基于GIS的松材线虫病空间分布规律研究

摘 要：以安徽省黄山市休宁县为研究区域，采用地理信息系统（Geographic Information Systems，GIS）研究松材线虫病的空间分布规律及其与地形、河流和人类活动等因子间的关系，并利用基于最优参数的地理探测器模型筛选出对松材线虫病空间分异影响最大的因子。结果表明：2022年休宁县松材线虫病的重灾区和中灾区主要集中在东临溪镇、榆村乡、山斗乡和海阳镇，部分中灾区分布于万安镇、商山镇、五城镇和源芳乡；休宁县松材线虫病主要分布在高程600 m以下、坡度5°～35°、距河流800 m以内、人类活动强度低的区域，疫情分布与坡向间的关系不明显；高程对松材线虫病空间分异的解释力最高，是影响休宁县松材线虫病空间分异的重要因子。

关键词：松材线虫病；GIS；地理探测器；空间分布

中图分类号：S763.18 文献标志码：A 文章编号：1674-7909-（2023）11-111-4

0 引言

松材线虫病是一种因松材线虫寄生在松树体内所引起的森林病害，具有传染性强、致死速度快的特点。松树感染该病后，一般两三个月便会枯死［1］。自1982年我国发现松材线虫病以来，疫情快速扩散，西达四川省凉山彝族自治州，北至辽宁省抚顺市，目前已扩散至我国19个省（自治区、直辖市） ［2］。松材线虫病对我国松林生态系统构成了严重威胁，每年造成的生态和经济损失巨大［3］。而掌握松材线虫病的空间分布规律对于松材线虫病的预防和治理具有重要作用。基于此，笔者以安徽省黄山市休宁县为研究区域，利用地理信息系统（Geographic Information Systems，GIS）强大的空间分析功能和地理探测器，研究松材线虫病的空间分布与环境因子之间的关系，以期为松材线虫病的预防和治理提供一定的理论参考。

1 研究区概况

休宁县位于黄山市南部，地处东经117°39′～118°26′、北纬29°24′～30°02′。休宁县地貌以山地、丘陵为主，中、北部低山丘陵与河谷平原相间；属于亚热带季风性湿润气候，四季分明，热量丰富，雨量充沛。县境内植被丰盈，林木繁茂，森林面积17.98万hm2，活立木总蓄积971万m3，森林覆盖率82.17%。松材线虫病是休宁县主要的森林病虫害之一。由于高温干旱会加快松材线虫病的传播，因而每年9—10月是松材线虫病的集中暴发期。

2 研究数据与方法

2.1 数据来源

松材线虫疫情分布数据来自2022年休宁县松材线虫病“空天地”一体化遥感监测调查项目，是基于北京3号卫星影像数据，经过遥感解译和地面勘查后得到的。高程数据采用ASTER GDEMV3数据，来自地理空间数据云，分辨率为30 m。基础地理数据包括道路、居民地、建设用地和行政区划，来自第三次全国土地调查成果报告。

2.2 研究方法

2.2.1 密度分析。密度分析是指根据输入的要素数据集计算整个区域的数据集状况，以每个待计算格网点为中心进行区域搜索，计算每个格网点的密度值，从而产生一个连续的密度表面［4］。该研究需要对疫木、道路、居民地和建筑用地数据进行密度分析。

2.2.2 叠加分析。叠加分析是GIS中一项重要的空间分析功能，是在统一的空间参照系统条件下，将同一地区两类地理对象的图层进行叠加，以产生空间区域的多重属性特征，或建立地理对象之间的空间对应关系［5］。该研究将100 m×100 m的网格作为分析单元，将疫木分布数据分别与地形、河流和人类活动数据进行叠加分析，探讨松材线虫病的空间分布与这些因子之间的关系。

2.2.3 地理探测器。地理探测器是一种探测地理空间分异性，以揭示其背后驱动因子的统计学方法［6］。其利用q值来度量因子对地理变量空间分异的解释力，q值越大表明解释力越高［7］。q值的计算公式为

