全 文 ：书外来入侵植物意大利苍耳在我国适生区预测
王瑞，万方浩
（中国农业科学院植物保护研究所 植物病虫害生物学国家重点实验室，北京１０００９４）
摘要：意大利苍耳是２０世纪９０年代入侵我国的检疫性杂草，近年来呈快速扩散趋势。明确其适生区对科学监测
和控制该杂草意义重大。本研究采用生态位模型预测了其在我国的适生区。首先利用原产地北美洲的分布点构
建ＧＡＲＰ生态位模型预测其在全球适生区，然后利用全球已知入侵点为独立检验数据通过ＲＯＣ曲线检验模型的
准确性。分析显示原产地数据构建生态位模型具有很强的预测能力（ＡＵＣ＝０．９１）。进而将该模型投影到中国，结
果显示除青海、西藏、新疆天山山脉以南和内蒙古北部地区外的区域都是意大利苍耳在我国的适生区。针对于意
大利苍耳在我国广阔的适生区以及繁殖能力强、种子具钩刺等易于扩散的生物学特性和多样化的扩散途径，意大
利苍耳在中国即将进入一个快速扩散阶段。建议对新入侵的地区采取早期根除措施，加大对适生区内港口、机场、
旅游区等极易传入区域的监测力度，以预防其再度入侵和控制其在我国进一步的扩散。
关键词：意大利苍耳；适生区预测；入侵植物；生态位模型
中图分类号：Ｑ９４８．１３ 文献标识码：Ａ 文章编号：１００４５７５９（２０１０）０６０２２２０９
随着全球化的发展，国际间的人类活动越来越频繁，造成生物入侵的现象不断增加［１］。由于生物本身具有繁
殖、扩散和适应的能力，特别是外来物种与当地物种没有共同进化的历史，缺少自然的天敌，一旦它们到达适合生
存的新地区，通常会大量的繁殖、扩散进而对入侵地生态环境造成危害［２４］。预防和控制外来物种入侵的重要手
段是阻止那些可能造成危害的物种进入适合其生存的地区［５，６］。因此，确定入侵物种的管理措施首先要开展适
生区预测研究。对于那些新近入侵的物种，其适生区预测更为关键。近年来我国外来有害生物入侵的频率急剧
升高，危险性不断增加，如外来有害生物入侵的频率在２０世纪９０年代以前为每８～１０年发现１种，到９０年代以
后，每年都发现入侵物种１～２种［７］。意大利苍耳（犡犪狀狋犺犻狌犿犻狋犪犾犻犮狌犿）是２０世纪９０年代入侵我国的有害杂草，
其原产北美洲，最早于１９９１年在北京市昌平区北祁家镇马坊桥的沟渠边发现［８］，之后在北京市石景山区、密云
县、房山区、朝阳区和辽宁鞍山等地相继发现了意大利苍耳［９１２］。由于意大利苍耳生态适应性强，在群落中极易
形成单一优势种，对入侵地的农业、畜牧业和生物多样性造成严重危害，我国已于１９９７年将其列为我国入境检疫
３类有害生物［１１，１２］。
前人对于意大利苍耳的研究主要集中在生物学特性、危害和防治等方面［９１３］。鉴于意大利苍耳在我国的分
布状况、扩散趋势和潜在的危害，首要的任务就是制定早期预警措施预防其再度入侵和控制其进一步扩散。这就
需要探明意大利苍耳在我国的适生范围和进一步扩散的风险。本研究采用预设预测规则的遗传算法（ｇｅｎｅｔｉｃ
ａｌｇｏｒｉｔｈｍｆｏｒｒｕｌｅｓｅｔｐｒｅｄｉｃｔｉｏｎ，ＧＡＲＰ）生态位模型预测了意大利苍耳在我国的适生区，并结合其在我国传入
和扩散特性划定了重点监测区域，这可为决策者制定相应的管理措施提供理论支持。
１ 材料与方法
１．１ 基础数据的搜集与处理
意大利苍耳在中国的分布数据来源于公开发表的论文［８１３］和笔者２００６－２００９年对北京、河北、天津、山东、
辽宁、黑龙江、广东、湖北和重庆的野外考察记录。并根据意大利苍耳在中国的入侵记录分析了意大利苍耳在中
国的扩散过程和地理分布格局。
２２２－２３０
２０１０年１２月
草 业 学 报
ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ
第１９卷 第６期
Ｖｏｌ．１９，Ｎｏ．６
收稿日期：２０１００２０１；改回日期：２０１００３１６
基金项目：国家重点基础研究发展计划项目（２００９ＣＢ１１９２００），自然科学基金（３１０００８８３），国家科技支撑计划项目（２００６ＢＡＤ０８Ａ１５）和农业公
益性行业科研专项（２００９０３０３４）资助。
作者简介：王瑞（１９７６），男，河北大名人，博士。Ｅｍａｉｌ：ｗａｎｇｒｃａａｓ＠１６３．ｃｏｍ
通讯作者。Ｅｍａｉｌ：ｗａｎｆｈ＠ｃａａｓ．ｎｅｔ．ｃｎ
意大利苍耳在国外的地理分布数据主要源于全球生物多样性信息机构物种分布数据库（ＧｌｏｂａｌＢｉｏｄｉｖｅｒｓｉｔｙ
ＩｎｆｏｒｍａｔｉｏｎＦａｃｉｌｉｔｙ，ＧＢＩＦ）（ｈｔｔｐ：／／ｗｗｗ．ｇｂｉｆ．ｏｒｇ／）。从该数据库中整理出意大利苍耳在国外的记录分布点
２６７０个，其中原产地北美洲分布点１５９３个，入侵地分布数据１０７７个。入侵地主要分布在欧洲的西班牙、法国、
德国、英国、意大利、瑞典等国，亚洲的朝鲜、日本、以色列、叙利亚、黎巴嫩，大洋洲的澳大利亚和南美洲的巴西、阿
