shí)間和空間上大致呈現(xiàn)先增后減趨勢(shì), 在時(shí)空異常值分析中以長三角、珠三角一帶口岸的強(qiáng)時(shí)空聚類與多模式狀態(tài)為主。(2)鐮刀菌屬市域入侵截獲具有顯著的空間自相關(guān)性(P<0.05), 空間集聚特征先增強(qiáng)后減弱, 局部空間關(guān)聯(lián)結(jié)構(gòu)中空間分異性逐漸減小, 高-高值區(qū)域的集聚規(guī)律明顯, 且逐漸集中在江蘇省境內(nèi)。(3)鐮刀菌屬市域入侵截獲空間格局的最主要影響因素是進(jìn)口商品總額, 其次是市域內(nèi)口岸數(shù)、入境人數(shù)和郵政業(yè)務(wù)總量, 且雙因子間的交互作用對(duì)其分布格局均具有顯著的增強(qiáng)效果。綜上, 我國沿海地區(qū)鐮刀菌屬入侵截獲受進(jìn)口貿(mào)易影響具有明顯的時(shí)空分異格局特征。

鐮刀菌屬; 口岸截獲; 自相關(guān)分析; 地理探測(cè)器; 中國沿海地區(qū);

0 前言

生物入侵嚴(yán)重危害入侵地的生態(tài)系統(tǒng)與社會(huì)經(jīng)濟(jì), 已成為本世紀(jì)所面臨最為棘手的環(huán)境問題之一[1–2]。全球化進(jìn)程使得人類活動(dòng)不斷打破生物原有地理分布格局, 加速入侵物種的空間擴(kuò)散, 為外來物種的引入提供條件, 使得生物入侵的防控愈加復(fù)雜[3-5]。沿海地區(qū)具有臨海的區(qū)位優(yōu)勢(shì), 是人口承載力高、對(duì)外經(jīng)貿(mào)發(fā)達(dá)地區(qū), 也是外來物種入侵的高危區(qū)[6]?？诎稒z疫作為預(yù)防生物入侵的直接門檻, 以鐮刀菌屬()為代表的入侵生物截獲量逐年顯著遞增[7]。鐮刀菌屬起源于印度[8], 是最難防治的植物病原真菌之一, 可侵染香蕉、小麥、水稻等作物引起大面積枯萎減產(chǎn), 造成嚴(yán)重經(jīng)濟(jì)損失, 且真菌毒素被人畜食用后會(huì)造成食物中毒、器官衰竭甚至死亡[9, 10], 因此迫切需要對(duì)鐮刀菌屬入侵機(jī)制與分布格局展開研究。

綜上, 本文基于2009—2018年口岸截獲數(shù)據(jù), 在口岸點(diǎn)與市域兩個(gè)尺度上綜合時(shí)空模式挖掘與GIS空間分析方法揭示鐮刀菌屬入侵截獲時(shí)空格局, 并通過地理探測(cè)器模型測(cè)定其產(chǎn)生格局的影響因素, 以期為今后鐮刀菌屬入侵?jǐn)U散的防控預(yù)警及國門生態(tài)安全研究提供理論依據(jù)。

1 研究區(qū)域與實(shí)驗(yàn)數(shù)據(jù)

1.1 研究區(qū)概況

《中國海洋統(tǒng)計(jì)年鑒》定義沿海地區(qū)是指有海岸線(包括大陸岸線和島嶼岸線)的地區(qū), 本研究中因海南省及港澳臺(tái)地區(qū)截獲鐮刀菌屬數(shù)據(jù)缺失, 又考慮到北京作為首都的位置特殊性與生物入侵防治必要性, 因此, 本文研究區(qū)具體包含遼寧省、河北省、北京市、天津市、山東省、江蘇省、上海市、浙江省、福建省、廣東省、廣西壯族自治區(qū)11個(gè)地域范圍(圖 1), 涵蓋132個(gè)截獲鐮刀菌屬的口岸點(diǎn)位(十年間統(tǒng)計(jì)去重)。截止2018年底, 研究區(qū)陸地面積約占全國13.19%, 但其常住人口約占全國41.68%, 全年貨物進(jìn)出口總額約占全國81.21%, 由中國出入境檢驗(yàn)檢疫局提供全國口岸(不含港澳臺(tái)瓊)年檢數(shù)據(jù)計(jì)算得到, 該區(qū)域內(nèi)鐮刀菌屬年累計(jì)口岸截獲頻次約占全國口岸檢疫的85.47%, 較高的人員活動(dòng)強(qiáng)度與經(jīng)貿(mào)發(fā)展水平使得區(qū)域內(nèi)生物入侵風(fēng)險(xiǎn)大大增加。

