全 文 ：基于 GIS的瓜蚜种群空间结构和分布模拟*
朱猛蒙1摇 蔡凤环2摇 张摇 蓉1**摇 张摇 怡1摇 陈宏灏1摇 高立原1摇 赵紫华1摇 惠摇 仓3
( 1 宁夏农林科学院植物保护研究所, 银川 750002; 2 宁夏出入境检验检疫局, 银川 750001; 3 斯坦陵布什大学动植物研究
所, 南非开普敦 7602)
摘摇 要摇 运用地理信息系统(GIS)和地统计学分析方法,对 2008 年宁夏环香山地区压砂西甜
瓜瓜蚜种群空间结构进行分析,并基于不同模型的普通 Kriging 插值法模拟了瓜蚜种群空间
分布格局.结果表明:研究区瓜蚜数量在不同发生时期(初发期、盛发期和盛末期)均显示出明
显不同的空间结构,其半变异函数均为指数型或高斯型,田间种群空间格局均呈聚集分布,不
同时期的聚集程度(1-变异程度)均大于 45% ,空间相关范围在 10郾 37 ~ 29郾 11 km,空间变异
主要受空间自相关影响;空间分布模拟较好地从时间、空间两个角度直观地模拟不同时期瓜
蚜种群的动态变化,易于确定瓜蚜的发生范围和发生程度.
关键词摇 瓜蚜摇 GIS摇 种群摇 空间结构摇 分布模拟
文章编号摇 1001-9332(2010)10-2691-06摇 中图分类号摇 S431郾 9摇 文献标识码摇 A
Spatial structure and distribution simulation of Aphis gossipii Glover population based on
GIS. ZHU Meng鄄meng1, CAI Feng鄄huan2, ZHANG Rong1, ZHANG Yi1, CHEN Hong鄄hao1, GAO
Li鄄yuan1, ZHAO Zi鄄hua1, HUI Cang3 ( 1 Institute of Plant Protection, Ningxia Academy of Agricul鄄
tural Sciences, Yinchuan 750002, China; 2Ningxia Entry鄄Exit Inspection and Quarantine Bureau,
Yinchuan 750001, China; 3Centre for Invasion Biology, Department of Botany & Zoology, Stellen鄄
bosch University, Private Bag X1, Matieland 7602, South Africa) . 鄄Chin. J. Appl. Ecol. ,2010,
21(10): 2691-2696.
Abstract: Based on geographic information system (GIS) and geostatistical analysis, this paper
studied the spatial structure of Aphis gossipii Glover population in Xiangshan District of Zhongwei
City, Ningxia Province, with the spatial distribution of the population simulated by ordinary Kriging
interpretation. The spatial structure of A. gossipii population varied with its occurrence stage ( ini鄄
tial, blossom, and final stage). The semivariograms of A. gossipii could be described by exponen鄄
tial or Gaussian model, indicating that A. gossipii had an aggregated spatial arrangement. The ag鄄
gregation degrees at different occurrence stages were all beyond 45% , and the spatial correlation
ranged from 10郾 37 km to 29郾 11 km. The spatial variance was greatly affected by spatial autocorre鄄
lation. The population dynamics of A. gossipii at its different occurrence stages could be easily ana鄄
lyzed and intuitively simulated from the two aspects of time and space by spatial distribution simula鄄
tion, and thus, the occurrence position and degree of A. gossipii could be easily determined.
Key words: Aphis gossipii Glover; GIS; population; spatial structure; distribution simulation.
*国家科技支撑计划项目(2007BAD54B04)资助.
**通讯作者. E鄄mail: zhangrong_nx@ yahoo. com. cn
2010鄄04鄄15 收稿,2010鄄08鄄10 接受.