根廷、秘鲁、巴拉圭和哥伦比亚等国（图１）。最后，把通过上述途径获得的分布数据参考《２１世纪世界地名录》［１４］
和《中国地名录》［１５］转换为地理坐标，分别构建原产地分布数据库和入侵地分布数据库，并保存为Ｅｘｃｅｌ文档以
用于意大利苍耳适生区预测和模型评价［１６］。
１．２ 预测方法
已有多种模型可以直接用于物种潜在分布区的预测，常用的生态位模型有ＢＩＯＣＬＩＭ、ＢＩＯＭＡＰＰＥＲ、ＤＩ
ＶＡ、ＤＯＭＡＩＮ、ＤＯＭＡＩＮ、广义相加模型 （ｇｅｎｅｒａｌｉｚｅｄａｄｄｉｔｉｖｅｍｏｄｅｌ，ＧＡＭ）、ＧＡＲＰ、广义线性模型 （ｇｅｎｅｒａｌ
ｉｚｅｄｌｉｎｅａｒｍｏｄｅｌ，ＧＬＭ）、最大熵模型（ｍａｘｅｎｔ）等［１７１９］。ＧＡＲＰ生态位模型在外来植物适生区预测中应用最为
广泛且准确性高［２０２５］。该模型是利用物种的已知分布数据和环境数据运行产生不同规则的集合来判断物种的生
态需求，进而预测物种的潜在分布区［２６］。最终的模型可投影到地理空间，形成预测适合物种分布区的数字地
图［２６］。本研究基于此模型，应用ＤｅｓｋｔｏｐＧａｒｐ１．１．６版（ｈｔｔｐ：／／ｗｗｗ．ｌｉｆｅｍａｐｐｅｒ．ｏｒｇ／ｄｅｓｋｔｏｐｇａｒｐ）进行预测。
环境数据集来源于 ＷＯＲＬＤＣＬＩＭ，包括海拔、气温、降水等２０个环境因子（ｈｔｔｐ：／／ｗｗｗ．ｗｏｒｌｄｃｌｉｍ．ｏｒｇ）（表１），
环境数据空间分辨率为５′。
首先，采用刀切法（ｊａｃｋｋｎｉｆｅ）选取能够提高模型预测精确度的环境因子，即通过依次省略每一个环境因子，
创建２０个不同的环境因子组。其次，通过ＧＡＲＰ模型运算来分析每一环境因子与遗漏误差间的关系。在使用
ＧＡＲＰ模型时，５０％的原产地数据用于建立模型，创建规则时反复运行１０００次或按照结果的收敛而终止。对每
组的环境因子重复创建１００次模型。最后，通过分析每一个环境因子与遗漏无误差间的相关性来确定最优的环
境参数［２５，２７］。如果一个环境因子的存在与遗漏误差正相关，则表明该环境因子会降低模型预测的准确性，则该
环境因子将不被包含在最终的分析中。
在最终分析中，重复创建５００次模型，创建模型规则时重复运算次数最大值（ｍａｘｉｔｅｒａｔｉｏｎ）设为１００００，收
敛极限（ｃｏｎｖｅｒｇｅｎｃｅｌｉｍｉｔ）为０．０１，规则类型使用默认设置，生成ＡＲＣ／ＩＮＦＯ栅格格式图层。运算完毕后，参考
Ａｎｄｅｒｓｏｎ等［２８］提出的最优模型选择方法从中选取１０个最优模型，具体操作步骤为：首先，选出预测遗漏误差为
０的模型；其次，计算所有遗漏误差为０的模型所预测的意大利苍耳适生区域平均面积；最后，从以上所有零误差
模型中筛选出预测意大利苍耳适生区面积最接近所有０误差模型预测平均值的１０个模型作为最优模型。然后
利用ＡｒｃＧＩＳ的空间扩展模块（ｓｐａｔｉａｌａｎａｌｙｓｔｔｏｏｌ），将预测结果进行叠加。叠加后每一个栅格的数值为０～１０，
这个数值代表１０个模型中预测该栅格适合意大利苍耳生长的模型数量。并将每一栅格预测适合生长的模型数
量的百分比定义为重叠系数（ｏｖｅｒｌａｐｉｎｄｅｘ，ＯＩ），重叠系数值越大表示该栅格的环境参数越适合物种的生存。
因此，根据重叠系数的大小将预测的区域划分为：最适宜的区域（ＯＩ≥０．８）、较适宜的区域（０．５＜ＯＩ≤０．７）和不
适宜生存的区域（ＯＩ≤０．５）。
１．３ 模型评价
为了验证利用意大利苍耳在原产地分布数据构建的模型预测意大利苍耳在全球适生区的准确性，本研究采
用了ＲＯＣ（ｒｅｃｅｉｖｅｒｏｐｅｒａｔｉｎｇｃｈａｒａｃｔｅｒｉｓｔｉｃｃｕｒｖｅ）曲线分析来进行模型评价［２９，３０］。ＲＯＣ曲线是以预测结果的每
一个值作为可能的判断阈值，由此计算得到相应的灵敏度即真阳性率（指实际有分布且被预测为阳性的概率）和
特异度（指实际没有该物种分布且被正确预测为阴性的概率，即真阴性率）。以假阳性率即（１－特异度）为横坐
标，以真阳性率即灵敏度为纵坐标绘制而成，其曲线下面积（ａｒｅａｕｎｄｅｒｃｕｒｖｅ，ＡＵＣ）的大小作为模型预测准确
度的衡量指标。ＲＯＣ曲线检验方法的评估标准：ＡＵＣ为０．５～０．６失败；ＡＵＣ为０．６～０．７较差；ＡＵＣ为０．７～
０．８一般；ＡＵＣ为０．８～０．９好；ＡＵＣ为０．９～１．０非常好［２９］。
３２２第１９卷第６期 草业学报２０１０年
２ 结果与分析
２．１ 意大利苍耳在中国的传入历史和分布现状
意大利苍耳在中国最早于１９９１年９月在北京市昌平区北祁家乡马坊桥沟边被发现。近年来随着调查研究
的深入，发现意大利苍耳的发生面积和分布区域在不断扩大。如２００２年石景山区八大处公园和昌平区北沙河发
现了其分布、２００４年在密云县密云水库撂荒地和房山区十渡拒马河边发现了意大利苍耳，２００５年在官厅水库和
