全 文 ：书犇犗犐：１０．１１６８６／犮狔狓犫２０１５０５０４ 犺狋狋狆：／／犮狔狓犫．犾狕狌．犲犱狌．犮狀
黄训兵，吴惠惠，秦兴虎，曹广春，王广君，农向群，涂雄兵，格希格都仁，贺兵，额尔登巴图，乌亚汗，张泽华．基于投影寻踪模型的草原蝗虫栖境
评价及风险评估．草业学报，２０１５，２４（５）：２５３３．
ＨｕａｎｇＸＢ，ＷｕＨＨ，ＱｉｎＸＨ，ＣａｏＧＣ，ＷａｎｇＧＪ，ＮｏｎｇＸＱ，ＴｕＸＢ，Ｇｅｘｉｇｅｄｕｒｅｎ，ＨｅＢ，Ｅｅｒｄｅｎｇｂａｔｕ，Ｗｕｙａｈａｎ，ＺｈａｎｇＺＨ．Ｃｏｍｐｒｅｈｅｎ
ｓｉｖｅｅｖａｌｕａｔｉｏｎａｎｄｒｉｓｋａｓｓｅｓｓｍｅｎｔｏｆｇｒａｓｓｈｏｐｐｅｒｓ’ｈａｂｉｔａｔｂａｓｅｄｏｎａｐｒｏｊｅｃｔｉｏｎｐｕｒｓｕｉｔｍｏｄｅｌ．ＡｃｔａＰｒａｔａｃｕｌｔｕｒａｅＳｉｎｉｃａ，２０１５，２４（５）：２５３３．
基于投影寻踪模型的草原蝗虫栖境评价及风险评估
黄训兵１，吴惠惠１，秦兴虎１，曹广春１，王广君１，农向群１，涂雄兵１，
格希格都仁２，贺兵２，额尔登巴图２，乌亚汗２，张泽华１
（１．植物病虫害生物学国家重点实验室，中国农业科学院植物保护研究所，北京１００１９３；
２．内蒙古自治区锡林郭勒盟镶黄旗草原工作站，内蒙古 锡林郭勒盟０１３２５０）
摘要：草原蝗虫发生与栖境存在紧密而复杂的关系，二者关系的研究是评估蝗灾发生风险的基础。本文分析了不
同栖境内蝗虫种群密度与２１个植被特征参数的相关关系，利用投影寻踪模型进行了栖境评价及风险评估，并进行
模型验证。结果表明，低优参数植物生物量多样性对蝗虫种群密度影响最大，最佳投影向量ａ为０．６７２５；高优参数
禾本科生态优势度对亚洲小车蝗密度影响最大，最佳投影向量ａ为０．６５４７；样点植被投影特征值犣犻 与蝗虫种群密
度线性相关关系极显著（狔＝４８．８６１狓－１８．９３７，犚＝０．９５０９），犣犻 越大，栖境内植被越适合蝗虫的发生，蝗灾发生
的风险越高，根据犣犻值可预测不同栖境草原蝗虫的发生。投影寻踪模型评价不同植被条件下蝗虫的发生风险，可
以排除与数据结构和特征无关或关系很小变量的干扰，是一种更稳健实用的方法，对于蝗虫的监测预警具有重要
意义。
关键词：草原蝗虫；草原植被；投影寻踪模型；风险评估
犆狅犿狆狉犲犺犲狀狊犻狏犲犲狏犪犾狌犪狋犻狅狀犪狀犱狉犻狊犽犪狊狊犲狊狊犿犲狀狋狅犳犵狉犪狊狊犺狅狆狆犲狉狊’犺犪犫犻狋犪狋犫犪狊犲犱狅狀犪
狆狉狅犼犲犮狋犻狅狀狆狌狉狊狌犻狋犿狅犱犲犾
ＨＵＡＮＧＸｕｎＢｉｎｇ１，ＷＵＨｕｉＨｕｉ１，ＱＩＮＸｉｎｇＨｕ１，ＣＡＯＧｕａｎｇＣｈｕｎ１，ＷＡＮＧＧｕａｎｇＪｕｎ１，ＮＯＮＧＸｉａｎｇＱｕｎ１，
ＴＵＸｉｏｎｇＢｉｎｇ１，Ｇｅｘｉｇｅｄｕｒｅｎ２，ＨＥＢｉｎｇ２，Ｅｅｒｄｅｎｇｂａｔｕ２，Ｗｕｙａｈａｎ２，ＺＨＡＮＧＺｅＨｕａ１
１．犛狋犪狋犲犓犲狔犔犪犫狅狉犪狋狅狉狔犳狅狉犅犻狅犾狅犵狔狅犳犘犾犪狀狋犇犻狊犲犪狊犲狊犪狀犱犐狀狊犲犮狋犘犲狊狋狊，犐狀狊狋犻狋狌狋犲狅犳犘犾犪狀狋犘狉狅狋犲犮狋犻狅狀，犆犺犻狀犲狊犲犃犮犪犱犲犿狔狅犳犃犵狉犻
犮狌犾狋狌狉犪犾犛犮犻犲狀犮犲狊，犅犲犻犼犻狀犵１００１９３，犆犺犻狀犪；２．犌狉犪狊狊犾犪狀犱犠狅狉犽狊狋犪狋犻狅狀狅犳犡犻犪狀犵犺狌犪狀犵狇犻犡犻犾犻狀犵狌狅犾犲犿犲狀犵，犡犻犾犻狀犵狌狅犾犲犿犲狀犵０１３２５０，
犆犺犻狀犪
犃犫狊狋狉犪犮狋：Ｔｈｅｒｅａｒｅｃｌｏｓｅａｎｄｃｏｍｐｌｅｘｒｅｌａｔｉｏｎｓｈｉｐｓｂｅｔｗｅｅｎｇｒａｓｓｈｏｐｐｅｒｏｃｃｕｒｒｅｎｃｅａｎｄｈａｂｉｔａｔｖｅｇｅｔａｔｉｏｎ．Ａ
ｃｏｍｐｒｅｈｅｎｓｉｖｅａｎａｌｙｓｉｓｏｆｔｈｅｓｅｒｅｌａｔｉｏｎｓｈｉｐｓｗｉｌｐｒｏｖｉｄｅａｓｔａｂｌｅｆｏｕｎｄａｔｉｏｎｆｏｒｒｉｓｋａｓｓｅｓｓｍｅｎｔｓｏｆｇｒａｓｓｈｏｐ
ｐｅｒｉｎｆｅｃｔｉｏｎ．Ｇｒａｓｓｈｏｐｐｅｒｐｏｐｕｌａｔｉｏｎｄｅｎｓｉｔｙａｎｄ２１ｖｅｇｅｔａｔｉｏｎｐａｒａｍｅｔｅｒｓｗｅｒｅａｎａｌｙｚｅｄｉｎｔｈｅｓｕｒｖｅｙｏｎ
ｗｈｉｃｈｔｈｉｓｐａｐｅｒｉｓｂａｓｅｄ．Ａｐｒｏｊｅｃｔｉｏｎｐｕｒｓｕｉｔｍｏｄｅｌｗａｓｄｅｖｅｌｏｐｅｄａｎｄｖｅｒｉｆｉｅｄｉｎｏｒｄｅｒｔｏｅｖａｌｕａｔｅｔｈｅｒｉｓｋｓ
ｏｆｇｒａｓｓｈｏｐｐｅｒｉｎｆｅｃｔｉｏｎ．Ｒｅｓｕｌｔｓｓｈｏｗｅｄｔｈａｔａｌｏｗｉｎｄｅｘｆｏｒｐｌａｎｔｂｉｏｍａｓｓｄｉｖｅｒｓｉｔｙｈａｄｔｈｅｇｒｅａｔｅｓｔｉｎｆｌｕｅｎｃｅ
ｏｎｇｒａｓｓｈｏｐｐｅｒｄｅｎｓｉｔｙ，ｗｉｔｈｔｈｅｂｅｓｔｐｒｏｊｅｃｔｉｏｎｄｉｒｅｃｔｉｏｎ犪ａｔ０．６７２５．Ｐｏａｃｅａｅｄｏｍｉｎａｎｃｅｗｉｔｈａｈｉｇｈｉｎｄｅｘ
ｈａｄｔｈｅｇｒｅａｔｅｓｔｉｎｆｌｕｅｎｃｅｏｎ犗犲犱犪犾犲狌狊犪狊犻犪狋犻犮狌狊ｄｅｎｓｉｔｙ，ｗｉｔｈｔｈｅｂｅｓｔｐｒｏｊｅｃｔｉｏｎｄｉｒｅｃｔｉｏｎ犪ａｔ０．６５４７．Ｔｈｅｒｅ
第２４卷 第５期
Ｖｏｌ．２４，Ｎｏ．５
草 业 学 报
ＡＣＴＡＰＲＡＴＡＣＵＬＴＵＲＡＥＳＩＮＩＣＡ
２０１５年５月
Ｍａｙ，２０１５
收稿日期：２０１４０５２２；改回日期：２０１４０６３０
基金项目：公益性行业（农业）科研专项（２０１００３０７９）和现代农业产业技术体系（ＣＡＲＳ３５０７）资助。
作者简介：黄训兵 （１９９０），男，山东临沂人，在读硕士。Ｅｍａｉｌ：ｘｕｎｂｉｎｇｈ＠１６３．ｃｏｍ
通讯作者Ｃｏｒｒｅｓｐｏｎｄｉｎｇａｕｔｈｏｒ．Ｅｍａｉｌ：ｚｈａｎｇｚｅｈｕａ＠ｃａａｓ．ｃｎ
ｗａｓａｓｉｇｎｉｆｉｃａｎｔｌｉｎｅａｒｒｅｌａｔｉｏｎｓｈｉｐ（犘＜０．０１）ｂｅｔｗｅｅｎｔｈｅｐｒｏｊｅｃｔｉｏｎｅｉｇｅｎｖａｌｕｅ（犣犻）ａｎｄｇｒａｓｓｈｏｐｐｅｒｄｅｎｓｉｔｙ