摇 摇 在明确病虫害种群空间结构的基础上,对其进
行空间建模,模拟并预测病虫害发生发展趋势是生
态理论应用于农业生产的一个重要方面. 随着信息
技术的迅速发展,尤其是地理信息系统( geographic
information system,GIS)和地理统计学(geostatistics)
等相关技术、理论的发展,为昆虫种群时空动态的研
究开辟了有效途径,并成为目前在区域性害虫种群
暴发、消长、迁移及分布规律研究方面的关键技
术[1-2] .充分发挥 GIS对空间数据处理的支持能力,
结合地理统计学基于空间距离效应的空间自相关关
系理论和害虫生物学特性,可以实现对害虫空间分
布、空间相关分析、害虫发生动态的时空模拟[3] . 其
中,空间结构分析和插值模拟结合可对某个区域内
应 用 生 态 学 报摇 2010 年 10 月摇 第 21 卷摇 第 10 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇
Chinese Journal of Applied Ecology, Oct. 2010,21(10): 2691-2696
的生物量进行整体估计,该方法的估计值比经典方
法更精确,可有效避免系统误差[4-5],与传统分析方
法相比,该方法更注重空间关系,可以明确病虫害空
间分布结构类型及具体的空间分布. 这些特点为进
一步理解和认识病虫害灾变生态规律提供了有力的
技术支持.国外[6-10]和国内[11-13]相继利用该技术开
展了相关研究.
西甜瓜产业在宁夏优势特色农业中始终占有重
要地位.宁夏的压砂西甜瓜主要分布在环香山地区
的荒漠草原区,近几年发展迅速,2009 年生产规模
已达 6郾 7伊104 hm2,在我国的西甜瓜产业中占具独特
位置[14] .随着压砂瓜种植面积的剧增和集中连片种
植,西甜瓜的害虫问题日趋突出,其中瓜蚜(Aphis
gossipii Glover)是最重要的害虫之一,其发生和危害
呈逐年上升趋势.本文结合 GIS和地统计学方法,研
究了宁夏环香山地区瓜蚜不同时期的空间分布格局
和空间结构,并模拟了不同时期种群空间分布格局,
旨在揭示昆虫空间种群动态信息及变化规律,并为
深入研究瓜蚜的分布扩展及区域化预测提供重要依
据.
1摇 材料与方法
1郾 1摇 数据采集
2008 年,以宁夏环香山地区压砂瓜种植区为研
究区域,依据压砂瓜瓜蚜发生规律和系统调查结果,
考虑压砂瓜的种植分布,选择非网格取样方法,采用
GPS定位,共布设了 88 个调查样地(图 1). 2008 年
6 月 10 日(始发期)、7 月 6 日(盛发期)和 7 月 30
日(盛末期)采集数据,每块样地均采取棋盘式五点
取样法[2],每样点调查 10 株瓜,每样地共调查 50
株,调查整株瓜上的瓜蚜数量.数据采集区域涉及中
卫市香山乡、永康镇、兴仁镇和中宁县喊叫水乡共 4
乡镇 16 行政村,涵盖压砂地面积达 3郾 5伊104 hm2 .
1郾 2摇 空间地理数据库的建立
本研究使用的空间数据库(比例尺为1 颐 25 万)
包括源于中国科学院地理科学与资源研究所的中卫
市行政区划、地形、地貌、气候、数字高程、土地利用
数据.
1郾 3摇 瓜蚜空间格局的地统计分析
地统计学是以区域化变量理论为基础,以半变
异函数为主要工具,研究在空间分布上既有随机性
又有结构性的自然现象.对于调查的数据系列 z(xi)
( i= 1,2,…,n),样本半变异函数 酌(h)可用下式计
算:
酌(h) = 12N(h)移
k
i = 1
[ z(xi) - z(xi + h)] 2
式中:h为分割两样点的距离;N(h)为被 h分割的数
据对(xi, xi + h) 的对数;z(xi) 和 z(xi + h) 分别为
点 xi和点 xi + h处样本的测量值.半变异函数的3个
重要参数 [变程 (a)、基台值 (C + C0) 和块金值
(C0)] 可反映昆虫种群空间格局或空间相关类型以
及空间相关范围[15-16] .通过计算压砂瓜瓜蚜种群的
半变异函数曲线和选择适合的半变异函数模型,可
分析压砂瓜瓜蚜的空间格局及空间相关关系. 空间
结构分析在 ArcGIS 9郾 2 软件平台的地统计模块上
进行.