朝阳区洼里北京师范大学分校区院内发现了意大利苍耳，２００６年在门头沟区百花山发现了意大利苍耳，２００７年
在北京市门头沟区小龙门森林公园、辽宁省鞍山市千山区钢铁厂厂区路边、山东省威海市山东大学威海分校都发
现了意大利苍耳。截止２００８年，意大利苍耳在我国的北京市、辽宁省鞍山市、山东省威海市的１０个县区有分布
记录，而且呈间断的分布格局（图１，２）。
２．２ 适生区预测
意大利苍耳生态位模型环境参数刀切法分析表明海拔、年均温、昼夜温差月均值、昼夜温差与年温差比值、温
度变化方差、最冷月份最低温、年温变化范围、最湿季度平均温度、最干季度平均温度、最冷季度平均温度、最干季
度降水量、最湿季度降水量等１２个环境参数与遗漏误差呈正相关（表１），即会降低模型预测的准确性。因此，这
１２个环境参数在最终的分析中被去掉。剩余的８个环境参数作为影响意大利苍耳分布的主要环境因素被用来
建立模型预测意大利苍耳的潜在分布区（表１）。８个环境参数为最热月份最高温、最暖季度平均温度、年降水量、
最湿月份降水量、降水量变化方差、最干月份降水量、最暖季度降水量和最冷季度降水量（表１）。
按照Ａｎｄｅｒｓｏｎ等［２８］提出的最优模型的选择方法，从预运算的１００个模型中筛选出１０个最优模型。以外部
独立检验数据集为基础的卡方检验显示所选出的１０个模型在统计上都高度显著（犘＜０．０１），即模型的预测能力
远远好于随机模型。
此外，以意大利苍耳在入侵地分布数据为检验数据构建ＲＯＣ曲线下的面积（ＡＵＣ）为０．９１。意大利苍耳在
原产地和入侵地的已知分布点的重叠系数都大于０．６。
同时，为深入分析刀切法筛选的主要环境参数对意大利苍耳分布的影响，以筛选的主要环境参数，两两配对
构成坐标轴，分别以原产地、入侵地以及意大利苍耳在我国适生区和非适生区为研究范围，绘制散点图以显示意
大利苍耳在二维环境空间上的生态位分布（图３ａ～ｄ）。该图显示意大利苍耳在入侵地分布点的环境参数全部位
于原产地分布点相应环境参数构成的二维环境空间生态位边界内部，而意大利苍耳在我国非适生区的环境参数
值位于原产地分布点相应环境参数构成的二维空间生态位边界的外部，意大利苍耳在入侵地的环境生态位与原
产地生态位重叠。
把利用意大利苍耳原产地数据构建的生态位模型投影到中国，我国除青海、西藏、新疆天山山脉以南和内蒙
古自治区北部地区外，大部分地区都是意大利苍耳的适生区（ＯＩ＞０．６），具体包括吉林、黑龙江的东部、北京、天
津、河北、辽宁的部分地区、河南、湖北、湖南、陕西、山西、山东、江西、江苏、浙江、上海、甘肃、宁夏、四川、重庆、广
西、广东、海南、福建等地区（图２），另外，意大利苍耳在我国已知分布点的重叠系数都大于０．６（图２）。
３ 讨论
３．１ 利用原产地数据构建ＧＡＲＰ模型预测意大利苍耳在中国适生区的准确性
选择合理的运算数据是利用ＧＡＲＰ生态位模型预测物种适生区的关键。ＧＡＲＰ生态位模型的原理是根据
物种已知的分布数据和环境数据产生以生态位为基础的物种与环境关系模型，将此模型投影到目标地区预测物
种潜在的地理分布［２０，３０］。因此，能够用来构建模型预测外来物种适生区的地理分布数据必须能够代表适合该物
种生存的全部地区，即物种与环境之间处于平衡状态［３１］。根据物种生态位进化的保守性［２０］，外来物种在其原产
地的分布数据可以准确预测其在入侵地的适生区。当前，已有许多研究以外来物种在原产地分布数据构建生态
位模型成功预测了其在入侵地的适生区［２，２１２５，３２３６］。但是外来物种在入侵地的生态位会随着时间和空间的变化
而发生漂移［３７３９］。如果入侵物种在入侵地生态位发生漂移，就不能利用原产地的数据构建生态位模型预测其适
生区。利用入侵地达到平衡状态的分布数据来预测其适生区或许更准确［４０］。由于外来物种通常是从最早入侵
的某一地点或几个地点向外扩散，在特定的时间内，外来入侵物种在入侵地的生态学特性很难反映出物种的完整
４２２ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１０） Ｖｏｌ．１９，Ｎｏ．６
图１ 意大利苍耳在全球分布及适生区预测图
犉犻犵．１ 犕犪狆狅犳狋犺犲犮狌狉狉犲狀狋犪狀犱犿狅犱犲犾犲犱狆狅狋犲狀狋犻犪犾犱犻狊狋狉犻犫狌狋犻狅狀狅犳犡．犻狋犪犾犻犮狌犿狋犺狉狅狌犵犺狅狌狋狋犺犲狑狅狉犾犱
图２ 意大利苍耳在中国分布及适生区预测图
犉犻犵．２ 犕犪狆狅犳狋犺犲犮狌狉狉犲狀狋犪狀犱犿狅犱犲犾犲犱狆狅狋犲狀狋犻犪犾犱犻狊狋狉犻犫狌狋犻狅狀狅犳犡．犻狋犪犾犻犮狌犿犻狀犆犺犻狀犪
５２２第１９卷第６期 草业学报２０１０年
表１ 生态位模型环境参数
犜犪犫犾犲１ 犇犲狊犮狉犻狆狋犻狅狀狅犳犲狀狏犻狉狅狀犿犲狀狋犪犾犱犪狋犪犾犪狔犲狉狊