圖1 研究區(qū)概況

Figure 1 Overview of the study area

1.2 數(shù)據(jù)來源

制圖底圖數(shù)據(jù)來源于國家基礎(chǔ)地理信息中心(http://www.ngcc.cn/)下載的全國1:100萬市級(jí)行政區(qū)劃矢量地圖數(shù)據(jù)?？诎稒z疫截獲鐮刀菌屬數(shù)據(jù)來源于生物安全關(guān)鍵技術(shù)研發(fā)——主要入侵生物的動(dòng)態(tài)分布與資源庫建設(shè)項(xiàng)目, 經(jīng)過數(shù)據(jù)篩選匯總得到2009年—2018年研究區(qū)653個(gè)入境口岸對(duì)進(jìn)境人員及其行李物品、對(duì)外貿(mào)易的貨物、郵件包裹等檢疫得到共計(jì)3643條鐮刀菌屬截獲數(shù)據(jù), 累計(jì)截獲69932頻次, 包括截獲口岸名, 截獲時(shí)間(以年計(jì)), 截獲頻次, 來源地。

入侵生物口岸截獲情況主要與其人為引入活動(dòng)密切相關(guān), 包括跨境電商包裹、進(jìn)口貿(mào)易、入境交通等人類活動(dòng)[7, 20-21], 基于數(shù)據(jù)的可獲得性, 選取影響因子數(shù)據(jù)如下表1。

1.3 數(shù)據(jù)預(yù)處理

首先, 對(duì)全國1:100萬行政區(qū)劃矢量地圖進(jìn)行裁剪、投影變換處理, 得到沿海地區(qū)市級(jí)矢量圖層; 因在空間自相關(guān)分析中數(shù)據(jù)需滿足正態(tài)分布假設(shè), 對(duì)口岸截獲原始數(shù)據(jù)做對(duì)數(shù)變換處理; 然后, 通過批量地理編碼得到鐮刀菌屬截獲口岸的經(jīng)緯度坐標(biāo), 將其地理位置空間化, 整理匯總得到十年間各口岸截獲頻次數(shù)據(jù); 將市域行政區(qū)劃矢量圖層與口岸截獲信息表屬性連接, 整理得到十年間各市域匯總口岸截獲頻次數(shù)據(jù); 最后, 因地理探測(cè)器模型對(duì)因子自變量要求為類型量[18], 采用Jenks自然間斷點(diǎn)法對(duì)各影響因子分級(jí), 進(jìn)行離散化處理。

表1 影響因子指標(biāo)說明

2 研究方法

2.1 時(shí)空局部異常值分析

時(shí)空立方體模型是時(shí)空模式挖掘的基礎(chǔ), 其本質(zhì)是將具有關(guān)聯(lián)時(shí)空屬性的事件點(diǎn)設(shè)定距離閾值與時(shí)間步長, 將相同間隔的事件點(diǎn)聚合到同一像元網(wǎng)格, 生成時(shí)空條柱并通過Mann-Kendall趨勢(shì)統(tǒng)計(jì), 構(gòu)建NetCDF數(shù)據(jù)立方體[22]。以時(shí)空立方體為輸入, 確定其格網(wǎng)間空間關(guān)系的概念化, 查找時(shí)空維度上與其鄰域存在統(tǒng)計(jì)差異的位置, 時(shí)空局部異常值分析是局部Anselin Locan Moran’s I統(tǒng)計(jì)[23]在時(shí)空立方體載體上的顯著聚類和異常值體現(xiàn), 輸出為二維地圖, 共有6種檢測(cè)結(jié)果類型見下表2。

建筑結(jié)構(gòu)的電氣系統(tǒng)中，為了優(yōu)化供電系統(tǒng)，應(yīng)盡量根據(jù)負(fù)荷的等級(jí)采取相應(yīng)的措施。對(duì)于各級(jí)負(fù)荷的供電電源，要使其達(dá)到設(shè)計(jì)規(guī)范的規(guī)定，用電單位要綜合考慮用電容量、用電設(shè)備的特性、供電的距離等因素，采用補(bǔ)償無功功率的措施，盡量減少電壓偏差，降低系統(tǒng)的阻抗，使三相負(fù)荷平衡。

2.2 空間自相關(guān)

對(duì)時(shí)空序列的異常值分析可得到多模式類型, 表現(xiàn)在個(gè)別時(shí)間片中條柱屬性有所波動(dòng), 影響該位置點(diǎn)位時(shí)空聚類或異常值模式判別, 現(xiàn)通過時(shí)間切片利用Moran’s I空間自相關(guān)反映該時(shí)間截面下一個(gè)區(qū)域單元上事件屬性與鄰近單元的集聚程度。

全局Global Moran’s I測(cè)度整個(gè)研究區(qū)內(nèi)所有事件對(duì)象的總體關(guān)聯(lián)程度及其顯著性分布模式, 計(jì)算公式為:

全局空間自相關(guān)在空間同質(zhì)的假設(shè)基礎(chǔ)上, 不能反映局部集聚特征, 因此使用局部空間關(guān)聯(lián)指標(biāo)(Local Indicators of Spatial Association, LISA)反映每個(gè)市域單元與其相鄰單元的空間關(guān)聯(lián)程度, 并在Z檢驗(yàn)基礎(chǔ)上(P<0.05)繪制LISA圖進(jìn)一步揭示事物的局部分異特征, 計(jì)算公式如下:

表2 時(shí)空異常值檢測(cè)結(jié)果類型

2.3 地理探測(cè)器

通過因子探測(cè)中的q值度量因子對(duì)沿海地區(qū)市域鐮刀菌屬入侵截獲頻次的空間分異影響程度[24], 計(jì)算如下:

與傳統(tǒng)因子分析方法相比, 地理探測(cè)器的另一大優(yōu)勢(shì)是可通過交互探測(cè)解釋多因子的交互作用對(duì)因變量的作用強(qiáng)度, 即評(píng)估不同因子對(duì)因變量的影響是否獨(dú)立或多因子交互作用于因變量的增強(qiáng)或減弱影響[25-26], 結(jié)果類型見下。

地理探測(cè)器模型中的生態(tài)探測(cè)用來比較雙因子對(duì)市域鐮刀菌屬截獲頻次分布的影響是否有顯著差異, 以F統(tǒng)計(jì)量衡量:

表3 雙因子對(duì)因變量交互作用的類型

3 結(jié)果與分析

3.1 入侵截獲情況趨勢(shì)分析

鐮刀菌屬累計(jì)口岸截獲頻次和口岸數(shù)量隨時(shí)間變化大致呈現(xiàn)出先增后減趨勢(shì)(圖 2)。2009年鐮刀菌屬入侵截獲頻次較低, 至2010年截獲頻次增長近一倍, 截獲口岸數(shù)卻反而有所下降, 表明期間鐮刀菌屬口岸入侵范圍有所縮減, 但在主要口岸的引入程度開始加深; 2010年至2014年鐮刀菌屬截獲頻次和口岸數(shù)均逐漸增長, 其中, 2013年至2014年截獲頻次與截獲口岸數(shù)呈現(xiàn)明顯擴(kuò)張趨勢(shì); 2014年至2016年截獲頻次顯著增長, 截獲口岸數(shù)量居高不變, 至2016年鐮刀菌屬在沿海地區(qū)口岸呈現(xiàn)截獲范圍最廣、截獲頻次最高狀態(tài); 2016年至2018年二者均顯著減少, 其入侵截獲態(tài)勢(shì)逐漸放緩。

與研究區(qū)總計(jì)鐮刀菌屬截獲口岸數(shù)與頻次的逐年變化趨勢(shì)相對(duì)應(yīng), 市域截獲頻次空間分布變化見圖 3, 鐮刀菌屬引入范圍逐漸擴(kuò)張后縮減, 高截獲強(qiáng)度地區(qū)前期主要集中在深圳、南京、珠海、廣州、大連、福州, 中后期逐漸新增寧波、泰州、南通、東莞等地; 地區(qū)截獲頻次顯著遞增后有所降低, 2009年截獲頻次峰值地區(qū)為深圳, 達(dá)到799頻次, 而到2016年深圳地區(qū)已達(dá)到6112頻次, 至2018年峰值地區(qū)寧波降為2432頻次。

圖2 2009—2018年口岸截獲情況

Figure 2 Port interception in 2009-2018

圖 3 鐮刀菌屬入侵截獲時(shí)空分布變化

Figure 3 Spatiotemporal distribution change ofinvasion interception

3.2 入侵截獲頻次時(shí)空分布格局

3.2.1 口岸截獲時(shí)空局部異常值分析

以2009—2018年沿海地區(qū)口岸截獲鐮刀菌屬時(shí)空點(diǎn)數(shù)據(jù)為樣本構(gòu)建時(shí)空立方體, 時(shí)間步長間隔1年, 包括10個(gè)時(shí)間步長, 根據(jù)時(shí)空點(diǎn)數(shù)據(jù)的增量自相關(guān)確定距離閾值, 聚合事件點(diǎn)并將其時(shí)間序列通過Mann-Kendall統(tǒng)計(jì), 顯示總體口岸計(jì)數(shù)與截獲頻次趨勢(shì)遞增。以該時(shí)空立方體為輸入, 計(jì)算十年間非零格網(wǎng)位置上各條柱的Anselin Locan Moran’I統(tǒng)計(jì), 發(fā)現(xiàn)口岸截獲的時(shí)空聚類與異常值模式以強(qiáng)時(shí)空聚類模式(高高聚類與低低聚類)和多模式狀態(tài)為主。