1郾 4摇 半变异函数最优模型的构建
确定模型的精确程度,通常可按照模拟误差最
小原则进行评判:1)平均预测误差尽可能接近 0;
2)均方根误差(RMS)尽可能小;3)平均克立格标准
差尽可能小;4)无偏估计(平均标准差)尽可能接近
0;5)一致性估计(均方根标准差)接近 1[17] .本研究
根据模拟误差最小原则对半变异函数模型进行评
判,使用 4 种不同生态学意义模型(球型模型、指数
模型、高斯模型和圆型模型[18-20] )中合适的模型来
模拟压砂瓜瓜蚜种群空间分布动态. 球型半变异函
数说明所研究的种群是聚集分布,其空间结构是当
样点间隔距离达到变程之前,样点的空间依赖性随
样点间距的增大而逐渐降低.与球型模型类似,指数
型半变异函数所研究的种群也是聚集分布,但其基
台值为渐近线.非水平直线型的半变异函数表明种
群为中等程度的聚集分布,其空间依赖范围超过研
究尺度.水平直线或稍有斜率的半变异函数为随机
分布,块金值等于基台值,表明在研究尺度下没有空
间相关性.
图 1摇 采样点分布图
Fig. 1摇 Distribution of sampling sites.
2962 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 21 卷
2摇 结果与分析
2郾 1摇 瓜蚜最优模型的构建
按照模拟误差最小原则确认了本研究中 3 个时
期的瓜蚜最优化模型.由表 1 可以看出:6 月 10 日,
普通克里格高斯函数模型最优;7 月 6 日,普通克里
格指数函数模型最优;7 月 30 日,普通克里格指数
函数模型最优. 3 个时期瓜蚜空间结构拟合的模型
虽有所差别,但均适用于普通克里格插值方法.
2郾 2摇 基于地统计学的瓜蚜空间结构分析
研究区瓜蚜种群数量在瓜蚜始发期(6 月 10
日)和盛发期(7 月 6 日)都显示了明显的空间结构,
空间分布类型均为聚集格局,存在一定的空间相关
性和明显的结构性,表明种群分布具有空间连续性,
且其强度随着距离的延长而减弱(表 2),盛末期(7
月 30 日)瓜蚜聚集格局不明显(表 2).
2郾 3摇 不同时期瓜蚜种群空间分布的模拟
在空间相关性分析的基础上,基于选择的相应
模型进行普通 Kriging 插值(普通 Kriging 插值的模
拟误差最小),模拟不同时期瓜蚜的空间分布,这种
模拟不是简单的距离加权,而是建立在对整个研究
区域所有样点的空间相关分析基础之上.
表 1摇 不同空间插值方法下瓜蚜半变异函数模型的误差分析
Tab. 1摇 Error analysis of different semivariogram models of Aphis gossipii with different spatial interpolation methods
日期
Date
(m鄄d)
模型
Model
平均预测误差
Average
predicted
error
均方根误差
Mean
square
error
平均克立
格标准差
Average
Kriging SD
无偏估计
Unbiased
estimation
一致性估计
Consistent
estimation
6鄄10 球型模型 Spherical model鄄OK 3郾 233 365郾 2 228郾 8 0郾 0123 1郾 51
指数模型 Exponential model鄄OK 2郾 684 369郾 4 221郾 9 0郾 0106 1郾 54
圆形模型 Circular model鄄OK -0郾 643 350郾 0 221郾 5 -0郾 0039 1郾 47
高斯模型 Gaussian model鄄OK -0郾 782 347郾 4 225郾 2 -0郾 0041 1郾 45
球型模型 Spherical model鄄DK -21郾 920 341郾 9 165郾 4 -0郾 1211 1郾 96
指数模型 Exponential model鄄DK -19郾 910 347郾 2 156郾 0 -0郾 1074 2郾 06
圆形模型 Circular model鄄DK -27郾 600 336郾 5 167郾 8 -0郾 1520 1郾 89
高斯模型 Gaussian model鄄DK -0郾 782 347郾 4 225郾 2 -0郾 0041 1郾 45
7鄄6 球型模型 Spherical model鄄OK 8郾 491 192郾 1 153郾 2 0郾 0428 1郾 22