环境参数Ｅｎｖｉｒｏｎｍｅｎｔａｌｄａｔａｌａｙｅｒｓ 相关系数ＡＣｏｒｒｅｌａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔ 备注ＢＲｅｍａｒｋｓ
海拔 Ａｌｔｉｔｕｄｅ ０．００６
年均温 Ａｎｎｕａｌｍｅａｎｔｅｍｐｅｒａｔｕｒｅ ０．００２
昼夜温差月均值 Ｍｅａｎｄｉｕｒｎａｌｒａｎｇｅ［Ｍｅａｎｏｆｍｏｎｔｈｌｙ（ｍａｘｔｅｍｐｅｒａｔｕｒｅ－ｍｉｎｔｅｍｐｅｒａｔｕｒｅ）］ ０．０２８
昼夜温差与年温差比值Ｉｓｏｔｈｅｒｍａｌｉｔｙ（×１００） ０．００４
温度变化方差 Ｔｅｍｐｅｒａｔｕｒｅｓｅａｓｏｎａｌｉｔｙ（标准差Ｓｔａｎｄａｒｄｄｅｖｉａｔｉｏｎ×１００） ０．０１３
最热月份最高温 Ｍａｘｉｍｕｍｔｅｍｐｅｒａｔｕｒｅｏｆｗａｒｍｅｓｔｍｏｎｔｈ －０．００４ √
最冷月份最低温 Ｍｉｎｉｍｕｍｔｅｍｐｅｒａｔｕｒｅｏｆｃｏｌｄｅｓｔｍｏｎｔｈ ０．０４３
年温变化范围 Ｔｅｍｐｅｒａｔｕｒｅａｎｎｕａｌｒａｎｇｅ ０．０１０
最湿季度平均温度 Ｍｅａｎｔｅｍｐｅｒａｔｕｒｅｏｆｗｅｔｔｅｓｔｑｕａｒｔｅｒ ０．０２７
最干季度平均温度 Ｍｅａｎｔｅｍｐｅｒａｔｕｒｅｏｆｄｒｉｅｓｔｑｕａｒｔｅｒ ０．１２０
最暖季度平均温度 Ｍｅａｎｔｅｍｐｅｒａｔｕｒｅｏｆｗａｒｍｅｓｔｑｕａｒｔｅｒ －０．００９ √
最冷季度平均温度 Ｍｅａｎｔｅｍｐｅｒａｔｕｒｅｏｆｃｏｌｄｅｓｔｑｕａｒｔｅｒ ０．００８
年降水量 Ａｎｎｕａｌｐｒｅｃｉｐｉｔａｔｉｏｎ －０．０１２ √
最湿月份降水量Ｐｒｅｃｉｐｉｔａｔｉｏｎｏｆｗｅｔｔｅｓｔｍｏｎｔｈ －０．０１９ √
最干月份降水量Ｐｒｅｃｉｐｉｔａｔｉｏｎｏｆｄｒｉｅｓｔｍｏｎｔｈ －０．００１ √
降水量变化方差Ｐｒｅｃｉｐｉｔａｔｉｏｎｓｅａｓｏｎａｌｉｔｙ（变异系数Ｃｏｅｆｆｉｃｉｅｎｔｏｆｖａｒｉａｔｉｏｎ） －０．０５４ √
最湿季度降水量Ｐｒｅｃｉｐｉｔａｔｉｏｎｏｆｗｅｔｔｅｓｔｑｕａｒｔｅｒ ０．００３
最干季度降水量Ｐｒｅｃｉｐｉｔａｔｉｏｎｏｆｄｒｉｅｓｔｑｕａｒｔｅｒ ０．０３２
最暖季度降水量Ｐｒｅｃｉｐｉｔａｔｉｏｎｏｆｗａｒｍｅｓｔｑｕａｒｔｅｒ －０．０２０ √
最冷季度降水量Ｐｒｅｃｉｐｉｔａｔｉｏｎｏｆｃｏｌｄｅｓｔｑｕａｒｔｅｒ －０．０３５ √
“Ａ”是指环境参数与遗漏误差之间的相关系数Ｃｏｒｒｅｌａｔｉｏｎｃｏｅｆｆｉｃｉｅｎｔｂｅｔｗｅｅｎｔｈｅｉｎｃｌｕｓｉｏｎｏｒｅｘｃｌｕｓｉｏｎｏｆｅａｃｈｅｎｖｉｒｏｎｍｅｎｔａｌｌａｙｅｒｓａｎｄｔｈｅｏｍｉｓ
ｓｉｏｎｅｒｒｏｒ；Ｂ，“√”表示该参数被用在最终分析中Ｔｈｅｅｎｖｉｒｏｎｍｅｎｔａｌｌａｙｅｒｓｉｎｃｌｕｄｅｄｉｎｔｈｅｆｉｎａｌａｎａｌｙｓｉｓａｒｅｉｎｄｉｃａｔｅｄｗｉｔｈ“√”。
生态学需求［３１］。利用入侵地非平衡分布数据，特别是早期分布数据进行适生区预测就会产生误差［３１］。因此，在
应用生态位模型预测外来物种适生区时，不加评价的直接采用原产地或入侵地的分布数据进行其适生区的预测
是不可行的。本研究首先采用意大利苍耳在原产地北美洲的分布数据构建生态位模型预测其在世界范围内的适
生区，进而以意大利苍耳在欧洲、南美洲、大洋洲和亚洲的入侵点为独立检验数据构建ＲＯＣ曲线检验模型预测
的准确性。ＲＯＣ曲线下的面积（ＡＵＣ）为０．９１，根据ＲＯＣ曲线检验方法的评估标准，ＡＵＣ＞０．８，即可认为原产
地的分布数据构建的模型预测的分布区与其实际分布吻合，而且原产地和入侵地的已知分布点都被预测为其适
生区（ＯＩ＞０．６）。因此意大利苍耳原产地分布数据建立的模型具有很强的预测能力，同时也验证了意大利苍耳
在入侵地的生态位未发生漂移。此外，由主要环境因子构成的环境生态位分布模拟也验证了意大利苍耳原产地
生态位和入侵地生态位的一致性（图３ａ～ｄ），也同样证明了模型预测的准确性。鉴于意大利苍耳生态位的保守性，
本研究利用原产地的分布数据预测了其在我国的适生区。结果表明，中国大部分地区都是意大利苍耳的适生区。
３．２ 意大利苍耳在我国的传入、扩散途径与潜在扩散趋势
意大利苍耳是我国近年来扩散速度较快的外来入侵植物之一。意大利苍耳自２０世纪９０年代初在北京昌平
发现以来，目前已经扩散到了北京市的７个区（县），辽宁鞍山、山东威海和广西桂林。意大利苍耳之所以能够快
速扩散与其自身的生物学特性和人为因素是密不可分的。首先，意大利苍耳在我国呈间断分布格局，这可能是由
于多次、多途径传入导致的。意大利苍耳原产北美洲，跨越太平洋来到中国，不可能是风力、水流等自然力量所能
完成的，很可能是随交通工具或货物被无意引入的。地区间的贸易活动是导致意大利苍耳入侵我国的关键因素。