（狔＝４８．８６１狓－１８．９３７，犚＝０．９５０９）．Ｔｈｅｏｃｃｕｒｒｅｎｃｅｏｆｇｒａｓｓｈｏｐｐｅｒｓｃａｎｂｅｐｒｅｄｉｃｔｅｄａｃｃｏｒｄｉｎｇｔｏｔｈｅｐｒｏｊｅｃ
ｔｉｏｎｅｉｇｅｎｖａｌｕｅ（犣犻）．Ｔｈｅｂｉｇｇｅｒｔｈｅｖａｌｕｅｏｆ犣犻，ｔｈｅｈｉｇｈｅｒｔｈｅｒｉｓｋｏｆｇｒａｓｓｈｏｐｐｅｒｏｃｃｕｒｒｅｎｃｅ．Ｔｈｅｐｒｏｊｅｃｔｉｏｎ
ｐｕｒｓｕｉｔｍｏｄｅｌｃａｎｂｅｕｓｅｄｔｏｅｌｉｍｉｎａｔｅｔｈｅｅｆｆｅｃｔｏｆｉｒｒｅｌｅｖａｎｔｖａｒｉａｂｌｅｓ．Ｉｔｓａｐｐｌｉｃａｔｉｏｎｗｉｌｐｌａｙａｎｉｍｐｏｒｔａｎｔ
ｒｏｌｅｉｎｍｏｎｉｔｏｒｉｎｇａｎｄｅａｒｌｙｗａｒｎｉｎｇｆｏｒｔｈｅｅｃｏｌｏｇｉｃａｌｍａｎａｇｅｍｅｎｔｏｆｇｒａｓｓｈｏｐｐｅｒｓ．
犓犲狔狑狅狉犱狊：ｇｒａｓｓｈｏｐｐｅｒｓ；ｇｒａｓｓｌａｎｄｖｅｇｅｔａｔｉｏｎ；ｐｒｏｊｅｃｔｉｏｎｐｕｒｓｕｉｔｍｏｄｅｌ；ｒｉｓｋａｓｓｅｓｓｍｅｎｔ
草原蝗虫发生与栖境内植被紧密相关，国内外学者已从能流模式、资源利用方式、共存机制等不同角度对蝗
虫与植物的关系做了研究［１９］。草原植被生长势受季节及气候条件影响，导致蝗虫生存环境变化及生态位中心转
移［１０］。典型对应分析（ＣＡＡ）黑河流域１３种蝗虫种群表明，按栖境植被可将蝗虫分为６个类群［１１１２］，禾本科和菊
科植物对蝗虫种群空间分布的影响最大。通过冗余分析（ＲＤＡ）及双重筛选逐步回归等方法分析内蒙古典型草
原蝗虫与植被群落结构的关系表明，植物特征参数变化导致蝗虫特征参数变化，优势种植物决定优势种蝗虫的存
在［１３］。特别是最近有研究表明亚洲小车蝗（犗犲犱犪犾犲狌狊犪狊犻犪狋犻犮狌狊）趋向取食含氮量低的植物，喜欢栖居于以大针茅
（犛狋犻狆犪犵狉犪狀犱犻狊）为优势种的低氮草原类型［１４］，低氮草原类型更利于蝗害的发生。而对亚洲小车蝗食性及营养生
态位的研究发现，牧压增加引起的植被群落变化，导致亚洲小车蝗对克氏针茅（犛狋犻狆犪犽狉狔犾狅狏犻犻）的采食降低，增加
了对米氏冰草（犃犵狉狅狆狔狉狅狀犮狉犻狊狋犪狋狌犿）和星毛委陵菜（犘狅狋犲狀狋犻犾犾犪犪犮犪狌犾犻狊）的采食，亚洲小车蝗生态位变窄［１５］。高
山草地毒杂草侵入能够改变植被结构和营养价值，以及蝗虫发生区域内的土壤理化特性和栖息生境，从而引起草
地蝗虫群落组成、数量和多样性的变化［１６］。植被显著影响蝗虫种群［１７１８］，对蝗虫发生起复杂而重要的生态效应。
蝗虫种群密度、生长和繁殖能力等受植被的显著影响，蝗害的发生与植被紧密相关［１９２０］。对亚洲小车蝗的食
性和食量的研究表明，亚洲小车蝗喜食禾本科植物，非喜食植物会负向影响其生长生殖状况［２１］，在禾本科中，与
含氮量高的羊草相比，含氮量低的针茅最利于亚洲小车蝗生长发育［１４］。对蝗虫生长发育过程中取食植被的研究
表明，有些不喜食植被的存在有重要意义，与喜食植被混合能够促进蝗虫的生长发育［２２］，这可能与营养平衡和营
养稀释有关［２３２４］。蝗虫对栖境的选择是多方面的，各因子彼此联系，相互影响［１１，１８］。
以上研究从植被因子与蝗虫发生关系的不同角度进行了深入探索，但缺乏蝗虫栖境植被条件的综合评价模
型及不同植被条件下蝗虫发生风险评估的可靠方法。而随着对草原生态环境保护的重视［２５］，有必要建立栖境风
险评价模型来指导蝗害防控。因此，本研究在２０１１年、２０１２年草原蝗虫和植被调查的基础上，旨在提出基于遗
传算法的投影寻踪模型综合评价方法，并对方法的可靠性进行验证，以期实现植被综合评价及蝗虫发生的风险评
估，这一方法的实现对于草原蝗虫的监测预警、宜生区划分、生态治理等具有重要意义。
１ 材料与方法
１．１ 研究区概况
试验地位于内蒙古锡林郭勒盟镶黄旗，地理坐标：北纬４２°１５′－４２°２５′，东经１１３°４５′－１１３°８３′，海拔１３００ｍ。
该区域属中温带半干旱大陆性季风气候的典型草原，年降水量２６７．９ｍｍ，主要降水集中在夏季，平均气温３．１
℃，无霜期平均为１２０ｄ左右，最大冻土深度１５４ｃｍ，土壤类型为栗钙土，调查区域内的气候背景相同，地势相对
平坦，２０１１和２０１２年草原蝗虫发生盛期分别选取了９和１３块草原样地进行植被和蝗虫调查。
１．２ 试验材料
样方框（１ｍ×１ｍ）、捕虫网、剪刀、纸袋、烘箱、电子天平（１／１０００）、ＧＰＳ定位仪等。
１．３ 草原蝗虫与植被调查
植被调查采用五点取样法，每样地随机选取５个样点，以样方框取样，样点面积１ｍ２，调查植物的种类、密
度、生物量等，详细方法见参考文献［２６２７］。
蝗虫数量调查以扫网的方式进行，避开样地内因微环境形成的不同植物结构，每样地重复５次，每次１００复
网，已扫网区域不能重复进入，对每１００复网中的蝗虫种类及数量（头／１００网）进行统计。
６２ 草 业 学 报 第２４卷
１．４ 数据处理
１．４．１ 植被群落特征参数分析 计算２０１１年９个样地植被的２１个特征参数（表１），计算公式如下：
多样性指数公式（Ｓｈａｎｎｏｎ－Ｗｉｅｎｅｒ指数）［１３］：犎＝－∑
犛
犻＝１
犘犻ｌｏｇ２犘犻
均匀度指数（Ｐｉｅｌｏｕ指数）［１３］：犑＝－
∑
犛
犻＝１
犘犻ｌｎ犘犻
ｌｎ犛
植物生态优势度［１３］：犆＝∑
犛
犻＝１
（狀犻／狀）２
式中，犘犻＝狀犻／犖，犻：第犻个物种；狀犻：第犻个物种的个体数；犖：所有物种个体数之和；犘犻：群落相对密度；犛：物种数
（即植被丰富度）。
将蝗虫种群密度及亚洲小车蝗密度同２１个植被特征参数作相关性分析（ＳＡＳ８．０），找出相关性较好的植被
特征参数作为评价指标，与蝗虫密度正相关的指标为高优指标，负相关的为低优指标，利用基于遗传算法的投影
寻踪模型［２８３２］进行数据处理（ＭａｔａｌａｂＲ２００９ｂ编程），得到投影特征值后与蝗虫种群密度作线性回归分析（ＳＡＳ
８．０）。