如下圖4, 廣州局、東莞局、深圳機(jī)場(chǎng)局、鹽田局、南海局等口岸與江蘇南京局、鎮(zhèn)江局、揚(yáng)州局、泰州局、南通局、上海吳淞局、浦東局、杭州機(jī)場(chǎng)局、寧波大榭局一帶始終處于高—高聚類狀態(tài), 表明這些口岸在時(shí)空范圍內(nèi)高截獲頻次上的相似性, 而這些口岸正位于我國沿海地區(qū)對(duì)外貿(mào)易交流的熱點(diǎn)地區(qū); 長三角與珠三角高—高聚類區(qū)域的周邊口岸存在低—高異常值模式, 與高值區(qū)域相比該模式口岸在研究時(shí)段內(nèi)經(jīng)常處于較低值水平; 僅有防城港口岸處于高—低異常值模式, 反映了防城港口岸在西南口岸低值水平下的異常檢測(cè), 這可能與防城港口岸在西南沿?？诎吨酗@著的口岸流量與對(duì)外貿(mào)易水平相關(guān); 山東、遼寧大部分口岸與天津郵件辦、河北京唐港口岸基本處于低—低聚類狀態(tài), 表明區(qū)域內(nèi)口岸截獲頻次一直維持在相對(duì)較低的水平; 而京津冀中部核心功能區(qū)、大連、營口、秦皇島、蘇錫常滬都市圈與潮汕、中山、珠海等地區(qū)口岸呈現(xiàn)出多模式狀態(tài), 即不同時(shí)期可能存在高值/低值模式主導(dǎo)狀態(tài), 不能簡單歸類為某種時(shí)空聚類模式。

3.2.2 市域截獲空間自相關(guān)分析

基于Queen鄰接規(guī)則構(gòu)建空間權(quán)重矩陣, 對(duì)2009年—2018年沿海地區(qū)113個(gè)市域單元鐮刀菌屬截獲頻次數(shù)據(jù)做全局空間自相關(guān)分析(圖5), 2009年Global Moran’s I 值接近為0, 表現(xiàn)為當(dāng)年市域鐮刀菌數(shù)入侵截獲趨近于隨機(jī)分布, 2010年—2018年Moran’s I 值均大于0, 且從2011年開始在p<0.05顯著性水平下逐漸增長后略微回落, 2015年Moran’s I值最高, 表明市域鐮刀菌屬入侵截獲在0.05顯著性水平下呈現(xiàn)出正向聚集狀態(tài)且隨時(shí)間變化愈加顯著, 至2015年達(dá)到最強(qiáng)集聚狀態(tài), 隨后市域鐮刀菌屬入侵截獲頻次的空間依賴性有所降低。

圖4 口岸截獲局部異常值分析

Figure 4 Analysis of local abnormal value of port interception

圖5 2009-2018年市域鐮刀菌屬入境截獲Global Moran’s I

Figure 5 Global Moran’s I of urban port interception in 2009-2018

對(duì)2009年、2012年、2015年、2018年沿海地區(qū)市域截獲頻次繪制空間LISA聚類圖(圖6), 反映各時(shí)段下鐮刀菌屬入侵截獲的局部空間關(guān)聯(lián)類型, 表現(xiàn)為空間聚集(高高聚集與低低聚集)和空間異質(zhì)(低高異質(zhì)與高低異質(zhì))。

2009年鐮刀菌屬入侵截獲整體空間分布不存在明顯趨勢(shì), 但各市域單元存在局部空間關(guān)聯(lián)模式, 其LISA圖中(圖6a)高-高聚集區(qū)域位于福建莆田, 表現(xiàn)為莆田與其鄰域范圍都呈現(xiàn)出較高值的聚類狀態(tài); 高-低值區(qū)域主要分布在大連、秦皇島、天津、連云港、南京、寧波、杭州、汕頭、珠海、深圳, 表現(xiàn)為沿海主要港口城市、省會(huì)城市較周圍鄰居的明顯高值分布特征; 低-高值區(qū)域表現(xiàn)為與上述高值區(qū)域?qū)?yīng)的低值包圍狀態(tài)。2012年、2015年、2018年鐮刀菌屬入境截獲頻次的空間正相關(guān)性隨時(shí)間發(fā)生顯著變化(圖6b~6d), 在2015年空間局部集聚性最強(qiáng), 表現(xiàn)為高高聚集區(qū)域與低低聚集區(qū)域數(shù)量最多; 高高聚集區(qū)域主要分布在江蘇省東部地區(qū)(鹽城、南通、泰州、蘇州、鎮(zhèn)江)及福建南部沿海(泉州、廈門、莆田)、廣東東莞等地, 且逐漸集中在江蘇境內(nèi); 低低聚集區(qū)域在2012年位于廣西梧州, 2015年擴(kuò)展到來賓、山東濟(jì)南、德州、淄博、泰安、遼寧沈陽、錦州, 2018年又縮減為廣西梧州; 空間分異性逐漸減小, 表現(xiàn)為高-低值、低-高值區(qū)域數(shù)量逐漸減小。