式（1）中：h是探测因子的分层；Nh和N分别表示层h和整个区域的单元数；[σ2h]和[σ2]分别为层h和整个区域地理变量的方差。

基于最优参数的地理探测器模型解决了空间数据离散化问题，进一步提取了空间解释变量中的地理特征和信息，可灵活应用于各类空间数据的全球和区域空间分析［8］。因此，该研究利用基于最优参数的地理探测器来分析影响松材线虫病空间分布的主要因子。

3 结果与分析

3.1 松材线虫病疫情空间分布

先将疫木矢量点数据进行点密度分析，而后利用自然间断法将疫木密度值划分为4个等级：无疫区（密度值为0）、轻灾区（0<密度值≤303.33株/km2）、中灾区（303.33株/km2<密度值≤977.40株/km2）和重灾区（977.40株/km2<密度值≤4 297.18株/km2），并统计各乡镇的疫情等级占比，统计结果如图1所示。由图1可知，休宁县松材线虫疫情的重灾区和中灾区主要集中在东临溪镇、榆村乡、山斗乡和海阳镇，其中东临溪镇东北部和榆村乡西部灾情极为严重，部分中灾区分布于万安镇、商山镇、五城镇和源芳乡；蓝田镇、溪口镇、流口镇、汪村镇、板桥乡、陈霞乡和鹤城乡境内多为轻灾区，其中溪口镇、流口镇和板桥乡的疫情发生面积不超过15%；岭南乡和龙田乡发生疫情的面积较小，不超过各自区域面积的10%，且主要是轻灾区；白际乡和璜尖乡无疫情。

3.2 松材线虫病疫情与相关因子的关系

3.2.1 疫情与高程的关系。将高程划分为≤200 m、（200 m，400 m］、（400 m，600 m］、（600 m，800 m］、（800 m，1 000 m］和>1 000 m共6个等级，将数字高程模型（Digital Elevation Model，DEM）分级数据与松材线虫病疫情等级数据进行叠加分析，统计疫情在各高程等级中的分布占比，结果如图2所示。由图2可知，休宁县松材线虫病疫情主要分布在高程600 m以下的区域，轻、中、重灾区在这一范围内的占比分别达到86.98%、91.89%和94.63%，其中轻灾区和中灾区在高程（200 m，400 m］范围内分布最多，重灾区在高程200 m以下的区域分布最多，均超过40%。海拔越高，气温越低，低温环境不利于松材线虫生存和繁殖［9］，故而松材线虫病疫情多分布于低海拔的山地和丘陵。

3.2.2 疫情与坡度的关系。利用DEM数据计算出坡度，而后将坡度划分为平坡［0，5°］、缓坡（5°，15°］、斜坡（15°，25°］、陡坡（25°，35°］、急坡（35°，45°］和险坡（45°，90°］共6个等级［10］。由坡度分级数据与松材线虫病疫情等级数据的叠加统计结果（见图3）可知，疫情主要分布在（5°，35°］的坡度范围内，其面积占比超过80%，其中中灾区和重灾区在（5°，15°］的缓坡区域所占面积最多，占比分别达到37.85%和42.43%。

3.2.3 疫情与坡向的关系。利用DEM数据计算出坡向，而后将坡向划分为平地、阴坡、半阴坡、半阳坡和阳坡共5个等级［10］。由坡向与松材线虫病疫情等级数据的叠加统计结果（见图4）可知，除平地外，各坡向上的疫情分布情况大致相同，轻、中、重灾区在阴坡、半阴坡、半阳坡和阳坡上的分布占比均在25%左右。由此可见，休宁县松材线虫病疫情的分布与坡向间的关系并不明显。

3.2.4 疫情与河流的关系。首先利用DEM数据提取出河网数据，而后根据河流的位置，以距河流距离为依据划分缓冲区，共分为6个级别，分别为（0，200 m］、（200 m，400 m］、（400 m，600 m］、（600 m，800 m］、（800 m，1 000 m］、>1 000 m［11］。由松材线虫病疫情与距河流距离的叠加统计结果（见图5）可知，轻、中、重灾区多分布在距河流1 000 m以内的区域，其中在距河流200～800 m范围内发生较为普遍，轻、中、重灾区在这一距离范围内的面积占比均超过60%。