２０１２年的实验数据作为模型的验证数据，计算由２０１１年数据相关性分析得到的高优和低优指标，之后利用
基于遗传算法的投影寻踪模型进行综合评价，并分析投影特征值与蝗虫种群密度关系。
１．４．２ 基于遗传算法的投影寻踪综合评价方法 投影寻踪是一种处理多因素复杂问题的统计方法，其基本
思路是将高维数据向低维空间进行投影，通过低维投影数据的散布结构来研究高维数据特征［２９３２］。具体数据处
理过程为：
Ｉ）归格化处理。对相关性分析得到的植被低优指标和高优指标进行规格化处理，设狆个指标狀个样本集的
原始数据为（犡犻犼）狀×狆，对越大越优的评价指标（高优指标）：
犢犻犼＝
犡犻犼－ｍｉｎ（犡犼）
ｍａｘ（犡犼）－ｍｉｎ（犡犼）
（１）
对于越小越优的评价指标（低优指标）：
犢犻犼＝
ｍａｘ（犡犼）－犡犻犼
ｍａｘ（犡犼）－ｍｉｎ（犡犼）
（２）
其中ｍｉｎ（犡犼）、ｍａｘ（犡犼）分别为第犼个评价指标的最小值和最大值。
ＩＩ）构造投影指标函数［Ｑ（ａ）］。将规格化后的狆维数据｛犢犻犼｜犼＝１，２，．．．，狆｝，综合成以犪＝｛犪１，犪２，犪３，
…，犪狆｝为投影向量的一维投影值犣犻。
犣犻＝∑
狆
犼＝１
犪犼犢犻犼 （犻＝１，２，３，…，狀） （３）
根据犣犻值进行排序，最理想的综合投影值的散布特征是局部投影点尽可能的密集，凝聚成若干点团，在整体
上投影点团之间尽可能分散，因此，投影指标函数可以表达成为：
犙狕＝犛狕犇狕 （４）
其中，犛狕＝
∑
狀
犻＝１
狕犻－１狀
（∑
狀
犻＝１
狕犻［ ］）２
狀槡 －１ ，犇狕＝∑
狀
犻＝１
∑
狆
犼＝１
（犚－狉犻犼）狌（犚－狉犻犼）。犛狕 为投影值犣犻的标准差，犇狕 为投影值犣犻的局
部密度，犙为投影指标函数。狉犻犼＝｜犣犻－犣犼｜，犚为局部密度的窗口半径，一般取值为０．１。
狌（犚－狉犻犼）＝
１，（犚－狉犻犼）≥０
０，（犚－狉犻犼）＜
烅
烄
烆
烍
烌
烎０
ＩＩＩ）优化投影指标函数。当各植被指标值样本集一定时，投影函数Ｑ只与投影向量ａ有关，即以下优化问
题：
目标函数：ｍａｘ犙（犪）＝犛犣犇犣
７２第５期 黄训兵 等：基于投影寻踪模型的草原蝗虫栖境评价及风险评估
约束条件：∑
狆
犼＝１
犪犼２＝１ （５）
这是一个关于ｐ维向量ａ的非线性的优化问题，本研究使用收敛性好、全局优化性能优和使用性强的基于实
数编码的加速遗传算法对该优化问题进行求解，求解过程采用 ＭａｔａｌａｂＲ２００９ｂ编程求解。
表１ 植被特征参数与蝗虫总密度、亚洲小车蝗密度相关性分析
犜犪犫犾犲１ 犜犺犲犮狅狉狉犲犾犪狋犻狅狀犪狀犪犾狔狊犻狊犫犲狋狑犲犲狀犮犺犪狉犪犮狋犲狉狆犪狉犪犿犲狋犲狉狊狅犳狏犲犵犲狋犪狋犻狅狀犪狀犱犵狉犪狊狊犺狅狆狆犲狉
犱犲狀狊犻狋狔犪狀犱犗．犪狊犻犪狋犻犮狌狊犱犲狀狊犻狋狔（２０１１）
特征参数
Ｃｈａｒａｃｔｅｒ
ｐａｒａｍｅｔｅｒｓ
调查样地编号Ｓａｍｐｌｅｎｕｍｂｅｒ
１ ２ ３ ４ ５ ６ ７ ８ ９
相关性分析Ｃｏｒｒｅｌａｔｉｏｎａｎａｌｙｓｉｓ
蝗虫总密度
Ｇｒａｓｓｈｏｐｐｅｒｄｅｎｓｉｔｙ
相关系数
Ｃｏｒｒｅｌａｔｉｏｎ
ｃｏｅｆｆｉｃｉｅｎｔ（狉）
犘值
犘ｖａｌｕｅ
亚洲小车蝗密度
犗．犪狊犻犪狋犻犮狌狊ｄｅｎｓｉｔｙ
相关系数
Ｃｏｒｒｅｌａｔｉｏｎ
ｃｏｅｆｆｉｃｉｅｎｔ（狉）
犘值
犘ｖａｌｕｅ
Ａ １．８７０２ ０．８３０７ １．５７２１ １．３２５１ ０．７７７５ １．６７６５ １．０８８５ １．８３７４ １．０９０５ －０．４２６９９ ０．２５１７ －０．４７３９３ ０．１９７５
Ｂ ０．１３０６ ０．２７６６ ０．１２３０ ０．１５１６ ０．１４０８ ０．１０２２ ０．１１１８ ０．１２３４ ０．１０９６ ０．４９７６５ ０．１７２８ ０．８１４５３ ０．００７５
Ｃ １．５６５５ ０．７９５７ １．１７８６ ０．７８５１ ０．４６５２ １．３８０１ ０．６２０９ １．７７１２ ０．８２１３ －０．２４３６５ ０．５２７５ －０．２４１０３ ０．５３２１
Ｄ １．６５６７ ０．９２２３ １．５２４６ １．６８９０ １．４５４７ １．４８４６ １．６７６６ １．９８５８ １．２５３４ －０．８２９４２ ０．００５７ －０．７９０４６ ０．０１１２
Ｅ １２ ７ １３ １０ １２ １６ １５ １０ ７ －０．７１６４１ ０．０２９９ －０．７９３８４ ０．０１０６
Ｆ ０．７５２６ ０．４２６８ ０．６１２９ ０．５７５５ ０．３１２８ ０．６０４６ ０．４０１９ ０．７９８０ ０．５６０４ －０．１７２６４ ０．６５６９ －０．２０５９１ ０．５９５１
Ｇ ４９．４ ３７．２ ２１．４ ３９．４ ４９．２ ４６．２ ４２．８ ３６．６ ３９．７ －０．２１９５６ ０．５７０３ －０．０９４６９ ０．８０８５
Ｈ ０．０２３８ ０．１４６７ ０．００３６ ０．００１８ ０．００５８ ０．０３３７ ０ ０．０１５３ ０．０２８６ ０．６８８３４ ０．０４０４ ０．８８５２８ ０．００１５
Ｉ ０．０３３３ ０ ０．０５１３ ０．０７７３ ０．０９０４ ０．０２０１ ０．０６７４ ０．００９５ ０．０００４ －０．６４５９４ ０．０４９２ －０．５８３９２ ０．０４９８
Ｊ ０．０５９９ ０．２４３７ ０．０６６３ ０．１０６０ ０．１０１０ ０．０５９５ ０．０７０２ ０．０６４０ ０．０５３２ ０．４６８７０ ０．２０３２ ０．７８２４４ ０．０１２７
Ｋ ０．０３６６ ０．０２８６ ０．０２３９ ０．０２６７ ０．０１７７ ０．０２５１ ０．０１０６ ０．０４２０ ０ －０．４２１８６ ０．２５８１ －０．１０８７６ ０．７８０６