3.3 鐮刀菌屬市域入侵截獲空間格局影響因素分析

3.3.1 影響因素探測(cè)

以沿海地區(qū)113個(gè)市域單元鐮刀菌屬入侵截獲頻次為因變量, 口岸流量數(shù)據(jù)與各市域外貿(mào)往來數(shù)據(jù)共6個(gè)重分類后的變量為因子, 使用因子探測(cè)模型對(duì)市域鐮刀菌屬入侵截獲空間分布格局的影響因素進(jìn)行分析, 結(jié)果見下表4, 其中進(jìn)口商品總額(X)q值最高(0.82), 其次為市域內(nèi)口岸數(shù)(X, q值0.60)、入境人數(shù)(X, q值0.47)、郵政業(yè)務(wù)總量(X, q值0.39), 表明地區(qū)進(jìn)口貿(mào)易、檢疫口岸分布、人員遷移與郵政業(yè)務(wù)對(duì)鐮刀菌屬入境截獲空間分布格局有著重要影響, 其余因子(貨運(yùn)量X和入境運(yùn)輸工具數(shù)X)q值大致在0.10左右, 對(duì)空間分布格局的解釋程度相對(duì)較小。

使用生態(tài)探測(cè)器比較兩因子對(duì)鐮刀菌屬入侵截獲空間分布格局的影響是否有顯著差異(表5), 發(fā)現(xiàn)進(jìn)口商品總額與其余任一因子之間存在顯著差異, 結(jié)合因子探測(cè)結(jié)果證明進(jìn)口商品總額較其他因子是影響鐮刀菌屬入侵截獲空間格局的最主要驅(qū)動(dòng)因素。

3.3.2 不同影響因子的交互作用分析

使用交互作用探測(cè)模型評(píng)估不同因子之間的交互作用(表7), 貨運(yùn)量與入境人數(shù)、貨運(yùn)量與入境運(yùn)輸工具、貨運(yùn)量與郵政業(yè)務(wù)總量、貨運(yùn)量與口岸數(shù)、入境人數(shù)與入境運(yùn)輸工具、入境運(yùn)輸工具與郵政業(yè)務(wù)總量、入境運(yùn)輸工具與口岸數(shù)為非線性增強(qiáng), 表現(xiàn)為雙因子間交互作用對(duì)鐮刀菌屬入侵截獲空間分布格局的解釋力明顯大于兩者解釋力之和, 其余因子間為雙因子增強(qiáng), 表現(xiàn)為雙因子間交互作用對(duì)鐮刀菌屬入侵截獲空間分布格局的解釋力大于兩者解釋力的最大值?？傮w而言, 不同因子的交互作用對(duì)沿海地區(qū)鐮刀菌屬入侵截獲頻次空間分布均具有顯著的增強(qiáng)效果, 表明經(jīng)貿(mào)往來與人類活動(dòng)可正向強(qiáng)化各因子的解釋力[12]。

圖6 市域截獲頻次局部LISA圖

Figure 6 Local LISA of urban interception frequency

表4 因子探測(cè)結(jié)果

注: 計(jì)算結(jié)果保留兩位有效數(shù)字。

表5 生態(tài)探測(cè)結(jié)果

注: 顯著性水平為0.05的F檢驗(yàn), Y: 兩種因子在對(duì)鐮刀菌屬入侵截獲空間分布影響上存在顯著性差異; N: 無顯著性差異。

表6 交互探測(cè)結(jié)果

注: 計(jì)算結(jié)果保留兩位有效數(shù)字。

4 討論

基于口岸截獲數(shù)據(jù)展開對(duì)鐮刀菌屬的入侵截獲分布格局研究, 不可避免會(huì)帶來一定程度的指向性引導(dǎo), 我國沿海地區(qū)口岸以長三角和珠三角一帶聚集狀態(tài)分布為主, 而鐮刀菌屬的空間截獲格局也是符合這一特征。鐮刀菌屬入侵截獲分布以深圳、廣州、寧波為主要熱點(diǎn)地區(qū), 表現(xiàn)為個(gè)別口岸在多時(shí)段的的極高截獲頻次, 但此區(qū)域間的局部關(guān)聯(lián)較弱, 而江蘇省境內(nèi)區(qū)域雖在鐮刀菌屬的截獲數(shù)量上不占優(yōu)勢(shì), 卻由其多地區(qū)多口岸截獲頻次的高相似性表現(xiàn)出其局部高空間集聚性。在四個(gè)時(shí)間節(jié)點(diǎn)的空間自相關(guān)分析中, 鐮刀菌屬入侵截獲的空間局部集聚性隨時(shí)間發(fā)生變化, 可對(duì)應(yīng)互補(bǔ)解釋連續(xù)時(shí)空序列中時(shí)空聚類與異常值分析的多模式類型, 環(huán)渤海城市區(qū)域大致由高-低值主導(dǎo)向低-低值主導(dǎo)過渡, 這是由于天津、大連、秦皇島等地口岸相對(duì)于周邊的顯著截獲高值逐漸縮減, 長三角城市區(qū)域個(gè)別城市由低-高值分布慢慢融入高-高值聚集區(qū), 逐漸表現(xiàn)為江蘇省境內(nèi)市域口岸截獲的高度集聚。