意大利苍耳最早传入北京就是随进口农副产品或其包装物携带传入的［１１］。此外，意大利苍耳在南北美洲、欧洲、
６２２ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１０） Ｖｏｌ．１９，Ｎｏ．６
图３ 意大利苍耳在环境空间生态位分布
犉犻犵．３ 犈犮狅犾狅犵犻犮犪犾狀犻犮犺犲狊狅犳犡．犻狋犪犾犻犮狌犿犻狀犲狀狏犻狉狅狀犿犲狀狋犪犾狊狆犪犮犲狊
７２２第１９卷第６期 草业学报２０１０年
亚洲和大洋洲的２０多个国家和地区都有分布，这些国家均与我国有广泛的贸易往来更增加了其入侵我国的几
率。近年来各地海关还不断截获意大利苍耳的种子，如２００７年广东省中山口岸就从日本的旧履带式挖掘机上截
获了意大利苍耳种子［４１］。２００８年秦皇岛等地海关检疫部门从进口农产品（如大豆）等货物中检测到了意大利苍
耳的种子［４２］。２００７－２００８年在辽宁鞍山和山东青岛相距数千公里的地区先后发现意大利苍耳，可能是由于其种
子随进口货物而传入的。如意大利苍耳在鞍山的最早入侵地为新建钢铁厂区，这可能是其种子随进口建筑材料
或机械设备包装物而传入的。由于意大利苍耳极易随货物运输传入我国，因此应当加大货物进口的主要通道如
沿海港口、机场等区域的监测力度，如在我国东部和南部沿海的３６个主要港口建立监测带，并定期开展外来有害
生物调查。
其次，意大利苍耳在我国的扩散与人类的活动密切相关。外来物种的传播主要依靠２种途径：第１种方式是
通过外来物种自身的扩散能力向周围空间扩散，这种方式通常是短程的，即从某一点沿特定的通道传到另一个
点；第２种方式是借助于某些媒介传播，距离较长且可以是跳跃式的，主要通过动物和人类的活动等途径携带而
扩散［４３，４４］。自从１９９１年在北京市昌平区发现意大利苍耳以来，先后相继在石景山区、房山区、密云县、朝阳区等
地发现，这个过程显示其在北京的扩散是跳跃式的，而且意大利苍耳在这些地区的最早入侵地均位于人类活动频
繁的地区，如风景区和高校校区。有理由推断由人活动引起的长距离跳跃式扩散是其主要的扩散方式。由于意
大利苍耳具有很强的繁殖能力，１株发育良好的植株每年可结１４００余粒种子，且种子密生倒钩刺，很容易附着在
家畜家禽、野生动物体、农机具、种子及农副产品包装物上进行远距离传播［１１］。因此，中国已入侵的种群会成为
其在我国进一步扩散的源头，应尽早铲除。适生区预测结果显示，意大利苍耳在中国的适生区非常广泛，分布远
没有达到饱和，仍可继续扩散。鉴于意大利苍耳在我国的扩散与人类活动密切相关，因此，应该加大对适生区域
内旅游景区、大中城市工厂厂区、高校校区等人类活动频繁的地区的监测力度。
综上所述，针对于意大利苍耳在我国广阔的适生区、多样化的传入扩散途径、多元化的传入扩散源及其种子
易于扩散的特性，建议对新近入侵的地区采取早期根除措施，同时加大对未入侵的重点区域如港口、机场、旅游区
等地点的监测力度，以预防其再度入侵和进一步扩散。
致谢：感谢中国科学院植物研究所李振宇研究员对于本研究提出的建设性意见，感谢西南大学本科实习生谭光群
同学在本研究数据整理工作中给予的帮助。
参考文献：
［１］ ＰｉｍｅｎｔｅｌＤ，ＬａｃｈＬ，ＺｕｎｉｇａＲ，犲狋犪犾．ＥｎｖｉｒｏｎｍｅｎｔａｌａｎｄｅｃｏｎｏｍｉｃｃｏｓｔｓａｓｓｏｃｉａｔｅｄｗｉｔｈｎｏｎｉｎｄｉｇｅｎｏｕｓｓｐｅｃｉｅｓｉｎｔｈｅＵｎｉｔｅｄ
Ｓｔａｔｅｓ［Ｊ］．Ｂｉｏｓｃｉｅｎｃｅ，１９９９，５０：５３７８．
［２］ ＨｉｇｇｉｎｓＳＩ，ＲｉｃｈａｒｄｓｏｎＤＭ，ＣｏｗｌｉｎｇＲＭ，犲狋犪犾．Ｐｒｅｄｉｃｔｉｎｇｔｈｅｌａｎｄｓｃａｐｅｓｃａｌｅｄｉｓｔｒｉｂｕｔｉｏｎｏｆａｌｉｅｎｐｌａｎｔｓａｎｄｔｈｅｉｒｔｈｒｅａｔ
ｔｏｐｌａｎｔｄｉｖｅｒｓｉｔｙ［Ｊ］．ＣｏｎｓｅｒｖａｔｉｏｎＢｉｏｌｏｇｙ，１９９９，１３：３０３３１３．
［３］ 孙娟，杨国锋，陈玉成，等．金佛山自然保护区外来入侵植物种及其分布情况［Ｊ］．草业学报，２００９，１８（３）：３４４２．
［４］ 高兴祥，李美，高宗军，等．外来物种小飞蓬的化感作用初步研究［Ｊ］．草业学报，２００９，１８（５）：４６５１．
［５］ ＷｅｂｅｒＥ．ＣｕｒｒｅｎｔａｎｄｐｏｔｅｎｔｉａｌｒａｎｇｅｓｏｆｔｈｒｅｅｅｘｏｔｉｃＧｏｌｄｅｎｒｏｄｓ（犛狅犾犻犱犪犵狅）ｉｎＥｕｒｏｐｅ［Ｊ］．ＣｏｎｓｅｒｖａｔｉｏｎＢｉｏｌｏｇｙ，２００１，
１５（１）：１２２１２８．
［６］ 徐汝梅．生物入侵－数据集成、数量分析与预警［Ｍ］．北京：科学出版社，２００３．
［７］ 万方浩，郑小波，郭建英．重要农林外来入侵物种的生物学与控制［Ｍ］．北京：科学出版社，２００５．