Ｌ ０．００４１ ０ ０．００１３ ０．００３９ ０．００１７ ０．００１３ ０．０１１９ ０．００２３ ０．００２０ －０．３８８３１ ０．３０１７ －０．３５６００ ０．３４７１
Ｍ ０ ０．００３４ ０ ０ ０．０００３ ０．００１３ ０．０１５４ ０．０００３ ０ －０．１２８１４ ０．７４２５ －０．０５７７２ ０．８８２７
Ｎ ０．０２９８ ０．０００７ ０．０３１２ ０．０１４９ ０．０１９８ ０．０３１７ ０．００３５ ０．０１４６ ０．０５４３ ０．２９５８３ ０．４３９６ －０．１２７３３ ０．７４４１
Ｏ １６．５５３０３５．６６９０ ２．００２６ ０．０５８６ １．６７５８８８．８０７０ ０ ９．７０８８３７．０６２０ ０．３２５２９ ０．３９３０ ０．２１０７０ ０．５８６３
Ｐ ９．９９８６ ０ ２１．３１００１２．９５００５２．１２００１８．８６８０４１．６６８０ ２．５８８４ ０．２５５２ －０．５７２５５ ０．１０７１ －０．５９６０３ ０．０４９１
Ｑ ０．６３５７ ０．６５０１ ０．６７６８ ０．８１７５ ０．５０４８ ０．６５３４ ０．３７６２ ０．９５１９ ０．７８８１ ０．１５２３１ ０．６９５７ ０．１５９３７ ０．６８２１
Ｒ ０．１１８４ ０ ０ ０．３０８９ ０．１４８２ ０．２１７９ ０．４６６０ ０．２３００ ０．１９２６ －０．４４００３ ０．２３５９ －０．４０７０５ ０．２７６９
Ｓ ０．４５２２ ０．２７２１ ０．５２８０ ０．４４３７ ０．４３３０ ０．４４５６ ０．１９３２ ０．５６６３ ０ －０．７０４３０ ０．０３４２ －０．５２８４４ ０．１４３６
Ｔ ０ ０ ０ ０ ０ ０ ０．２８７９ ０ ０ －０．２３５８７ ０．５４１２ －０．２１７８４ ０．５７３４
Ｕ ０．４５０３ ０ ０．３１９７ ０．１１８７ ０．３６８６ ０．１６７５ ０．３５３２ ０．２３７５ ０．２７２６ －０．４３０６６ ０．２４７２ －０．６３０３２ ０．０６８８
Ｖ １７．６ ７７．０ ２６．０ １２．５ ６．２ １６．２ ９．０ ４．４ ８２．２ － － － －
Ｗ １．４０ ９．００ ０ １．７５ ０ ０ ０．２０ ０．６０ ４．８０ － － － －
Ａ：植物群落种类多样性Ｐｌａｎｔｄｉｖｅｒｓｉｔｙ；Ｂ：植物群落优势度Ｐｌａｎｔｃｏｍｍｕｎｉｔｙｄｏｍｉｎａｎｃｅ；Ｃ：植物垂直层次结构多样性Ｐｌａｎｔｖｅｒｔｉｃａｌｄｉｖｅｒｓｉｔｙ；Ｄ：植
物生物量多样性Ｐｌａｎｔｂｉｏｍａｓｓｄｉｖｅｒｓｉｔｙ；Ｅ：植物丰富度Ｐｌａｎｔｒｉｃｈｎｅｓｓ；Ｆ：均匀度Ｐｌａｎｔｅｖｅｎｎｅｓｓ；Ｇ：植被盖度（１００％）Ｖｅｇｅｔａｔｉｏｎｃｏｖｅｒａｇｅ；Ｈ：针茅生
态优势度犛狋犻狆犪犽狉狔犾狅狏犻犻ｄｏｍｉｎａｎｃｅ；Ｉ：羊草生态优势度犔犲狔犿狌狊犮犺犻狀犲狀狊犻狊ｄｏｍｉｎａｎｃｅ；Ｊ：禾本科生态优势度Ｐｏａｃｅａｅｄｏｍｉｎａｎｃｅ；Ｋ：菊科生态优势度
Ａｓｔｅｒａｃｅａｅｄｏｍｉｎａｎｃｅ；Ｌ：豆科生态优势度Ｌｅｇｕｍｉｎｏｓａｅｄｏｍｉｎａｎｃｅ；Ｍ：百合科生态优势度Ｌｉｌｉａｃｅａｅｄｏｍｉｎａｎｃｅ；Ｎ：杂类草生态优势度Ｆｏｂｓｄｏｍｉ
ｎａｎｃｅ；Ｏ：针茅生物量犛狋犻狆犪犮犪狆犻犾犾犪狋犪ｂｉｏｍａｓｓ（ｇ／ｍ２）；Ｐ：羊草生物量犔犲狔犿狌狊犮犺犻狀犲狀狊犻狊ｂｉｏｍａｓｓ（ｇ／ｍ２）；Ｑ：禾本科生物量多样性Ｐｏａｃｅａｅｂｉｏｍａｓｓ
ｄｉｖｅｒｓｉｔｙ；Ｒ：豆科生物量多样性Ｌｅｇｕｍｉｎｏｓａｅｂｉｏｍａｓｓｄｉｖｅｒｓｉｔｙ；Ｓ：菊科生物量多样性Ａｓｔｅｒａｃｅａｅｂｉｏｍａｓｓｄｉｖｅｒｓｉｔｙ；Ｔ：百合科生物量多样性Ｌｉｌｉａｃｅａｅ
ｂｉｏｍａｓｓｄｉｖｅｒｓｉｔｙ；Ｕ：杂类草生物量多样性Ｆｏｂｓｂｉｏｍａｓｓｄｉｖｅｒｓｉｔｙ；Ｖ：蝗虫总密度Ｇｒａｓｓｈｏｐｐｅｒｓｄｅｎｓｉｔｙ（Ｉｎｄｉｖｉｄｕａｌ／１００ｎｅｔ）；Ｗ：亚洲小车蝗密度犗．
犪狊犻犪狋犻犮狌狊ｄｅｎｓｉｔｙ（Ｉｎｄｉｖｉｄｕａｌ／１００ｎｅｔ）．“犘＜０．０５”表示蝗虫总密度（或亚洲小车蝗密度）与植被特征参数显著相关。“犘＜０．０５”ｉｎｄｉｃａｔｅｄｔｈａｔｔｈｅ
ｃｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｇｒａｓｓｈｏｐｐｅｒｄｅｎｓｉｔｙ（ｏｒ犗．犪狊犻犪狋犻犮狌狊ｄｅｎｓｉｔｙ）ａｎｄｃｈａｒａｃｔｅｒｐａｒａｍｅｔｅｒｓｏｆｖｅｇｅｔａｔｉｏｎｗａｓｓｉｇｎｉｆｉｃａｎｔ．
８２ 草 业 学 报 第２４卷
ＩＶ）利用得出的最佳投影向量犪犻求得各个样本点的投影值犣犻。若犣犻和犣犼 的取值接近，认为第犻个样本和
第犼个样本趋于同一类。若按犣犻值从大到小排序，可以将样本从优到劣进行排序。
２ 结果与分析
２．１ 蝗虫种群总密度和亚洲小车蝗密度与植被特征参数的相关性分析
蝗虫密度与２１个植被特征参数的相关性分析表明（表１），蝗虫总密度（头／１００网）与针茅生态优势度显著正
相关（犘＜０．０５），与栖境内植被丰富度、羊草生态优势度、植物生物量多样性及菊科生物量多样性显著负相关
（犘＜０．０５）。亚洲小车蝗密度与克氏针茅生态优势度及禾本科生态优势度显著正相关（犘＜０．０５），与栖境内植被
丰富度、羊草生态优势度、植物生物量多样性及羊草生物量显著负相关（犘＜０．０５）。相关性分析结果能够表明对
蝗虫密度存在正负显著影响的植被特征参数，是植被综合评价及风险评估研究的基础。
２．２ 蝗虫种群栖境植被的综合评价
由表２可知，在所有植被特征参数中，低优指标植物生物量多样性对蝗虫总密度影响最大（最佳投影向量犪＝
０．６７２５），即植被生物量多样性越大，蝗虫总密度越低，其他依次为低优指标植被丰富度（犪＝０．４５４８）、高优指标针