生物入侵是外來物種分布動(dòng)態(tài)變化的漫長過程, 包括傳入、定殖、擴(kuò)散、爆發(fā)、危害等環(huán)節(jié)?，F(xiàn)實(shí)環(huán)境中影響入侵生物分布格局的因素紛雜多樣, 地理緯度、地形、土地類型、氣溫、降水等自然環(huán)境因子與交通條件、經(jīng)貿(mào)水平、人口密度等人類活動(dòng)因子被廣泛認(rèn)為影響外來物種的入侵分布[15–16]。外來物種的定殖、擴(kuò)散等環(huán)節(jié)多受環(huán)境適生性影響和人為活動(dòng)共同作用, 而在傳入環(huán)節(jié)中截獲分布格局多考慮與區(qū)域入境檢疫口岸的數(shù)量分布及流量統(tǒng)計(jì)有關(guān), 也與市域外貿(mào)、交通條件等其他人為活動(dòng)因子密切相關(guān)[27]。我國沿海地區(qū)鐮刀菌屬入侵截獲分布的最主要影響因素是進(jìn)口商品總額, 與此前Castello關(guān)于進(jìn)口貿(mào)易與截獲入侵生物數(shù)據(jù)呈正相關(guān)的研究結(jié)果一致[28], 同時(shí)入境人員數(shù)、郵政貨物流動(dòng)比貨運(yùn)量、入境交通對(duì)于鐮刀菌屬的入侵截獲分布影響具有更高的相關(guān)性。而顧及生物入侵影響機(jī)制的復(fù)雜性, 利用地理探測(cè)器模型探測(cè)到不同因子交互影響下對(duì)鐮刀菌屬入侵的推動(dòng)作用, 在經(jīng)濟(jì)全球化的大發(fā)展背景下, 區(qū)域間貿(mào)易交流的頻繁增加會(huì)引起更嚴(yán)重的生物入侵現(xiàn)象, 應(yīng)敦促相關(guān)部門針對(duì)貿(mào)易往來熱點(diǎn)地區(qū), 如長三角、珠三角一帶的外來入侵生物開展更為合理嚴(yán)密的檢疫、銷毀工作。

5 結(jié)論

本文基于2009—2018年沿海地區(qū)鐮刀菌屬口岸截獲數(shù)據(jù), 綜合運(yùn)用時(shí)空異常值分析、空間自相關(guān)與地理探測(cè)器模型等方法深入研究鐮刀菌屬入侵截獲時(shí)空格局及其影響因素, 得到以下結(jié)論:

從鐮刀菌屬入侵截獲的絕對(duì)分布趨勢(shì)來看, 其總體截獲頻次和截獲口岸數(shù)量在時(shí)間和空間上總體均呈現(xiàn)出先增后減趨勢(shì), 在2016年達(dá)到峰值, 之后其入侵截獲態(tài)勢(shì)逐漸放緩, 且空間引入范圍逐漸擴(kuò)張后縮減, 截獲頻次峰值地區(qū)絕大多數(shù)位于深圳。

從鐮刀菌屬入侵截獲的空間相關(guān)性分析來看, 通過口岸點(diǎn)尺度和市域尺度分析, 均可證明長三角與珠三角一帶口岸始終處于高高聚類模式, 十年間其全局空間正相關(guān)性先增強(qiáng)后減弱, 在2015年達(dá)到最強(qiáng)集聚狀態(tài)。局域自相關(guān)分析中其空間分異性逐漸減小, 表現(xiàn)為高-低值、低-高值區(qū)域數(shù)量逐漸減小, 而空間集聚性在江蘇省內(nèi)逐漸顯著。

綜合運(yùn)用因子探測(cè)與生態(tài)探測(cè)模型測(cè)定影響因素, 本研究中較其他貿(mào)易指標(biāo), 進(jìn)口商品總額是鐮刀菌屬市域截獲空間格局的最主要影響因素, 其次是市域內(nèi)口岸數(shù)、入境人數(shù)和郵政業(yè)務(wù)總量, 符合跨境電商發(fā)展與人員流動(dòng)對(duì)外來生物的引入規(guī)律[20]; 且不同因子間的交互作用對(duì)鐮刀菌屬市域截獲分布格局均具有顯著的增強(qiáng)效果。

[1] 張順合, 張志華, 陳冬東. 外來有害植物入侵對(duì)我國生態(tài)安全的影響[J]. 植物檢疫, 2015, 29(04): 4–7.