指数模型 Exponential model鄄OK 0郾 098 204郾 3 151郾 6 -0郾 0094 1郾 32
圆形模型 Circular model鄄OK 8郾 706 192郾 0 153郾 6 0郾 0440 1郾 21
高斯模型 Gaussian model鄄OK 7郾 744 190郾 3 154郾 6 0郾 0386 1郾 19
球型模型 Spherical model鄄DK -6郾 473 189郾 8 95郾 4 -0郾 0698 1郾 94
指数模型 Exponential model鄄DK -5郾 439 191郾 3 95郾 9 0郾 0611 1郾 96
圆形模型 Circular model鄄DK -6郾 505 191郾 1 95郾 6 -0郾 0697 1郾 95
高斯模型 Gaussian model鄄DK -5郾 992 188郾 9 97郾 9 -0郾 0604 1郾 87
7鄄30 球型模型 Spherical model鄄OK 0郾 252 21郾 6 16郾 3 0郾 0066 1郾 35
指数模型 Exponential model鄄OK 0郾 103 22郾 2 16郾 3 0郾 0019 1郾 34
圆形模型 Circular model鄄OK 0郾 283 21郾 4 16郾 6 0郾 0075 1郾 31
高斯模型 Gaussian model鄄OK 0郾 676 21郾 2 16郾 0 0郾 0283 1郾 41
球型模型 Spherical model鄄DK -0郾 989 19郾 8 8郾 4 -0郾 1217 2郾 35
指数模型 Exponential model鄄DK -1郾 059 19郾 9 7郾 9 -0郾 1261 2郾 45
圆形模型 Circular model鄄DK -0郾 986 19郾 8 8郾 5 -0郾 1208 2郾 34
高斯模型 Gaussian model鄄DK -1郾 109 19郾 8 8郾 7 -0郾 1385 2郾 35
OK: 普通克里格 Ordinary Kriging; DK: 离散克里格 Disjunctive Kriging. 下同 The same below.
表 2摇 不同时期瓜蚜种群数量的半变异函数模型参数及空间格局
Tab. 2摇 Parameters of semivariogram function model and pattern of Aphis gossipii in different periods
日期
Date
(m鄄d)
模型
Model
变程
Range
(琢)
块金值
Nugget
(C0)
偏基台值
Pre鄄sill
基台值
Sill
(C0 +C)
空间变异程度
Variance
[C0 / (C0 +C)]
空间格局
Pattern
6鄄10 高斯模型 Gaussian model鄄OK 29郾 11 45394 38570 83964 54郾 06 聚集分布 Aggregated pattern
7鄄6 指数模型 Exponential model鄄OK 11郾 96 11277 21741 33018 34郾 15 聚集分布 Aggregated pattern
7鄄30 指数模型 Exponential model鄄OK 18郾 24 0 1001郾 7 1001郾 7 0 -
396210 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 朱猛蒙等: 基于 GIS的瓜蚜种群空间结构和分布模拟摇 摇 摇 摇 摇
在瓜蚜始发期(6 月 10 日),该虫的空间变异程度为
54郾 06% ,聚集程度较高,种群空间相关范围为
29郾 11 km(图 2A),即瓜蚜在直径为 29郾 11 km 的区
域中能相互影响;在瓜蚜的盛发期(7 月 6 日),瓜蚜
种群密度上升,种群相关范围缩小为 11郾 96 km(图
2B),空间变异程度也随之下降为 34郾 15% ,说明瓜
蚜聚集程度较强,受空间自相关引起的的空间变异
的成分较大,空间随机程度降低;瓜蚜盛末期(7 月
3 0日) ,其种群数量最低,空间变异程度为0,相关
图 2摇 不同时期研究区瓜蚜种群数量的普通 Kriging插值图
Fig. 2摇 Maps of Kriging interpolation for Aphis gossipii popula鄄
tion in different periods in the study area (2008).
