Please wait a minute...
图/表 详细信息
海岛型城市红火蚁发生程度空间格局及驱动因子——以福建海坛岛为例
陈宏, 冼晓青, 陈宜雪, 林娜, 王苗苗, 李志鹏, 赵健
生物多样性    2023, 31 (5): 22501-.   DOI: 10.17520/biods.2022501
摘要   (390 HTML12 PDF(pc) (1765KB)(909)  

红火蚁(Solenopsis invicta)是极具危险性的外来入侵物种, 研究海岛在城市化发展中红火蚁发生程度的空间格局及驱动因子, 对保护海岛生态安全具有重要意义。本研究以福建省东部的海坛岛为例, 运用核密度、空间自相关模型分析红火蚁发生程度空间格局, 进一步运用地理探测器揭示环境因子(8种)、社会经济因子(10种)以及两类因子交互作用对红火蚁发生程度的影响。结果显示: 研究区红火蚁发生程度空间密度表现为不均匀聚集特征, 农田发生程度最为严重(高-高聚集)、园林绿化用地次之(高-低聚集和低-低聚集)、居民区周边最轻, 且发生区域呈现正向空间自相关关系。18种影响因子对红火蚁发生程度空间分异解释度的q值范围为0.014-0.278。从整体上看, 两类因子对红火蚁发生程度的影响存在差异, 且社会经济因子q值平均数高于环境因子。对红火蚁发生程度影响最大的经济因子是农村人口数量(q = 0.278), 其次为乡镇面积(q = 0.268)。在环境因子中, 土壤类型(q = 0.172)和年均降水量(q = 0.149)的影响力较强。环境因子与社会经济因子两两叠加作用都将正向增强红火蚁的发生程度, 其中, 乡镇面积与邻近景区距离、年均降水量与邻近景区距离两组因子交互作用对红火蚁发生程度的影响力最大(q = 0.466)。本研究结果表明农业耕作、城镇化建设中绿化苗木引种、道路交通运输对海岛型城市红火蚁发生程度的空间格局起到关键性作用。因此, 在防控中不仅要加强对调运苗木和往来货物的检疫, 还应采取因地适宜的防控措施, 有效抑制红火蚁种群数量和扩散速度。


类别 Category 影响因子 Impact factors 数据来源 Data sources
环境因子
Environmental factors
数字高程模型 Digital elevation model (DEM) (x1) SRTM (https://srtm.csi.cgiar.org)
坡度 Slope (x2) 通过分析DEM数据获得 Obtained by analyzing DEM data
地表覆盖 Land cover (x3) 通过解析Landsat 8卫星影像获得 Obtained by analyzing Landsat 8 satellite images
归一化植被指数 Normalized difference vegetation index (NDVI) (x4)
土壤类型 Soil classification (x5) 资源环境科学与数据中心 Resource and Environment Science and Data Center (www.resdc.cn)
年均降水量 Average annual precipitation (x6)
年积温 Annual cumulative temperature (x7)
干燥度 Drought index (x8)
社会经济因子
Socio-economic factors
夜间灯光 Night light (x9) 珞珈一号数据 Luojia-1 Data (http://59.175.109.173:8888/)
乡镇面积 Township area (x10) 中国县域统计年鉴(乡镇卷): 2018 China Statistical Yearbook (Township): 2018 (国家统计局农村社会经济调查司, 2019)
村庄数量 Number of villages (x11)
农村人口数量 Rural population size (x12)
路网密度 Road network density (x13) 通过分析OSM数据获得 Obtained by analyzing OSM data
邻近道路距离 Distance to nearby road (x14)
邻近道路类型 Adjacent road type (x15)
邻近景区距离 Distance to nearby scenic spot (x16)
邻近码头距离 Distance to nearby wharf (x17)
离跨海大桥距离 Distance to the cross-sea bridge (x18)
View table in article
表2 红火蚁发生程度空间格局影响因子及数据来源
正文中引用本图/表的段落
式中, L表示被分析影响因子的分类数量或离散分级数量, Nhσ2h分别为类别h包含的红火蚁危害地块中样点的数量和蚁巢密度方差, Nσ2分别为研究区内所有红火蚁危害地块中样点的数量和蚁巢密度方差。q的值域为[0,1], q值越大则表示影响因子对红火蚁发生程度的影响力越强, 反之则越弱。
我们综合考虑了海坛岛自然气候条件, 以及特有的社会、经济、交通等状况, 选择影响红火蚁发生程度的18种因子。8种环境因子包括: 数字高程模型(digital elevation model, DEM)、坡度、地表覆盖、归一化植被指数(normalized difference vegetation index, NDVI)、土壤类型、年均降水量、年积温和干燥度; 10种社会经济因子包括: 夜间灯光、乡镇面积、村庄数量、农村人口数量、路网密度、邻近道路距离、邻近道路类型、邻近景区距离、邻近码头距离、离跨海大桥距离。影响因子数据来自网络公开数据、研究区遥感影像解析和统计年鉴资料(国家统计局农村社会经济调查司, 2019)。为保证研究结果准确, 影响因子数据均采用与红火蚁疫情调查时间相近年份的数据集。各影响因子数据来源如表2所示。此外, 海坛岛海岸边界数据来自国家基础地理信息中心(https://www.webmap.cn)。
数据处理包括数据提取、数据离散化、数据采样和因子共线性检测.在数据提取中: 通过DEM地形分析生成坡度数据; 采用监督分类法对2017年4月2日的Landsat 8卫星遥感影像进行目视解译生成地表覆盖数据; 通过对2017年4月2日的Landsat 8卫星遥感影像进行定量分析生成NDVI数据; 乡镇面积、村庄数量、农村人口数量3类数据是将研究区乡镇矢量数据与统计年鉴进行属性关联, 形成空间矢量专题图层; 路网密度是通过对研究区道路矢量数据进行网格化分析, 统计每公里网格内道路长度; 邻近道路距离和类型、邻近景区距离、邻近码头距离、离跨海大桥距离是通过对研究区道路矢量数据和相关要素空间位置数据进行邻近分析, 获得与样点邻近要素的距离.由于地理探测器要求输入的自变量必须为类型量, 综合运用自然间断点法和分位数法对连续型影响因子数据进行离散化处理, 从中选择因子影响力q值最大的离散分级结果.为消除影响因子之间的共线性问题, 对采集的样点变量与自变量进行多重共线性诊断, 保证各自变量的方差膨胀因子(variance inflation factor, VIF值)小于10. ...
2
2019
... 我们综合考虑了海坛岛自然气候条件, 以及特有的社会、经济、交通等状况, 选择影响红火蚁发生程度的18种因子.8种环境因子包括: 数字高程模型(digital elevation model, DEM)、坡度、地表覆盖、归一化植被指数(normalized difference vegetation index, NDVI)、土壤类型、年均降水量、年积温和干燥度; 10种社会经济因子包括: 夜间灯光、乡镇面积、村庄数量、农村人口数量、路网密度、邻近道路距离、邻近道路类型、邻近景区距离、邻近码头距离、离跨海大桥距离.影响因子数据来自网络公开数据、研究区遥感影像解析和统计年鉴资料(国家统计局农村社会经济调查司, 2019).为保证研究结果准确, 影响因子数据均采用与红火蚁疫情调查时间相近年份的数据集.各影响因子数据来源如表2所示.此外, 海坛岛海岸边界数据来自国家基础地理信息中心(https://www.webmap.cn). ...

本文的其它图/表