[2] SHACKLETON C M, SHACKLETON R T. Knowledge, perceptions and willingness to control designated invasive tree species in urban household gardens in South Africa[J]. Biological Invasions, 2016, 18(6): 1599–1609.

[3] 潘緒斌, 王聰, 嚴(yán)進(jìn), 等. 經(jīng)濟(jì)全球化與氣候變化對(duì)生物入侵的影響淺析[J]. 中國植保導(dǎo)刊, 2018, 38(04): 65–69.

[4] 郭世學(xué), 李娟娟, 谷青. 國際貿(mào)易及人員流動(dòng)對(duì)生物入侵的影響及防范[J]. 口岸衛(wèi)生控制, 2015, 20(03): 35–37.

[5] XU Han, CHEN Ke, OUYANG Zhiyun, et al. Threats of Invasive Species for China Caused by Expanding International Trade[J]. Environmental Science & Technology, 2012, 46(13): 7063–7064.

[6] HUANG Dingcheng, ZHANG Runzhi, Kim K C, et al. Spatial pattern and determinants of the first detection locations of invasive alien species in mainland China.[J]. PL o S One, 2012, 7(2).

[7] 袁立, 齊潤姿, 施露璐, 等. 2015—2017年全國郵路口岸科研微生物菌種檢出情況及影響因素分析[J]. 中國國境衛(wèi)生檢疫雜志, 2018, 41(03): 162–165.

[8] O'DONNELL K, CIGELNIK E, NIRENBERG H I. Molecular Systematics and Phylogeography of the Gibberella fujikuroi Species Complex[J]. Mycologia, 1998, 90(3): 465–493.

[9] 馬玉彤, 劉太國, 文才藝, 等. 我國不同麥區(qū)小麥鐮刀菌毒素檢測(cè)及毒素污染分析[J]. 植物保護(hù)學(xué)報(bào), 2019, 46(02): 266–273.

[10] 李敏慧, 苑曼琳, 姜子德, 等. 香蕉枯萎病菌致病機(jī)理研究進(jìn)展[J]. 果樹學(xué)報(bào), 2019, 36(06): 803–811.

[11] 龔世平, 楊江波, 葛研, 等. 外來物種紅耳龜在中國野外分布現(xiàn)狀及擴(kuò)散路徑研究[J]. 野生動(dòng)物學(xué)報(bào), 2018, 39(02): 373–378.

[12] 李志鵬, 趙健, 陳業(yè)濱, 等. 福建省主要入侵植物空間分異及其影響因素[J]. 應(yīng)用生態(tài)學(xué)報(bào), 2019, 30(08): 2682– 2690.

[13] 董合干, 周明冬, 劉忠權(quán), 等. 豚草和三裂葉豚草在新疆伊犁河谷的入侵及擴(kuò)散特征[J]. 干旱區(qū)資源與環(huán)境, 2017, 31(11): 175–180.

[14] BAI Fan, CHISHOLM Ryan, SANG Weiguo, et al. Spatial risk assessment of alien invasive plants in China[J]. Environmental Science & Technology, 2013, 47(14): 7624–7632.

[15] 王國歡, 白帆, 桑衛(wèi)國. 中國外來入侵生物的空間分布格局及其影響因素[J]. 植物科學(xué)學(xué)報(bào), 2017, 35(04): 513–524.

[16] 朱楓, 王四海, 陳劍, 等. 外來入侵植物腫柄菊在云南的分布特征及其影響因素[J]. 生態(tài)學(xué)雜志, 2018, 37(09): 2573–2580.

[17] 邊振興, 果曉玉, 于淼. 下遼河平原不同生境土壤節(jié)肢動(dòng)物分布及空間自相關(guān)格局[J]. 生態(tài)學(xué)雜志, 2018, 37(08): 2384–2393.

[18] 王勁峰, 徐成東. 地理探測(cè)器:原理與展望[J]. 地理學(xué)報(bào), 2017, 72(01): 116–134.

[19] JU Hongrun, ZHANG Zengxiang, ZUO Lijun, et al. Driving forces and their interactions of built-up land expansion based on the geographical detector – a case study of Beijing, China[J]. International Journal of Geographical Information Science, 2016, 30(11): 2188–2207.