A: 6鄄10; B: 7鄄6; C: 7鄄30.
范围为 18郾 24 km(图 2C). 表明研究区瓜蚜分布有
较强的距离相关性,在较大范围内 ( 11郾 96 ~
29郾 11 km),田间种群呈聚集分布,其半变异函数曲
线均为指数型和高斯型,不同时期的聚集程度(1-
变异程度)均大于 45% . 模型很好地体现了瓜蚜的
空间动态.从不同时期瓜蚜种群的插值结果分布图
可以看出,瓜蚜种群不同时期都表现出明显的片状
和斑块分布特点,说明其在空间上呈聚集分布格局,
而各期的聚集程度有所差异.
摇 摇 6 月 10 日,瓜蚜种群聚集程度最高,与其实际
的空间结构相符,东西走向形成 2 个聚集中心,分别
位于中宁县喊叫水乡新庄子村以及中卫市城区香山
乡新水村和三眼井村,平均每株瓜蚜量分别达 2619
和 1641 头,发生程度属于重度发生,其余各地发生
程度均处于中度或中度以下. 7 月 6 日,瓜蚜种群数
量在原聚集中心上扩散,东西走向形成 2 个聚集中
心,平均每株瓜蚜量分别达 832 和 1053 头,数量较
前期有所下降,瓜蚜中度发生程度以下仅发生在磙
子井、景庄和四眼井等地,发生面积约占调查范围的
10% ,其他各地瓜蚜发生程度均属于中度以上. 7 月
30 日,瓜蚜种群数量进一步下降,分布范围也逐渐
缩小,聚集中心仍位于上述位置,平均每株最高瓜蚜
量仅 202 头,香山乡的磙子井、三眼井和红圈以及喊
叫水乡的新庄子村瓜蚜种群数量属于中度以上发
生,其他各地均属于中度以下发生.
3摇 讨摇 摇 论
研究区瓜蚜空间分布类型及其数量在不同发生
时期都显示了明显的空间结构,存在空间连续性和
明显的结构性,其强度随着距离的延长而减弱,说明
地理信息系统能够较好反映瓜蚜的空间动态,可以
进行以地统计学为基础的压砂瓜害虫空间动态分布
研究,可为瓜蚜区域化预测预报技术研究提供理论
依据和技术方法.
随着 GIS空间分析技术的发展,具有不同空间
特性的分析模型和理论可应用于不同的空间分析需
求.其中,偏重空间关系理论的分析方法即所谓的空
间表面分析方法,可使用空间关系理论对未知空间
的值进行估计,要求特定领域问题的分布特性必须
能满足所采用的空间分析理论,可应用于空间数据
较缺乏时的建模应用;完全基于特定领域问题(如
生态学问题)空间特性的分析方法则需要在完善的
4962 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 21 卷
空间数据基础之上,通过领域模型计算得出新的空
间平面,没有针对空间关系的要求.
表面分析方法中的反距离权重插值法[21] ( in鄄
verse distance weighted,IDW)假定局部的变化趋势
影响内部待预测点,当已知观测点的分布较均匀且
没有异常数据时,IDW 方法可以较精确地确定一个
连续的表面空间;全局多项式 ( global polynomial,
GP)和局部多项式插值方法( local polynomial, LP)
利用多项式方程进行运算,模拟一个光滑表面,因此
多项式拟合方法适合分析变化缓慢且具有全局趋势
的表面[22-24];地统计方法则以区域化变量理论为基
础,以变差函数为主要工具,研究在空间分布上既有
随机性又有结构性的自然现象,更注重空间位置带
来的统计意义,即不仅关注量上的差异,还关注方向
上的差异[25] .病虫害空间分布具有一定的随机性和
结构性,通常不能满足 IDW、GP、LP 模型对空间平
滑特性的要求.因此本文采用地统计方法来刻画瓜
蚜发生发展的空间规律,并取得了较好效果.