茅生态优势度（犪＝０．４１１８）、低优指标菊科生物量多样性（犪＝０．４０８１）和低优指标羊草优势度（犪＝０．３１９５）。通
过表３不同样地投影特征值可知，２号样地投影特征值犣犻最大，其次是９号样地，其他依次为样地６，１，５，８，７，４
和３，犣犻越大越适合蝗虫的发生。各样点蝗虫总密度与植被投影寻踪特征值的线性回归分析表明（图１），二者极
显著（犘＜０．０１）线性相关（狔＝４８．８６１狓－１８．９３７，犚＝０．９５０９），表明投影特征值能够很好地反映蝗虫栖境植被适
合蝗虫发生的程度，按照投影寻踪聚类的方法［３１］，９个样地可划分为两类，２和９号样地为Ｉ类，其余样地为ＩＩ
类，Ｉ类区域较ＩＩ类区域更适合蝗虫发生。
表２ 蝗虫栖境内植被参数的最佳投影方向
犜犪犫犾犲２ 犜犺犲犫犲狊狋狆狉狅犼犲犮狋犻狅狀犱犻狉犲犮狋犻狅狀狅犳狏犲犵犲狋犪狋犻狅狀狆犪狉犪犿犲狋犲狉犻狀犵狉犪狊狊犺狅狆狆犲狉狊犺犪犫犻狋犪狋（２０１１）
项目
Ｉｔｅｍ
针茅优势度
犛．犽狉狔犾狅狏犻犻
ｄｏｍｉｎａｎｃｅ
植物生物量多样性
Ｐｌａｎｔｂｉｏｄｉｖｅｒｓｉｔｙ
菊科生物量多样性
Ｂｉｏｍａｓｓｄｉｖｅｒｓｉｔｙ
ｏｆＡｓｔｅｒａｃｅａｅ
植被丰富度
Ｐｌａｎｔｒｉｃｈｎｅｓｓ
羊草优势度
犔．犮犺犻狀犲狀狊犻狊
ｄｏｍｉｎａｎｃｅ
最佳投影方向Ｔｈｅｂｅｓｔｐｒｏｊｅｃｔｉｏｎｄｉｒｅｃｔｉｏｎ（犪） ０．４１１８ ０．６７２５ ０．４０８１ ０．４５４８ ０．３１９５
表３ 不同样地植被参数投影特征值
犜犪犫犾犲３ 犘狉狅犼犲犮狋犻狅狀犲犻犵犲狀狏犪犾狌犲（犣犻）狅犳狏犲犵犲狋犪狋犻狅狀狅狀犱犻犳犳犲狉犲狀狋狊犪犿狆犾犲狆犾狅狋（２０１１）
项目Ｉｔｅｍ
调查样地Ｓａｍｐｌｅｎｕｍｂｅｒ
１ ２ ３ ４ ５ ６ ７ ８ ９
投影特征Ｐｒｏｊｅｃｔｉｏｎｅｉｇｅｎｖａｌｕｅ（犣犻） ０．７５１５ ２．１８１０ ０．６１８１ ０．６２４０ ０．６４８７ ０．７５８２ ０．６４１５ ０．６４７５ １．７５６８
２．３ 亚洲小车蝗栖境植被的综合评价
由表４可知，对于亚洲小车蝗，高优指标禾本科生态优势度对其影响最大（投影向量犪＝０．６５４７），禾本科优
势度越大，亚洲小车蝗密度越大，其他依次为高优指标针茅生态优势度（犪＝０．４６７９）、低优指标羊草生物量（犪＝
０．３９６９）、低优指标羊草生态优势度（犪＝０．３８６５）、低优指标植被丰富度（犪＝０．３３７１）和低优指标植物生物量多样
性（犪＝０．１６０１）。由表５不同样地投影特征值犣犻可知，样点２投影特征值最大，依次为样地９，５，１，６，４，３，８和７，
犣犻值越大栖境植被越适合亚洲小车蝗的发生。各样点亚洲小车蝗密度与栖境内植被投影寻踪特征值犣犻的线性
回归分析表明（图２），二者极显著（犘＜０．０１）线性相关（狔＝４．３３２４狓－１．３２５８，犚＝０．９２９５），可见投影寻踪特征值
犣犻能够很好地反映栖境植被对亚洲小车蝗发生的适合度，评价亚洲小车蝗的发生。按照投影寻踪聚类的方
法［３１］，９个调查样地可分为两类，样地２为Ｉ类，其余样点为ＩＩ类，Ｉ类植被栖境较ＩＩ类更适合亚洲小车蝗发生。
９２第５期 黄训兵 等：基于投影寻踪模型的草原蝗虫栖境评价及风险评估
２．４ 基于投影寻踪模型的栖境风险评估及模型验证
图１ 蝗虫总密度与栖境内植被投影特征值关系
犉犻犵．１ 犚犲犾犪狋犻狅狀狊犺犻狆犫犲狋狑犲犲狀犵狉犪狊狊犺狅狆狆犲狉犱犲狀狊犻狋狔
犪狀犱狆狉狅犼犲犮狋犻狅狀犲犻犵犲狀狏犪犾狌犲（２０１１）
可靠性是衡量模型应用价值的重要因素，以２０１２年
调查得到的数据作为验证，计算由２０１１年数据分析得到
的低优和高优指标，利用基于遗传算法的投影寻踪模型
进行综合评价，分析投影特征值与蝗虫密度的关系（图３
和４），结果表明，蝗虫总密度与综合评价其栖境内植被
的特征值 犣犻线性相关关系极显著（狔＝２６．４２５狓－
９．４９７０，犚＝０．８５８５），与２０１１年分析结果相同的是，
特征值犣犻很好地反映了栖境植被适合蝗虫发生的程度，
同样，亚洲小车蝗密度与其栖境内植被特征值也表现为
极显著线性相关（狔＝６．６０５６狓－２．８９６４，犚＝０．９０８７），
利用植被投影特征值可以对不同栖境内蝗虫的发生进行
风险评估，栖境植被投影特征值越大，蝗虫发生的风险越
大；投影特征值越小，蝗虫发生的风险越小，投影寻踪模
型表现了很好的适用性和可靠性。
表４ 亚洲小车蝗栖境内植被参数的最佳投影方向（２０１１）
犜犪犫犾犲４ 犜犺犲犫犲狊狋狆狉狅犼犲犮狋犻狅狀犱犻狉犲犮狋犻狅狀狅犳狏犲犵犲狋犪狋犻狅狀狆犪狉犪犿犲狋犲狉犻狀犗．犪狊犻犪狋犻犮狌狊犺犪犫犻狋犪狋（２０１１）
项目
Ｉｔｅｍ
针茅优势度
犛．犽狉狔犾狅狏犻犻
ｄｏｍｉｎａｎｃｅ
禾本科优势度
Ｐｏａｃｅａｅ
ｄｏｍｉｎａｎｃｅ
植被丰富度
Ｐｌａｎｔｒｉｃｈｎｅｓｓ
植物生物量多样性
Ｂｉｏｍａｓｓｄｉｖｅｒｓｉｔｙ
ｏｆｐｌａｎｔ
羊草优势度
犔．犮犺犻狀犲狀狊犻狊
ｄｏｍｉｎａｎｃｅ
羊草生物量
犔．犮犺犻狀犲狀狊犻狊
ｂｉｏｍａｓｓ
最佳投影方向Ｔｈｅｂｅｓｔｐｒｏｊｅｃｔｉｏｎｄｉｒｅｃｔｉｏｎ（犪） ０．４６７９ ０．６５４７ ０．３３７１ ０．１６０１ ０．３８６５ ０．３９６９
表５ 不同样地植被参数投影特征值（２０１１）
犜犪犫犾犲５ 犘狉狅犼犲犮狋犻狅狀犲犻犵犲狀狏犪犾狌犲（犣犻）狅犳狏犲犵犲狋犪狋犻狅狀狅狀犱犻犳犳犲狉犲狀狋狊犪犿狆犾犲狆犾狅狋（２０１１）
项目Ｉｔｅｍ
调查样地Ｓａｍｐｌｅｎｕｍｂｅｒ
１ ２ ３ ４ ５ ６ ７ ８ ９
投影特征Ｐｒｏｊｅｃｔｉｏｎｅｉｇｅｎｖａｌｕｅ（犣犻） ０．５６０９ ２．４６５８ ０．５２７８ ０．５２８５ ０．５６２９ ０．５３９０ ０．２９４１ ０．５２１１ ０．８５１２
图２ 亚洲小车蝗密度与栖境内植被投影特征值关系（２０１１）