［８］ 车晋滇．北京市外来杂草调查及其防除对策［Ｊ］．杂草科学，２００４，２：９１２．
［９］ 刘全儒．北京及河北植物新纪录［Ｊ］．北京师范大学学报（自然科学版），２０００，３６（５）：６７４６７６．
［１０］ 高兴祥，李美，高宗军，等．苍耳对不同植物幼苗的化感作用研究［Ｊ］．草业学报，２００９，１８（２）：９５１０１．
［１１］ 车晋滇，胡彬．外来入侵杂草意大利苍耳［Ｊ］．杂草科学，２００７，２：５７５９．
［１２］ 刘慧圆，明冠华．外来入侵种意大利苍耳的分布现状及防控措施［Ｊ］．生物学通报，２００８，４３（５）：１５１６．
［１３］ 吴冬，黄妹博，李宏庆．意大利苍耳二形性种子萌发、植株生长差异及生态适应性［Ｊ］．生态学报，２００９，２９（１０）：５２５８
８２２ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１０） Ｖｏｌ．１９，Ｎｏ．６
５２６４．
［１４］ 萧德荣，周定国．２１世纪世界地名录［Ｍ］．北京：现代出版社，２００１．
［１５］ 国家测绘局地名研究所．中国地名录［Ｍ］．北京：中国地图出版社，１９９７．
［１６］ 周兆叶，王志伟，九次力，等．ＧＩＳ技术在生态环境状况评价方面的应用［Ｊ］．草业科学，２００９，１０：５２５８．
［１７］ ＫｒｉｔｉｃｏｓＤ，ＲａｎｄａｌＲ．Ａｃｏｍｐａｒｉｓｏｎｏｆｓｙｓｔｅｍｓｔｏａｎａｌｙｓｅｐｏｔｅｎｔｉａｌｗｅｅｄｄｉｓｔｒｉｂｕｔｉｏｎｓ［Ａ］．Ｉｎ：ＧｒｏｖｅＲＨ，ＰａｎｅｔｔａＦＤ，
ＶｉｒｔｕｅＪＧ．ＷｅｅｄＲｉｓｋＡｓｓｅｓｓｍｅｎｔ［Ｍ］．Ａｕｓｔｒａｌｉａ：ＣＳＲＩＯＰｕｂｌｉｓｈｉｎｇ，２００１：６１７９．
［１８］ ＧｕｉｓａｎＡ，ＴｈｕｉｌｅｒＷ．Ｐｒｅｄｉｃｔｉｎｇｓｐｅｃｉｅｓｄｉｓｔｒｉｂｕｔｉｏｎ：Ｏｆｆｅｒｉｎｇｍｏｒｅｔｈａｎｓｉｍｐｌｅｈａｂｉｔａｔｍｏｄｅｌｓ［Ｊ］．ＥｃｏｌｏｇｙＬｅｔｔｅｒｓ，２００５，
８：９９３１００９．
［１９］ ＥｌｉｔｈＪ，ＧｒａｈａｍＣＨ，ＡｎｄｅｒｓｏｎＲＰ，犲狋犪犾．Ｎｏｖｅｌｍｅｔｈｏｄｓｉｍｐｒｏｖｅｐｒｅｄｉｃｔｉｏｎｏｆｓｐｅｃｉｅｓ’ｄｉｓｔｒｉｂｕｔｉｏｎｓｆｒｏｍｏｃｃｕｒｒｅｎｃｅｄａｔａ［Ｊ］．
Ｅｃｏｇｒａｐｈｙ，２００６，２９：１２９１５１．
［２０］ ＰｅｔｅｒｓｏｎＡＴ，ＳｏｂｅｒóｎＪ，ＳáｎｃｈｅｚＣｏｒｄｅｒｏＶ．Ｃｏｎｓｅｒｖａｔｉｓｍｏｆｅｃｏｌｏｇｉｃａｌｎｉｃｈｅｓｉｎｅｖｏｌｕｔｉｏｎａｒｙｔｉｍｅ［Ｊ］．Ｓｃｉｅｎｃｅ，１９９９，
２８５：１２６５１２６７．
［２１］ ＰｅｔｅｒｓｏｎＡＴ．Ｐｒｅｄｉｃｔｉｎｇｓｐｅｃｉｅｓ’ｇｅｏｇｒａｐｈｉｃｄｉｓｔｒｉｂｕｔｉｏｎｓｂａｓｅｄｏｎｅｃｏｌｏｇｉｃａｌｎｉｃｈｅｍｏｄｅｌｉｎｇ［Ｊ］．Ｃｏｎｄｏｒ，２００１，１０３：５９９
６０５．
［２２］ ＰｅｔｅｒｓｏｎＡＴ，ＶｉｅｇｌａｉｓＤＡ．Ｐｒｅｄｉｃｔｉｎｇｓｐｅｃｉｅｓｉｎｖａｓｉｏｎｓｕｓｉｎｇｅｃｏｌｏｇｉｃａｌｎｉｃｈｅｍｏｄｅｌｉｎｇ：Ｎｅｗａｐｐｒｏａｃｈｅｓｆｒｏｍｂｉｏｉｎｆｏｒｍａ
ｔｉｃｓａｔｔａｃｋａｐｒｅｓｓｉｎｇｐｒｏｂｌｅｍ［Ｊ］．Ｂｉｏｓｃｉｅｎｃｅ，２００１，５１：３６３３７１．
［２３］ ＡｎｄｅｒｓｏｎＲＰ，ＧóｍｅｚＬＭ，ＰｅｔｅｒｓｏｎＡＴ．ＧｅｏｇｒａｐｈｉｃａｌｄｉｓｔｒｉｂｕｔｉｏｎｓｏｆｓｐｉｎｙｐｏｃｋｅｔｍｉｃｅｉｎＳｏｕｔｈＡｍｅｒｉｃａ：Ｉｎｓｉｇｈｔｓｆｒｏｍ
ｐｒｅｄｉｃｔｉｖｅｍｏｄｅｌｓ［Ｊ］．ＧｌｏｂａｌＥｃｏｌｏｇｙａｎｄＢｉｏｇｅｏｇｒａｐｈｙ，２００２，１１：１３１１４１．
［２４］ ＰｅｔｅｒｓｏｎＡＴ，ＢａｌＬＧ，ＣｏｈｏｏｎＫＰ．ＰｒｅｄｉｃｔｉｎｇｄｉｓｔｒｉｂｕｔｉｏｎｓｏｆＭｅｘｉｃａｎｂｉｒｄｓｕｓｉｎｇｅｃｏｌｏｇｉｃａｌｎｉｃｈｅｍｏｄｅｌｉｎｇｍｅｔｈｏｄｓ［Ｊ］．
Ｉｂｉｓ，２００２，１４４：２７３２．
［２５］ ＰｅｔｅｒｓｏｎＡＴ，ＰａｐｅｓＭ，ＫｌｕｚａＤＡ．ＰｒｅｄｉｃｔｉｎｇｔｈｅｐｏｔｅｎｔｉａｌｉｎｖａｓｉｖｅｄｉｓｔｒｉｂｕｔｉｏｎｓｏｆｆｏｕｒａｌｉｅｎｐｌａｎｔｓｐｅｃｉｅｓｉｎＮｏｒｔｈＡｍｅｒｉ
ｃａｎ［Ｊ］．ＷｅｅｄＳｃｉｅｎｃｅ，２００３，５１：８６３８６８．
［２６］ ＳｔｏｃｋｗｅｌＤＲＢ，ＰｅｔｅｒｓＤＰ．ＴｈｅＧＡＲＰｍｏｄｅｌｉｎｇｓｙｓｔｅｍ：Ｐｒｏｂｌｅｍａｎｄｓｏｌｕｔｉｏｎｓｔｏａｕｔｏｍａｔｅｄｓｐａｔｉａｌｐｒｅｄｉｃｔｉｏｎ［Ｊ］．Ｉｎｔｅｒ
ｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＧｅｏｇｒａｐｈｉｃＩｎｆｏｒｍａｔｉｏｎＳｙｓｔｅｍｓ，１９９９，１３：１４３１５８．