基于领域问题空间特性的建模方法对基础地理
数据要求很高,如建立病虫害空间数量与分布动态
模型,需要采用多时相遥感数据获取地形、坡向、地
面温度、土地利用类型、植被覆盖类型等空间数据,
配合具有定位信息的野外调查实采生物数据(病虫
害发生量、天敌数量等).但该方法涉及了直接或间
接地影响害虫种群数量变化的因素,所得到的空间
预测结果是对多种因素综合考虑的结果,尤其适于
生态关系的建模分析,可使建模过程更自然、更有
效.随着基础地理数据的不断补充完善和共享程度
的提高,该类空间方法的数据瓶颈得到缓解后,必能
在生态规律研究中得到广泛应用.
参考文献
[1]摇 Zhai L鄄R (翟连荣). Using of spatial analysis technolo鄄
gy in pest population management. Chinese Bulletin of
Entomology (昆虫知识), 1997, 34(5): 314-318 ( in
Chinese)
[2]摇 Zhang R (张摇 蓉), Zhu M鄄M (朱猛蒙), Ma J鄄H (马
建华), et al. Suitable habitat of Therioaphis trifolii pop鄄
ulation on arable lands of southern Ningxia based on
GIS. Chinese Journal of Applied Ecology (应用生态学
报) , 2009, 20(8): 1998-2004 (in Chinese)
[3]摇 Wang Z鄄J (王正军), Cheng J鄄A (程家安), Zhu Z鄄R
(祝增荣). Geographic information system and its appli鄄
cation in integrated pest management. Acta Agriculturae
Zhejiangensis (浙江农业学报), 2000, 12(4): 233-
238 (in Chinese)
[4]摇 Rpssi RE, Mulla DJ, Journel AG, et al. Geostatistical
tools for modeling and interpreting ecological spatial de鄄
pendence. Ecological Monographs, 1992, 62: 277-314
[5] 摇 Zhou Q (周 摇 强), Zhang R鄄J (张润杰), Gu D鄄X
(古德祥). Review of geostatistics applied in insect
population spatial structure. Zoological Research (动物
学研究), 1998, 19(6): 482-488 (in Chinese)
[6]摇 Lentz DL, Bye R, Sanchez鄄Cordero V. Ecological niche
modeling and distribution of wild sunflower (Helianthus
annuus L. ) in Mexico. International Journal of Plant
Sciences, 2008, 169: 541-549
[7]摇 Ganeshaiah KN, Barve N, Chandrashekara, et al. Pre鄄
dicting the potential geographical distribution of the sug鄄
arcane woolly aphids using GARP and DIVA鄄GIS. Cur鄄
rent Science, 2003, 85: 1526-1528
[8]摇 Gage SH, Wirth TM, Simmons GA. Predicting regional
gyspy moth (Lymantriidae) population trends in an ex鄄
panding population using trap catch and spatial analysis.
Environmental Entomology, 1990, 19: 370-377
[9]摇 Gribko LS, Liebhold AM, Hohn ME. Model to predict
gypsy moth ( Lepidoptera, Lymantriidae ) defoliation
using Kriging and logistic regression. Environmental En鄄
tomology, 1995, 24: 529-537
[10]摇 Kruss A. Effects of landscape structure and habitat type
on a plant鄄herbivore鄄parasitoid community. Ecography,
2003, 26: 283-290
[11]摇 Wang Z鄄J (王正军), Cheng J鄄A (程家安), Li D鄄M
(李典谟). Design and building of GIS database for
Chilo suppressalis. Acta Entomologica Sinica (昆虫学
报), 2001, 44(4): 525-533 (in Chinese)
[12]摇 Hao J鄄J (郝建军), Chen K (陈摇 克), Luo Y (骆摇
勇), et al. Establishment of Geographic Information
System in Wheat Diseases. Beijing: Beijing Agricultural
University Press, 1995 (in Chinese)
[13]摇 Wang H鄄K (王海扣), Wang Q (王摇 群), Cheng X鄄N
(程遐年), et al. Application of geographical informa鄄
tion system in analyzing the dynamic of the brown plant