犉犻犵．２ 犚犲犾犪狋犻狅狀狊犺犻狆犫犲狋狑犲犲狀犗．犪狊犻犪狋犻犮狌狊犱犲狀狊犻狋狔
犪狀犱狆狉狅犼犲犮狋犻狅狀犲犻犵犲狀狏犪犾狌犲（２０１１）
３ 讨论
投影寻踪模型是处理多因素复杂问题的统计方
法，已广泛应用于水质评价、环境监测、灾情评估、水资
源评价等许多领域［３１３６］。与主成分分析等其他评价模
型相比，投影寻踪模型本身对数据和样本容量并无特
殊要求，且可以排除与数据结构和特征无关的，或关系
很小的变量的干扰，因而是一种更稳健实用的方
法［３４，３６３７］，同时，投影寻踪聚类模型能够有效地克服灰
色关联度计算值离散性不强、结果趋于均化的弱点，能
够有效地解决各类实际问题，是一种客观、准确、可靠
的综合评价模型，并表现出很好的适用性和稳定
性［３４，３８３９］。本文利用基于遗传算法的投影寻踪模型，
对蝗虫栖境植被综合评价，分析了影响蝗虫发生的主
０３ 草 业 学 报 第２４卷
图３ 蝗虫总密度与栖境内植被投影特征值关系（２０１２）
犉犻犵．３ 犚犲犾犪狋犻狅狀狊犺犻狆犫犲狋狑犲犲狀犵狉犪狊狊犺狅狆狆犲狉
犱犲狀狊犻狋狔犪狀犱狆狉狅犼犲犮狋犻狅狀犲犻犵犲狀狏犪犾狌犲（２０１２）
图４ 亚洲小车蝗密度与栖境内植被投影特征值关系（２０１２）
犉犻犵．４ 犚犲犾犪狋犻狅狀狊犺犻狆犫犲狋狑犲犲狀犗．犪狊犻犪狋犻犮狌狊
犱犲狀狊犻狋狔犪狀犱狆狉狅犼犲犮狋犻狅狀犲犻犵犲狀狏犪犾狌犲（２０１２）
要植被因子，投影特征值是植被综合评价的指数，与蝗虫种群密度呈显著线性相关，犣犻越大，蝗虫种群密度越大，
根据犣犻的大小能够对栖境内植被适合蝗虫发生的程度进行评估，通过数据验证，基于遗传算法的投影寻踪模型
能够可靠的评估栖境植被与蝗虫发生的关系。
植被与蝗虫之间存在着紧密而复杂的关系，植物不仅为蝗虫提供食料资源，也为蝗虫提供适宜的栖息
地［１１，１９２０，４０］。本研究表明低优指标植物生物量多样性对蝗虫种群的影响最大，主要是因为调查区域内以喜食禾
本科的亚洲小车蝗、毛足棒角蝗和宽须蚁蝗为主，植被生物量越分散，蝗虫发生密度越低，而作为高优指标的针茅
生态优势度越大，越利于蝗虫的发生。与颜忠诚和陈永林［２］、康乐等［４］研究结果一致的是禾本科对亚洲小车蝗的
发生影响最大，但是，在不同的禾本科植物中，针茅生态优势度作为高优指标，羊草生态优势度及羊草生物量作为
低优指标影响亚洲小车蝗发生，且二者中以针茅对亚洲小车蝗的影响最大，这与吴惠慧等［１３］及Ｃｅａｓｅ等［１４］的研
究结果一致。
环境因子诸如气象因子、土壤类型、生态地理特征等影响蝗虫的发生［４１］，本研究只在同一区域内（气象因子、
土壤类型等一致）对不同栖境植被与蝗虫发生的关系进行分析与评价，而对不同区域内的研究，还要考虑气象因
子、土壤类型、地理环境等多种因素［４１］，在此基础上利用基于遗传算法的投影寻踪模型对蝗虫发生的不同区域生
境条件适合蝗虫发生的程度进行综合评价，对蝗害的发生进行风险评估需要做进一步的研究。另外，本文只通过
相关性分析获得影响蝗虫发生的植被低优指标和高优指标，而不同植被因子对蝗虫的发生存在间接或直接的复
杂影响，对于这些植被因子的深入研究和利害影响的深度挖掘，是植被条件综合评价及蝗虫发生风险评估进一步
研究的基础。
总之，利用基于遗传算法的投影寻踪模型及其得到的投影向量、投影特征值能够综合评价栖境植被适合草原
蝗虫发生的程度，能够准确、可靠地评估蝗虫发生风险，具有很好的适用性及应用价值。该综合评价方法的建立，
对于草原蝗虫的监测预警、宜生区划分及生态治理等具有重要的意义。
４ 结论
基于遗传算法的投影寻踪模型能够对蝗虫栖境植被进行综合评价，评估植被条件适合蝗虫发生的程度。作
为低优指标的植物生物量多样性对蝗虫种群密度影响最大，作为最高优指标的禾本科生态优势度对亚洲小车蝗
密度影响最大，其中针茅生态优势度作为高优指标，羊草生态优势度为低优指标影响亚洲小车蝗的发生，且二者
中以针茅对亚洲小车蝗的影响最大。投影特征值犣犻与蝗虫密度极显著线性相关，犣犻值反映了植被对蝗虫发生
的适合度，根据犣犻值可推算、预测蝗虫的发生情况。利用投影寻踪模型对蝗虫栖境内植被进行综合评价方法的
建立，能够准确、可靠地评估蝗虫发生风险，具有很好的适用性及应用价值。
１３第５期 黄训兵 等：基于投影寻踪模型的草原蝗虫栖境评价及风险评估
犚犲犳犲狉犲狀犮犲狊：
［１］ ＹａｎＺＣ，ＣｈｅｎＹＬ．ＣｏｍｐｏｓｉｔｉｏｎｏｆｇｒａｓｓｈｏｐｐｅｒｓｓｐｅｃｉｅｓｉｎｄｉｆｆｅｒｅｎｔｈａｂｉｔａｔｓｉｎＸｉｌｉｎｒｉｖｅｒｂａｓｉｎ，ＩｎｎｅｒＭｏｎｇｏｌｉａ．ＡｃｔａＥｎｔｏｍｏｌｏｇｉｃａＳｉｎｉｃａ，
１９９７，４０（３）：２７１２７５．
［２］ ＹａｎＺＣ，ＣｈｅｎＹＬ．Ｈａｂｉｔａｌｓｅｌｅｃｔｉｏｎｏｆｇｒａｓｓｈｏｐｐｅｒｓ：ｒｅｌａｔｉｏｎｓｈｉｐｏｆｈａｂｉｔａｌｓｅｌｅｃｔｉｏｎａｎｄｈｏｒｉｚｏｎｔａｌｓｔｒｕｃｔｕｒｅ．ＷｕｙｉＳｃｉｅｎｃｅＪｏｕｒｎａｌ，１９９８，
１４：２５１２５７．
［３］ ＱｉｕＸＨ，ＬｉＨＣ．Ｅｎｅｒｇｙｄｙｎａｍｉｃｓｏｆ犆犺狅狉狋犺犻狆狆狌狊犱狌犫犻狌狊（Ｚｕｂｏｖｓｋｙ）ｐｏｐｕｌａｔｉｏｎｓｉｎｔｈｒｅｅｄｉｆｆｅｒｅｎｔｐｌａｎｔｃｏｍｍｕｎｉｔｉｅｓｉｎＩｎｎｅｒＭｏｎｇｏｌｉａ
ｇｒａｓｓｌａｎｄｅｃｏｓｙｓｔｅｍ．ＡｃｔａＥｃｏｌｏｇｉｃａＳｉｎｉｃａ，１９９３，１３（１）：１８．
［４］ ＫａｎｇＬ，ＬｉＨＣ，ＣｈｅｎＹＬ．ＲｅｌａｔｉｏｎｓｈｉｐｏｆｏｒｔｈｏｐｔｅｒａｎｅｃｏｌｏｇｉｃａｌｄｉｓｔｒｉｂｕｔｉｏｎａｎｄｖｅｇｅｔａｔｉｏｎｔｙｐｅｓｉｎＸｉｌｉｎｒｉｖｅｒｂａｓｉｎ，ＩｎｎｅｒＭｏｎｇｏｌｉａ．Ａｃｔａ
ＰｈｙｔｏｅｃｏｌｏｇｉｃａｅｔＧｅｏｂｏｔａｎｉｃａＳｉｎｉｃａ，１９８９，１３（４）：３４１３４９．