［２７］ ＰａｐｅｓＭ，ＰｅｔｅｒｓｏｎＡＴ．Ｐｒｅｄｉｃｔｉｎｇｔｈｅｐｏｔｅｎｔｉａｌｉｎｖａｓｉｖｅｄｉｓｔｒｉｂｕｔｉｏｎｆｏｒ犃犵犲狉犪狋犻狀犪犪犱犲狀狅狆犺狅狉犪ｉｎＣｈｉｎａ［Ｊ］．ＪｏｕｒｎａｌｏｆＷｕ
ｈａｎＢｏｔａｎｉｃａｌＲｅｓｅａｒｃｈ，２００３，２１：１３７１４２．
［２８］ ＡｎｄｅｒｓｏｎＲＰ，ＬｅｗＤ，ＰｅｔｅｒｓｏｎＡＴ．Ｅｖａｌｕａｔｉｎｇｐｒｅｄｉｃｔｉｖｅｍｏｄｅｌｓｏｆｓｐｅｃｉｅｓ’ｄｉｓｔｒｉｂｕｔｉｏｎｓ：Ｃｒｉｔｅｒｉａｆｏｒｓｅｌｅｃｔｉｎｇｏｐｔｉｍａｌ
ｍｏｄｅｌｓ［Ｊ］．ＥｃｏｌｏｇｉｃａｌＭｏｄｅｌｉｎｇ，２００３，１６２：２１１２３２．
［２９］ ＳｗｅｔｓＫＡ．Ｍｅａｓｕｒｉｎｇｔｈｅａｃｃｕｒａｃｙｏｆｄｉａｇｎｏｓｔｉｃｓｙｓｔｅｍｓ［Ｊ］．Ｓｃｉｅｎｃｅ，１９８８，２４０：１２８５１２９３．
［３０］ 王运生，谢丙炎，万方浩，等．ＲＯＣ曲线分析在评价入侵物种分布模型中的应用［Ｊ］．生物多样性，２００７，１５（４）：３６５３７２．
［３１］ ＰｅｔｅｒｓｏｎＡＴ．Ｐｒｅｄｉｃｔｉｎｇｐｏｔｅｎｔｉａｌｇｅｏｇｒａｐｈｉｃｄｉｓｔｒｉｂｕｔｉｏｎｓｏｆｉｎｖａｄｉｎｇｓｐｅｃｉｅｓ［Ｊ］．ＣｕｒｒｅｎｔＳｃｉｅｎｃｅ，２００５，８９：９．
［３２］ ＢｅｅｒｌｉｎｇＤＪ，ＨｕｎｔｌｅｙＢ，ＢａｉｌｅｙＪＰ．Ｃｌｉｍａｔｅａｎｄｔｈｅｄｉｓｔｒｉｂｕｔｉｏｎｏｆ犉犪犾犾狅狆犻犪犼犪狆狅狀犻犮犪：Ｕｓｅｏｆａｎｉｎｔｒｏｄｕｃｅｄｓｐｅｃｉｅｓｔｏｔｅｓｔ
ｔｈｅｐｒｅｄｉｃｔｉｖｅｃａｐａｃｉｔｙｏｆｒｅｓｐｏｎｓｅｓｕｒｆａｃｅｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＶｅｇｅｔａｔｉｏｎＳｃｉｅｎｃｅ，１９９５，６：２６９２８２．
［３３］ ＰｅｔｅｒｓｏｎＡＴ．Ｐｒｅｄｉｃｔｉｎｇｔｈｅｇｅｏｇｒａｐｈｙｏｆｓｐｅｃｉｅｓ’ｉｎｖａｓｉｏｎｓｖｉａｅｃｏｌｏｇｉｃａｌｎｉｃｈｅｍｏｄｅｌｉｎｇ［Ｊ］．ＱｕａｒｔｅｒｌｙＲｅｖｉｅｗｏｆＢｉｏｌｏｇｙ，
２００３，７８：４１９４３３．
［３４］ ＲｉｃｈａｒｄｓｏｎＤＭ，ＭｃＭａｈｏｎＪＰ．Ａｂｉｏｃｌｉｍａｔｉｃａｎａｌｙｓｉｓｏｆ犈狌犮犪犾狔狆狋狌狊狀犻狀狋犲狀狊ｔｏｉｄｅｎｔｉｆｙｐｏｔｅｎｔｉａｌｐｌａｎｔｉｎｇｒｅｇｉｏｎｓｉｎＳｏｕｔｈ
ｅｒｎＡｆｒｉｃａ［Ｊ］．ＳｏｕｔｈＡｆｒｉｃａｎＪｏｕｒｎａｌｏｆＳｃｉｅｎｃｅ，１９９２，８８：３８０３８７．
［３５］ ＳｃｏｔｔＪＫ，ＰａｎｅｔｔａＦＤ．ＰｒｅｄｉｃｔｉｎｇｔｈｅＡｕｓｔｒａｌｉａｎｗｅｅｄｓｔａｔｕｓｏｆｓｏｕｔｈｅｒｎＡｆｒｉｃａｎｐｌａｎｔｓ［Ｊ］．ＪｏｕｒｎａｌｏｆＢｉｏｇｅｏｇｒａｐｈｙ，１９９３，
２０：８７９３．
［３６］ ＧａｎｅｓｈａｉａｈＫＮ，ＢａｒｖｅＮ，ＮａｔｈＮ，犲狋犪犾．Ｐｒｅｄｉｃｔｉｎｇｔｈｅｐｏｔｅｎｔｉａｌｇｅｏｇｒａｐｈｉｃａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆｔｈｅｓｕｇａｒｃａｎｅｗｏｏｌｙａｐｈｉｄ
ｕｓｉｎｇＧＡＲＰａｎｄＤＩＶＡ－ＧＩＳ［Ｊ］．ＣｕｒｒｅｎｔＳｃｉｅｎｃｅ，２００３，８５（１１）：１５２６１５２８．
［３７］ ＢｒｏｅｎｎｉｍａｎｎＯ，ＴｒｅｉｅｒＵＡ，ＭüｌｅｒＳｃｈａｒｅｒＨ，犲狋犪犾．Ｅｖｉｄｅｎｃｅｏｆｃｌｉｍａｔｉｃｎｉｃｈｅｓｈｉｆｔｄｕｒｉｎｇｂｉｏｌｏｇｉｃａｌｉｎｖａｓｉｏｎ［Ｊ］．Ｅｃｏｌｏｇｙ
Ｌｅｔｔｅｒｓ，２００７，１０（８）：７０１７０９．
［３８］ ＦｉｔｚｐａｔｒｉｃｋＭＣ，ＷｅｌｔｚｉｎＪＦ，ＳａｎｄｅｒｓＮＪ，犲狋犪犾．Ｔｈｅｂｉｏｇｅｏｇｒａｐｈｙｏｆｐｒｅｄｉｃｔｉｏｎｅｒｒｏｒ：Ｗｈｙｄｏｅｓｎ’ｔｔｈｅｉｎｔｒｏｄｕｃｅｄｒａｎｇｅｏｆ
ｔｈｅｆｉｒｅａｎｔｐｒｅｄｉｃｔｉｔｓｎａｔｉｖｅｒａｎｇｅｏｒｖｉｃｅｖｅｒｓａ［Ｊ］．ＧｌｏｂａｌＥｃｏｌｏｇｙａｎｄＢｉｏｇｅｏｇｒａｐｈｙ，２００７，１５：２４３３．
９２２第１９卷第６期 草业学报２０１０年
［３９］ ＷｉｅｎｓＪＪ，ＧｒａｈａｍＣＨ．Ｎｉｃｈｅｃｏｎｓｅｒｖａｔｉｓｍ：Ｉｎｔｅｇｒａｔｉｎｇｅｖｏｌｕｔｉｏｎ，ｅｃｏｌｏｇｙ，ａｎｄｃｏｎｓｅｒｖａｔｉｏｎｂｉｏｌｏｇｙ［Ｊ］．ＡｎｎｕａｌＲｅｖｉｅｗｏｆ
Ｅｃｏｌｏｇｙ，ＥｖｏｌｕｔｉｏｎａｎｄＳｙｓｔｅｍａｔｉｃ，２００５，３６：５１９５３９．
［４０］ ＷａｎｇＲ，ＷａｎｇＹＺ．Ｉｎｖａｓｉｏｎｄｙｎａｍｉｃｓａｎｄｐｏｔｅｎｔｉａｌｓｐｒｅａｄｏｆｔｈｅｉｎｖａｓｉｖｅａｌｉｅｎｐｌａｎｔｓｐｅｃｉｅｓ犃犵犲狉犪狋犻狀犪犪犱犲狀狅狆犺狅狉犪（Ａｓｔｅｒ