hopper in Jiangsu Province. Journal of Southwest Agri鄄
cultural University (西南农业大学学报 ), 1998,
20(5): 432-437 (in Chinese)
[14]摇 Wang Z鄄Q (王志强), Liu S鄄F (刘声锋), Yu R (于
蓉). The integrated pest management technology in wa鄄
termelon and melon field. Northern Horticulture (北方
园艺), 2007, 32(3): 189-190 (in Chinese)
[15]摇 Zhang J鄄T (张君亭), Sun T鄄L (孙廷林), Men X鄄Y
(门兴元), et al. Distribution and geostatistics Adelpho鄄
coris suturalis and analysis of spatial pattern of its main
natural enemies in alfalfa field. Shandong Agricultural
596210 期摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 朱猛蒙等: 基于 GIS的瓜蚜种群空间结构和分布模拟摇 摇 摇 摇 摇
Sciences (山东农业科学), 2010, 47(2): 20-23 ( in
Chinese)
[16]摇 Zhang R (张 摇 蓉), Leng Y鄄F (冷允法), Zhu M鄄M
(朱猛蒙). Spatial structure analysis and distribution
simulation of Therioaphis trifolii population based on
geostatistics and GIS. Chinese Journal of Applied Ecolo鄄
gy (应用生态学报), 2007, 18(11): 2580-2585 ( in
Chinese)
[17]摇 Wang Z鄄J (王正军), Li D鄄M (李典谟), Xie B鄄Y (谢
宝瑜). Analysis on spatial distribution and dynamics of
Helicoverpa armigera (Hubner) eggs, based on GIS and
GS. Acta Entomologica Sinica (昆虫学报), 2004,
47(1): 33-40 (in Chinese)
[18]摇 Cliff AD, Ord JK. Spatial Processes, Models and Appli鄄
cations. London: Pion Ltd. , 1981
[19]摇 Ding Y鄄Q (丁岩钦). Entomological Mathematics Ecol鄄
ogy. Beijing: Science Press, 1994 (in Chinese)
[20]摇 Li Z (李摇 政), Su Y鄄X (苏永秀), Ding M鄄H (丁美
花). The comparison of different interpolating methods
based on the date of station temperature. Journal of
Guangxi Meteorology (广西气象), 2006, 27(1): 90-
91 (in Chinese)
[21]摇 Wang J (汪摇 俊), Gao J鄄Y (高金耀), Wu Z鄄C (吴
招才), et al. The local polynomials fitting methods on
geospatial data merging: An application to the multi鄄re鄄
sources marine sediment thickness data. Marine Sciences
(海洋科学), 2009, 33(4): 25-28 (in Chinese)
[22] 摇 Yuan W鄄P (袁慰平), Sun Z鄄Z (孙志忠), Wu H鄄W
(吴宏伟), et al. Calculation Method and Practice.
Nanjing: Southeast University Press, 2009 (in Chinese)
[23] 摇 Polzehl J, Spokoiny V. Varying Coefficient Regression
Modeling by Adaptive Weights Smoothing. Berlin:
WIAS, 2004
[24] 摇 Zou Y鄄D (邹运鼎), Bi S鄄D (毕守东), Wang X鄄S
(王祥胜), et al. Geostatistical analysis on spatial pat鄄
tern of Macrosiphum granarium and Aphidius. Chinese
Journal of Applied Ecology (应用生态学报), 2001, 12
(6): 887-891 (in Chinese)
[25]摇 Li L (李 摇 磊), Zou Y鄄D (邹运鼎), Bi S鄄D (毕守
东), et al. Geostatistic analysis on spatial patterns of
Aphis gossypii and Erigonidium graminicola. Chinese
Journal of Applied Ecology (应用生态学报), 2004, 15
(6):1043-1046 (in Chinese)
作者简介摇 朱猛蒙,男,1979 年生,助理研究员.主要从事昆
虫生态学及预测预报研究,发表论文 2 篇. E鄄mail: zhumeng鄄
meng79@ yahoo. com. cn
责任编辑摇 杨摇 弘
6962 应摇 用摇 生摇 态摇 学摇 报摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 摇 21 卷