[20] 李新實(shí), 張順合, 劉晗. 新常態(tài)下國門生物安全面臨的挑戰(zhàn)和對(duì)策[J]. 中國國境衛(wèi)生檢疫雜志, 2017, 40(04): 229–233

[21] LEVINE J M, D'ANTONIO C M. Forecasting Biological Invasions with Increasing International Trade[J]. Conserva-tion Biology, 2010, 17(2): 322–326.

[22] 朱艷麗, 靖常峰, 伏家云, 等. 時(shí)空立方體的搶劫案件時(shí)空特征挖掘與分析[J]. 測(cè)繪科學(xué), 2019(09): 132–138.

[23] ANSELIN L. A Local Indicator of Multivariate Spatial Association: Extending Geary's c[J]. Geographical Analysis, 2019, 51(2).

[24] WANG Jinfeng, ZHANG Tonglin, FU Bojie. A measure of spatial stratified heterogeneity[J]. Ecological Indicators, 2016, 67: 250–256.

[25] REN Yin, DENG Luying, ZUO Shudi, et al. Geographical modeling of spatial interaction between human activity and forest connectivity in an urban landscape of southeast China[J]. Landscape Ecology, 2014, 29(10): 1741–1758.

[26] ZHANG Na, JING Yongcai, LIU Chengyu, et al. A cellular automaton model for grasshopper population dynamics in Inner Mongolia steppe habitats[J]. Ecological Modelling, 2016, 329.

[27] XU Han, PAN Xubin, SONG Yun, et al. Intentionally introduced species: more easily invited than removed[J]. Biodiversity & Conservation, 2014, 23(10): 2637–2643.

[28] CAROL McAusland, COSTELLO C. Avoiding invasives: trade-related policies for controlling unintentional exotic species introductions[J]. Journal of Environmental Econo-mics and Management, 2004, 48(2): 954–977.

Spatio-temporal distribution patterns ofinterception in coastal areas of China

WU Xiaochun1, 2, 3,XIAO Guirong1, 2, 3, *

1. Key Laboratory of Spatial Data Mining and Information Sharing of Ministry of Education, Fuzhou University, Fuzhou 350108, China 2. National & Local Joint Engineering Research Center of Satellite Geospatial Information Technology, Fuzhou 350108, China 3. The Academy of Digital China (Fujian), Fuzhou 350108, China

The situation of biological invasion is becoming more and more serious. Port quarantine, as the first line of maintaining biological security, is of great significance to the prevention and control of species invasion by analyzing the temporal and spatial pattern of port interception. The temporal and spatial distribution pattern ofinvasion and interception in China coastal areas in 2009-2018 was revealed from the two scales of port point and city area unit combined with the analysis of local spatiotemporal outliers and spatial autocorrelation, and the geographic detector model was introduced to explore the influencing factors of the pattern. The results showed that: (1)The number and frequency ofinterceptions increased first and then decreased in time and space. In the analysis of temporal and spatial outliers, the strong temporal and spatial clustering and multi-mode state of ports in Yangtze River Delta and Pearl River Delta were the main ones. (2)There was a significant spatial autocorrelation in the invasion and interception of(<0.05). The spatial clustering characteristics first increased and then weakened. The spatial differentiation in the local spatial correlation structure gradually decreased, the clustering rule of high-high value areas was obvious, and gradually concentrated in Jiangsu Province. (3)The main influencing factors of the spatial pattern ofinvasion interception were the total imported commodities, followed by the number of ports, the number of inbound persons and the total postal business, and the interaction between the two factors had significant enhancement effect on its distribution pattern.In a word, the invasion ofin the coastal areas of China is affected by the import trade with obvious spatial-temporal differentiation pattern.

; port interception; autocorrelation analysis; geographical detector; coastal areas of China

10.14108/j.cnki.1008-8873.2020.04.022

吳曉春, 肖桂榮. 中國沿海地區(qū)鐮刀菌屬口岸截獲時(shí)空分布格局分析[J]. 生態(tài)科學(xué), 2020, 39(4): 175–183.

WU Xiaochun, XIAO Guirong. Spatio-temporal distribution patterns ofinterception in coastal areas of China[J]. Ecological Science, 2020, 39(4): 175–183.

Q938

A

1008-8873(2020)04-175-09

2019-11-06;

2020-01-01

福建省科技重大專項(xiàng)專題(2017NZ0003-1-5); 中國科學(xué)院戰(zhàn)略性先導(dǎo)科技專項(xiàng)課題(XDA23100500)

吳曉春(1995—), 女, 河南信陽人，碩士研究生, 主要從事地理信息工程研究, E-mail:wuxiaochun_wxc@163.com

肖桂榮, 男, 博士, 研究員, 主要從事地理信息系統(tǒng)、空間信息網(wǎng)絡(luò)服務(wù)方面的研究, E-mail:xiaogr@fzu.edu.cn