3.2.5 疫情与人类活动强度的关系。对道路路网、居民地和建设用地的线矢量文件进行线密度分析，线网密度越大，说明人类活动强度越大。采用自然间断法将线网密度划分为3个区间，分别为（0，6.08 km/km2］（人类活动强度低）、（6.08 km/km2，19.24 km/km2］（人类活动强度中等）和（19.24 km/km2，64.57 km/km2］（人类活动强度高）。由人类活动强度与松材线虫病疫情等级数据的叠加统计结果（见图6）可知，松材线虫病疫情的轻、中、重灾区均集中分布在人类活动强度低的区域，其面积占比均超过85%。人类活动强度低的区域受人类干扰程度小，疫情发生时难以被人们发现，无法及时防治，导致疫情扩散蔓延。

3.3 松材线虫病疫情影响因素

根据松材线虫病疫情与相关因子的分析结果可知，其分布与坡向间的关系并不显著，故该研究只分析高程、坡度、距河流距离和人类活动强度4个因子对松材线虫病空间分异的影响。将高程、坡度、距河流距离和人类活动强度作为探测因子带入地理探测器中，计算这4个因子对松材线虫病空间分异的解释力高低。由图7可知，高程对松材线虫病空间分异的解释力最高，远超过其他3个因子，其次是坡度，人类活动强度的解释力最低。

4 结论

①2022年休宁县松材线虫病疫情的重灾区和中灾区主要集中在东临溪镇、榆村乡、山斗乡和海阳镇，部分中灾区分布于万安镇、商山镇、五城镇和源芳乡。

②休宁县松材线虫病主要分布于高程600 m以下、坡度5°～35°、距河流800 m以内、人类活动强度低的区域，疫情分布与坡向间的关系不明显。

③高程对松材线虫病空间分异的解释力最高，是影响休宁县松材线虫病空间分异的重要因子。

参考文献：

［1］杨宝君.松材线虫病致病机理的研究进展［J］.中国森林病虫，2002（1）：27-31.

［2］国家林业和草原局. 国家林业和草原局公告（2022年第6号）（2022年松材线虫病疫区）［EB/OL］.（2022-03-18）［2023-04-18］.https：//www.forestry.gov.cn/main/3457/20220318/111403492220586.html.

［3］叶建仁.松材线虫病在中国的流行现状、防治技术与对策分析［J］.林业科学，2019（9）：1-10.

［4］朱瑜馨，张锦宗.基于ArcGIS密度分析的聊城市道路网分析［C］//2011 International Conference on Ecological Protection of Lakes‐Wetlands‐Watershed and Application of 3S Technology，2010：279-282.

［5］武红智，陈改英.基于GIS的马尾松毛虫灾害空间扩散规律分析［J］.遥感学报，2004（5）：475-480.

［6］王劲峰，徐成东.地理探测器：原理与展望［J］.地理学报，2017（1）：116-134.

［7］WANG J F，LI X H，CHRISTAKOS G，et al. Geographical detectors-based health risk assessment and its application in the neural tube defects study of the Heshun Region， China［J］.International Journal of Geographical Information Science，2010（1）：107-127.

［8］SONG Y Z，WANG J F，GE Y，et al. An optimal parameters-based geographical detector model enhances geographic characteristics of explanatory variables for spatial heterogeneity analysis：cases with different types of spatial data［J］.GIScience & Remote Sensing，2020（5）：593-610.

［9］GAO R，WANG Z，WANG H，et al. Relationship between pine wilt disease outbreaks and climatic variables in the Three Gorges Reservoir Region［J］. Forests，2019（9）：816-831.

［10］徐少君，曾波，苏晓磊，等.基于RS/GIS的重庆缙云山自然保护区植被及碳储量密度空间分布研究［J］.生态学报，2012（7）：2174-2184.

［11］李飞，杨小平，郝红科.基于DEM对喀斯特地貌山地及水系信息的提取：以桂林阳朔县为例［J］.测绘与空间地理信息，2015（8）：73-76.

作者简介：周玲美（1997—），女，硕士，助理工程师，研究方向：资源与环境遥感应用。