［５］ ＨｅＤＨ，ＺｈｅｎｇＺＭ，ＬｉｕＹＤ．Ｓｔｕｄｉｅｓｏｆｇｒａｓｓｈｏｐｐｅｒｓｓｐａｔｉｏｔｅｍｐｏｒａｌｎｉｃｈｅｏｆｄｅｓｅｒｔｓｔｅｐｐｅ．ＪｏｕｒｎａｌｏｆＮｉｎｇｘｉａＡｇｒｉｃｕｌｔｕｒａｌＣｏｌｅｇｅ，１９９７，
１８（２）：１９．
［６］ ＡｌａｎＥ，ＣｒａｗｌｅｙＭＪ．Ｃｏｎｔｒａｓｔｉｎｇｅｆｆｅｃｔｓｏｆｉｎｓｅｃｔａｎｄｍｏｌｕｓｃａｎｈｅｒｂｉｖｏｒｅｓｏｎｐｌａｎｔｄｉｖｅｒｓｉｔｙｉｎａｌｏｎｇｔｅｒｍｆｉｅｌｄｅｘｐｅｒｉｍｅｎｔ．ＥｃｏｌｏｇｙＬｅｔ
ｔｅｒｓ，２０１１，１４：１２４６１２５３．
［７］ ＧｕｏＺＷ，ＬｉＨＣ，ＧａｎＹＬ．Ｇｒａｓｓｈｏｐｐｅｒ（Ｏｒｔｈｏｐｔｅｒａ：Ａｃｒｉｄｉｄａｅ）ｂｉｏｄｉｖｅｒｓｉｔｙａｎｄｇｒａｓｓｌａｎｄｅｃｏｓｙｓｔｅｍｓ．ＩｎｓｅｃｔＳｃｉｅｎｃｅ，２００６，１３（３）：２２１
２２７．
［８］ ＡｗｍａｃｋＣＳ，ＬｅａｔｈｅｒＳＲ．Ｈｏｓｔｐｌａｎｔｑｕａｌｉｔｙａｎｄｆｅｃｕｎｄｉｔｙｉｎｈｅｒｂｉｖｏｒｏｕｓｉｎｓｅｃｔｓ．ＡｎｎｕａｌＲｅｖｉｅｗｏｆＥｎｔｏｍｏｌｏｇｙ，２００２，４７：８１７８４４．
［９］ ＳｃｈｅｒｂｅｒＣ，ＥｉｓｅｎｈａｕｅｒＮ，ＷｅｉｓｓｅｒＷ Ｗ，犲狋犪犾．Ｂｏｔｔｏｍｕｐｅｆｆｅｃｔｓｏｆｐｌａｎｔｄｉｖｅｒｓｉｔｙｏｎｍｕｌｔｉｔｒｏｐｈｉｃｉｎｔｅｒａｃｔｉｏｎｓｉｎａｂｉｏｄｉｖｅｒｓｉｔｙｅｘｐｅｒｉｍｅｎｔ．
Ｎａｔｕｒｅ，２０１０，４６８：５５３５５６．
［１０］ ＫｎｏｐＥ，ＳｃｈｍｉｄＢ，ＨｅｒｚｏｇＦ．ＩｍｐａｃｔｏｆｒｅｇｉｏｎａｌｓｐｅｃｉｅｓｐｏｏｌｏｎｇｒａｓｓｈｏｐｐｅｒｒｅｓｔｏｒａｔｉｏｎｉｎＨａｙＭｅａｄｏｗｓ．ＲｅｓｔｏｒａｔｉｏｎＥｃｏｌｏｇｙ，２００８，
１６（１）：３４３８．
［１１］ ＺｈａｏＣＺ，ＺｈｏｕＷ，ＷａｎｇＫＭ，犲狋犪犾．Ｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｅｃｏｌｏｇｉｃａｌｄｉｓｔｒｉｂｕｔｉｏｎｏｆｇｒａｓｓｈｏｐｐｅｒｓａｎｄｔｈｅｉｒｈａｂｉｔａｔｓｉｎｔｈｅｍｉｄｄｌｅａｎｄｕｐｐｅｒ
ｒｅａｃｈｅｓｏｆＨｅｉｈｅＲｉｖｅｒ．ＪｏｕｒｎａｌｏｆＬａｎｚｈｏｕＵｎｉｖｅｒｓｉｔｙ（ＮａｔｕｒｎａｌＳｃｉｅｎｃｅｓ），２００９，４５（４）：４２４７．
［１２］ ＺｈａｏＣＺ，ＺｈｏｕＷ，ＷａｎｇＫＭ，犲狋犪犾．ＴｈｅＣＣＡａｎａｌｙｓｉｓｂｅｔｗｅｅｎｇｒａｓｓｈｏｐｐｅｒａｎｄｐｌａｎｔｃｏｍｍｕｎｉｔｙｉｎｕｐｐｅｒｒｅａｃｈｅｓｏｆＨｅｉｈｅＲｉｖｅｒ．Ａｃｔａ
ＥｃｏｌｏｇｉｃａＳｉｎｉｃａ，２０１１，３１（１２）：３３８４３３９０．
［１３］ ＷｕＨＨ，ＸｕＹＨ，ＣａｏＧＣ，犲狋犪犾．ＥｃｏｌｏｇｉｃａｌｅｆｆｅｃｔｓｏｆｔｙｐｉｃａｌｇｒａｓｓｌａｎｄｔｙｐｅｓｉｎＩｎｎｅｒＭｏｎｇｏｌｉａｏｎｇｒａｓｓｈｏｐｐｅｒｃｏｍｍｕｎｉｔｙ．ＳｃｉｅｎｔｉａＡｇｒｉ
ｃｕｌｔｕｒａＳｉｎｉｃａ，２０１２，４５（２０）：４１７８４１８６．
［１４］ ＣｅａｓｅＡＪ，ＥｌｓｅｒＪＪ，ＦｏｒｄＣＦ，犲狋犪犾．Ｈｅａｖｙｌｉｖｅｓｔｏｃｋｇｒａｚｉｎｇｐｒｏｍｏｔｅｓｌｏｃｕｓｔｏｕｔｂｒｅａｋｓｂｙｌｏｗｅｒｉｎｇｐｌａｎｔｎｉｔｒｏｇｅｎｃｏｎｔｅｎｔ．Ｓｃｉｅｎｃｅ，２０１２，
３３５：４６７４６９．
［１５］ ＬｉｕＧＨ，ＷａｎｇＧＪ，ＷａｎｇＳＰ，犲狋犪犾．ＳｔｕｄｙｏｎｔｈｅｄｉｅｔｃｏｍｐｏｓｉｔｉｏｎａｎｄｔｒｏｐｈｉｃｎｉｃｈｅｏｆｍａｉｎｈｅｒｂｉｖｏｒｅｓｉｎｔｈｅＩｎｎｅｒＭｏｎｇｏｌｉａＴｙｐｉｃａｌ
ｓｔｅｐｐｅＴａｋｉｎｇ犔犲狔犿狌狊犮犺犻狀犲狀狊犻狊ｃｏｍｍｕｎｉｔｙａｓａｎｅｘｅｍｐｌｅ．ＡｃｔａＰｒａｔａｃｕｌｔｕｒａｅＳｉｎｉｃａ，２０１３，２２（１）：１０３１０９．
［１６］ ＳｕＴ，ＣｈｅｎＱ，ＺｈａｏＹＸ，犲狋犪犾．ＥｆｆｅｃｔｓｏｆｉｎｖａｓｉｖｅｗｅｅｄｓｏｎｒｅｌａｔｉｖｅｇｒａｓｓｈｏｐｐｅｒａｂｕｎｄａｎｃｅｉｎａｌｐｉｎｅｓｔｅｐｐｅｉｎｔｈｅＱｉｌｉａｎＭｏｕｎｔａｉｎｓ．Ａｃｔａ
ＰｒａｔａｃｕｌｔｕｒａｅＳｉｎｉｃａ，２０１３，２２（３）：８５９１．
［１７］ ＦｒａｎｚｋｅＡ，ＵｎｓｉｃｋｅｒＳＢ，ＳｐｅｃｈｔＪ，犲狋犪犾．Ｂｅｉｎｇａｇｅｎｅｒａｌｉｓｔｈｅｒｂｉｖｏｒｅｉｎａｄｉｖｅｒｓｅｗｏｒｌｄ：Ｈｏｗｄｏｄｉｅｔｓｆｒｏｍｄｉｆｆｅｒｅｎｔｇｒａｓｓｌａｎｄｓｉｎｆｌｕｅｎｃｅ
ｆｏｏｄｐｌａｎｔｓｅｌｅｃｔｉｏｎａｎｄｆｉｔｎｅｓｓｏｆｔｈｅｇｒａｓｓｈｏｐｐｅｒ犆犺狅狉狋犺犻狆狆狌狊狆犪狉犪犾犾犲犾狌狊．ＥｃｏｌｏｇｉｃａｌＥｎｔｏｍｏｌｏｇｙ，２０１０，３５：１２６１３８．
［１８］ ＲｏｍｉｎｇｅｒＡＪ，ＭｉｌｅｒＴＥＸ，ＣｏｌｉｎｓＳＬ．Ｒｅｌａｔｉｖｅｃｏｎｔｒｉｂｕｔｉｏｎｓｏｆｎｅｕｔｒａｌａｎｄｎｉｃｈｅｂａｓｅｄｐｒｏｃｅｓｓｅｓｔｏｔｈｅｓｔｒｕｃｔｕｒｅｏｆａｄｅｓｅｒｔｇｒａｓｓｌａｎｄ
ｇｒａｓｓｈｏｐｐｅｒｃｏｍｍｕｎｉｔｙ．Ｏｅｃｏｌｏｇｉａ，２００９，１６１（４）：７９１８００．
［１９］ ＡｎｄｅｒｓｅｎＡＮ，ＬｕｄｗｉｇＪＡ，ＬｏｗｅＬＭ，犲狋犪犾．ＧｒａｓｓｈｏｐｐｅｒｂｉｏｄｉｖｅｒｓｉｔｙａｎｄｂｉｏｉｎｄｉｃａｔｏｒｓｉｎＡｕｓｔｒａｌｉａｎｔｒｏｐｉｃａｌｓａｖａｎｎａｓ：Ｒｅｓｐｏｎｓｅｓｔｏｄｉｓ
ｔｕｒｂａｎｃｅｉｎＫａｋａｄｕＮａｔｉｏｎａｌＰａｒｋ．ＡｕｓｔｒａｌＥｃｏｌｏｇｙ，２００１，２６（３）：２１３２２２．