ａｃｅａｅ）ｉｎＣｈｉｎａ［Ｊ］．ＤｉｖｅｒｓｉｔｙａｎｄＤｉｓｔｒｉｂｕｔｉｏｎｓ，２００６，１２：３９７４０８．
［４１］ 王章根，管维，陈定虎，等．中山局截获检疫性杂草———意大利苍耳［Ｊ］．植物检疫，２００８，２２（１）：５９．
［４２］ 胡文多，赵曙国，郭成亮，等．进口粮谷中截获的检疫性杂草千粒重的测定［Ｊ］．植物检疫，２００８，２２（３）：１５７１５８．
［４３］ 王瑞，王印政．外来物种入侵、扩散过程与机制［Ａ］．见：徐汝梅，叶万辉．生物入侵理论与实践［Ｍ］．北京：科学出版社，
２００３：７６１０１．
［４４］ 徐承远，张文驹，卢宝荣，等．生物入侵机制研究进展［Ｊ］．生物多样性，２００１，９（４）：４３０４３８．
犘狉犲犱犻犮狋犻狅狀狅犳狋犺犲狆狅狋犲狀狋犻犪犾狊狌狉狏犻狏犪犾犪狉犲犪狅犳犡犪狀狋犺犻狌犿犻狋犪犾犻犮狌犿犻狀犆犺犻狀犪
ＷＡＮＧＲｕｉ，ＷＡＮＦａｎｇｈａｏ
（ＳｔａｔＫｅｙＬａｂｏｒａｔｏｒｙｆｏｒＢｉｏｌｏｇｙｏｆＰｌａｎｔＤｉｓｅａｓｅｓａｎｄＩｎｓｅｃｔＰｅｓｔｓ，ＩｎｓｔｉｔｕｔｅｏｆＰｌａｎｔ
Ｐｒｏｔｅｃｔｉｏｎ，ＣｈｉｎｅｓｅＡｃａｄｅｍｙｏｆＡｇｒｉｃｕｌｔｕｒａｌＳｃｉｅｎｃｅｓ，Ｂｅｉｊｉｎｇ１０００９４，Ｃｈｉｎａ）
犃犫狊狋狉犪犮狋：犡犪狀狋犺犻狌犿犻狋犪犾犻犮狌犿ｉｓｏｎｅｏｆｔｈｅｈａｒｍｆｕｌｑｕａｒａｎｔｉｎｅｗｅｅｄｓｉｎＣｈｉｎａａｎｄｉｔｈａｓｓｐｒｅａｄｒａｐｉｄｌｙｉｎＣｈｉｎａ
ｓｉｎｃｅｉｔｉｎｖａｄｅｄｉｎｔｈｅ１９９０ｓ．Ｉｎｏｒｄｅｒｔｏｍｏｎｉｔｏｒａｎｄｃｏｎｔｒｏｌ犡．犻狋犪犾犻犮狌犿ｅｆｆｅｃｔｉｖｅｌｙ，ｉｔｉｓｎｅｃｅｓｓａｒｙｔｏｐｒｅｄｉｃｔ
ｐｏｔｅｎｔｉａｌｓｕｒｖｉｖａｌａｒｅａｓｉｎＣｈｉｎａ．ＩｔｓｅｃｏｌｏｇｉｃａｌｎｉｃｈｅｓｗｅｒｅｍｏｄｅｌｅｄｔｈｒｏｕｇｈａｐｐｌｉｃａｔｉｏｎｏｆｔｈｅＧｅｎｅｔｉｃＡｌｇｏ
ｒｉｔｈｍｆｏｒＲｕｌｅｓｅｔＰｒｅｄｉｃｔｉｏｎ（ＧＡＲＰ）ｏｎｔｈｅｂａｓｉｓｏｆｉｔｓｎａｔｉｖｅｒｅｇｉｏｎ（ＮｏｒｔｈＡｍｅｒｉｃａ）．Ｔｈｅｍｏｄｅｌ’ｓａｃｃｕｒａｃｙ
ｗａｓｅｖａｌｕａｔｅｄｂｙＲｅｃｅｉｖｅｒＯｐｅｒａｔｏｒＣｈａｒａｃｔｅｒｉｓｔｉｃ（ＲＯＣ）ｃｕｒｖｅｂａｓｅｄｏｎｉｎｖａｄｅｄａｒｅａｓｉｎＥｕｒｏｐｅ，Ａｓｉａ，ａｎｄ
ＳｏｕｔｈＡｍｅｒｉｃａ．ＴｈｅａｒｅａｕｎｄｅｒｔｈｅＲＯＣｃｕｒｖｅ（ＡＵＣ）ｗａｓ０．９１，ｗｈｉｃｈｉｎｄｉｃａｔｅｄｔｈａｔａｌｍｏｄｅｌｓｈａｄａｈｉｇｈｌｙ
ｐｒｅｄｉｃｔｉｖｅａｂｉｌｉｔｙ．Ｔｈｅｅｃｏｌｏｇｉｃａｌｍｏｄｅｌｓｄｅｖｅｌｏｐｅｄｏｎｔｈｅｂａｓｉｓｏｆｔｈｅｎａｔｉｖｅｏｃｃｕｒｒｅｎｃｅｓｗｅｒｅｐｒｏｊｅｃｔｅｄｏｎｔｈｅ
ｌａｎｄｓｃａｐｅｏｆＣｈｉｎａ．ＷｉｔｈｔｈｅｅｘｃｅｐｔｉｏｎｏｆＱｉｎｇｈａｉ，Ｔｉｂｅｔ，ｓｏｕｔｈｅｒｎｐａｒｔｓｏｆＸｉｎｊｉａｎｇ，ａｎｄｎｏｒｔｈｅｒｎｐａｒｔｓｏｆ
ＩｎｎｅｒＭｏｎｇｏｌｉａ，ｍｏｓｔａｒｅａｓｉｎＣｈｉｎａｗｅｒｅｐｏｔｅｎｔｉａｌｓｕｒｖｉｖａｌａｒｅａｓｆｏｒ犡．犻狋犪犾犻犮狌犿．Ｂｅｃａｕｓｅｏｆ犡．犻狋犪犾犻犮狌犿’ｓ
ｈｉｇｈｄｉｓｐｅｒｓａｌａｂｉｌｉｔｙ，ａｎｄｄｉｖｅｒｓｅｄｉｓｐｅｒｓａｌｒｏｕｔｅｓ，ｔｈｅｐｏｔｅｎｔｉａｌｄｉｓｔｒｉｂｕｔｉｏｎａｒｅａｓｉｎＣｈｉｎａａｒｅｈｕｇｅａｎｄｉｔｍａｙ
ｉｎｖａｄｅｍｏｒｅａｒｅａｓａｎｄｓｐｒｅａｄｆａｓｔｅｒｉｎｔｈｅｆｕｔｕｒｅ．Ｔｏｐｒｅｖｅｎｔｆｕｒｔｈｅｒｉｎｖａｓｉｏｎａｎｄｓｐｒｅａｄ，ａｎｅａｒｌｙｅｒａｄｉｃａｔｉｏｎ
ｐｒｏｇｒａｍｓｈｏｕｌｄｂｅａｄｏｐｔｅｄｉｎｔｈｅｎｅｗｌｙｉｎｖａｄｅｄａｒｅａｓ．Ｍｅａｎｗｈｉｌｅ，ｔｈｅｍｏｎｉｔｏｒｉｎｇｐｒｏｇｒａｍｓｓｈｏｕｌｄｂｅａｐｐｌｉｅｄ
ｉｎｐｏｔｅｎｔｉａｌｓｕｒｖｉｖａｌａｒｅａｓ，ｅｓｐｅｃｉａｌｙｉｎｃｏａｓｔａｌｈａｒｂｏｒｓ，ａｉｒｐｏｒｔｓ，ａｎｄｔｏｕｒｉｓｍａｒｅａｓｗｈｉｃｈａｒｅｈｉｇｈｌｙｖｕｌｎｅｒａ
ｂｌｅｆｏｒ犡．犻狋犪犾犻犮狌犿ｉｎｖａｓｉｏｎ．
犓犲狔狑狅狉犱狊：犡犪狀狋犺犻狌犿犻狋犪犾犻犮狌犿；ｐｒｅｄｉｃｔｉｏｎｏｆｐｏｔｅｎｔｉａｌｓｕｒｖｉｖａｌａｒｅａ；ｉｎｖａｓｉｖｅｐｌａｎｔｓ；ｅｃｏｌｏｇｉｃａｌｎｉｃｈｅｍｏｄｅｌ
０３２ ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ（２０１０） Ｖｏｌ．１９，Ｎｏ．６