［２０］ ＢｅｌｏｖｓｋｙＧＥ，ＪｅｎｎｉｆｅｒＢＳ．ＤｙｎａｍｉｃｓｏｆｔｗｏＭｏｎｔａｎａｇｒａｓｓｈｏｐｐｅｒｐｏｐｕｌａｔｉｏｎｓ：ｒｅｌａｔｉｏｎｓｈｉｐｓａｍｏｎｇｗｅａｔｈｅｒ，ｆｏｏｄａｂａｎｄａｎｃｅａｎｄｉｎｔｒａｓｐｅｃｉｆ
ｉｃｃｏｍｐｅｔｉｏｎ．Ｏｅｃｏｌｏｇｉａ，１９９５，１０１：３８３３９６．
［２１］ ＸｉＲＨ，ＬｉｕＪＰ．Ｅｆｆｅｃｔｓｏｎ犗犲犱犪犾犲狌狊犪狊犻犪狋犻犮狌狊ｉｎｇｒｏｗｔｈａｎｄｆｅｃｕｎｄｉｔｙｆｏｒｆｅｅｄｉｎｇｄｉｆｆｅｒｅｎｔｆｏｏｄｓ．ＥｎｔｏｍｏｌｏｇｉｃａｌＫｎｏｗｌｅｄｇｅ，１９８４，４：１５３
１５５．
［２２］ ＫａｚｕｍｉＭ，ＮａｏｔａＭ．Ｄｉｅｔｍｉｘｉｎｇａｎｄｉｔｓｅｆｆｅｃｔｏｎｐｏｌｙｐｈａｇｏｕｓｇｒａｓｓｈｏｐｐｅｒｎｙｍｐｈｓ．ＥｃｏｌｏｇｉｃａｌＲｅｓｅａｒｃｈ，２００４，１９：２６９２７４．
［２３］ ＰｕｌｉａｍＨＲ．Ｄｉｅｔｏｐｔｉｍｉｓｍｗｉｔｈｎｕｔｒｉｅｎｔｃｏｎｓｔｒａｉｎｔｓ．ＡｍｅｒｉｃａｎＮａｔｕｒａｌｉｓｔ，１９７５，１０９：７６５７６８．
［２４］ ＦｒｅｅｌａｎｄＷＪ，ＪａｎｚｅｎＤＨ．Ｓｔｒａｔｅｇｉｅｓｉｎｈｅｒｂｉｖｏｒｙｂｙｍａｍｍａｌｓ：ｈｅｒｏｌｅｏｆｐｌａｎｔｓｅｃｏｎｄａｒｙｃｏｍｐｏｕｎｄｓ．ＡｍｅｒｉｃａｎＮａｔｕｒａｌｉｓｔ，１９７４，１０８：２６９
２８９．
［２５］ ＭａＱＺ．Ｐｒｏｔｅｃｔｉｏｎｏｆｇｒａｓｓｌａｎｄｅｃｏｌｏｇｙ，ａｎｄｃｏｎｓｔｒｕｃｔｉｏｎｏｆｂｅａｕｔｉｆｕｌｐａｓｔｏｒａｌａｒｅａｓ．ＡｃｔａＰｒａｔａｃｕｌｔｕｒｅＳｉｎｉｃａ，２０１４，２３（１）：１２．
［２６］ ＸｕＫ，ＬｉＧＱ，ＬｉＳＺ．Ａｃｏｍｐａｒｉｓｏｎｓｔｕｄｙｏｎｄｉｖｅｒｓｉｔｙｏｆｐｌａｎｔｃｏｍｍｕｎｉｔｙｏｆｄｉｆｆｅｒｅｎｔｕｔｉｌｉｚａｔｉｏｎｄｕｒｉｎｇｒｅｃｏｖｅｒｉｎｇｏｆｄｅｇｅｎｅｒａｔｉｖｅｓｔｅｐｐｅｉｎ
Ｙａｎｃｈｉｃｏｕｎｔｙ，Ｎｉｎｇｘｉａ．ＡｃｔａＡｇｒｉｃｕｌｔｕｒａｅＢｏｒｅａｌｉｏｃｃｉｄｅｎｔａｌｉｓＳｉｎｉｃａ，２００７，１６（４）：１０６１１１．
［２７］ ＳｈａｎｇＺＨ，ＹａｏＡＸ，ＧｕｏＸＳ．Ｅｖａｌｕａｔｉｏｎａｎｄｒｅｖｉｅｗｏｎｍｅａｓｕｒｅｍｅｎｔｍｅｔｈｏｄｓｏｆｂｉｏｄｉｖｅｒｓｉｔｙａｔｈｏｍｅａｎｄａｂｒｏａｄ．ＪｏｕｒｎａｌｏｆＮｉｎｇｘｉａＡｇｒｉ
ｃｕｌｔｕｒａｌＣｏｌｅｇｅ，２００２，２３（３）：６８７３．
［２８］ ＧａｏＤＷ，ＹａｏＹ，ＷｕＹＰ．Ｅｖａｌｕａｔｉｏｎｏｆｅｎｅｒｇｙｓａｖｉｎｇａｎｄｃｏｎｓｕｍｐｔｉｏｎｒｅｄｕｃｔｉｏｎｉｎｄｉｆｆｅｒｅｎｔｒｅｇｉｏｎｓｂａｓｅｄｏｎｐｒｏｊｅｃｔｉｏｎｐｕｒｓｕｉｔｃｌａｓｓｉｆｉｃａ
ｔｉｏｎｍｏｄｅｌ．ＪｏｕｒｎａｌｏｆＡｐｐｌｉｅｄＳｔａｔｉｓｔｉｃｓａｎｄＭａｎａｇｅｍｅｎｔ，２０１０，２９（３）：３９１３９９．
［２９］ ＧｕｏＪＣ，ＬｉＸＬ．Ｔｈｅａｐｐｌｉｃａｔｉｏｎｏｆｐｒｏｊｅｃｔｉｏｎｐｕｒｓｕｉｔｍｏｄｅｌｉｎｅｖａｌｕａｔｉｏｎｏｆｅｎｔｅｒｐｒｉｓｅｐｅｒｆｏｒｍａｎｃｅ．ＦｉｎａｎｃｅａｎｄＡｃｃｏｕｎｔｉｎｇＭｏｎｔｈｌｙ，２００９，
１：４９５１．
［３０］ ＪｉｎＪＬ，ＹａｎｇＸＨ，ＤｉｎｇＪ．Ａｎｉｍｐｒｏｖｅｄｓｉｍｐｌｅｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍａｃｃｅｌｅｒａｔｉｎｇｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ．ＳｙｓｔｅｍｓＥｎｇｉｎｅｅｒｉｎｇＴｈｅｏｒｙ＆Ｐｒａｃｔｉｃｅ，
２００１，４（４）：８１３．
２３ 草 业 学 报 第２４卷
［３１］ ＮｉＣＪ，ＷａｎｇＳＪ，ＣｕｉＰ．Ｎｅｗｍｏｄｅｌｆｏｒｐｒｏｊｅｃｔｉｏｎｐｕｒｓｕｉｔｄｙｎａｍｉｃｃｌｕｓｔｅｒａｎｄｉｔｓａｐｐｌｉｃａｔｉｏｎｔｏｃｌａｓｓｉｆｙｉｎｇｎａｔｕｒａｌｇｒａｓｓｌａｎｄｓ．Ｊｏｕｒｎａｌｏｆ
ＳａｆｅｔｙａｎｄＥｎｖｉｒｏｎｍｅｎｔ，２００６，６（５）：６８７１．
［３２］ ＤｏｎｇＸＸ，ＷｅｉＸ，ＳｏｎｇＬＪ．Ｃｏｍｐｒｅｈｅｎｓｉｖｅｅｖａｌｕａｔｉｏｎｍｅｔｈｏｄｆｏｒｍｅｄｉｃａｌｑｕａｌｉｔｙｂａｓｅｄｏｎｐｒｏｊｅｃｔｉｏｎｐｕｒｓｕｉｔｍｏｄｅｌ．ＣｈｉｎｅｓｅＪｏｕｒｎａｌｏｆ
ＨｅａｌｔｈＳｔａｔｉｓｔｉｃｓ，２０１２，２９（５）：６３６６３８．
［３３］ ＣａｏＹＱ，ＸｉｎｇＸＳ，ＹｉＪＭ，犲狋犪犾．ＡｐｐｌｉｃａｔｉｏｎｏｆｐｒｏｊｅｃｔｉｏｎｐｕｒｓｕｉｔｔｅｃｈｎｉｑｕｅｉｎｗａｔｅｒｓｅｃｕｒｉｔｙａｓｓｅｓｓｍｅｎｔｏｆＷａｆａｎｇｄｉａｎＣｉｔｙ．ＷａｔｅｒＲｅ
ｓｏｕｒｃｅｓＰｒｏｔｅｃｔｉｏｎ，２０１２，２６（３）：５７．
［３４］ ＰｅｎｇＹＧ，ＬｕｏＸＰ，ＷｅｉＷ．Ｎｅｗｆｕｚｚｙａｄａｐｔｉｖｅｓｉｍｕｌａｔｅｄａｎｎｅａｌｉｎｇｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ．ＣｏｎｔｒｏｌａｎｄＤｅｃｉｓｉｏｎ，２００９，２４（６）：８４３８４８．
［３５］ ＪｉｎＪＬ，ＷｅｉＹＭ．Ｐｒｏｊｅｃｔｉｏｎｐｕｒｓｕｉｔｍｏｄｅｌｆｏｒｃｏｍｐｒｅｈｅｎｓｉｖｅｅｖａｌｕａｔｉｏｎｏｆｗａｔｅｒｑｕａｌｉｔｙ．ＡｃｔａＳｃｉｅｎｔｉａｅＣｉｒｃｕｍｓｔａｎｔｉａｅ，２００１，２１（４）：４３１
４３４．
［３６］ ＹｕＧＲ，ＹｅＨ，ＸａｉＺＱ，犲狋犪犾．ＩｍｐｒｏｖｅｍｅｎｔｏｆｐｒｏｊｅｃｔｉｏｎｐｕｒｓｕｉｔｃｌａｓｓｉｆｉｃａｔｉｏｎＭｏｄｅｌａｎｄｉｔｓａｐｐｌｉｃａｔｉｏｎｉｎｅｖａｌｕａｔｉｎｇｗａｔｅｒｑｕａｌｉｔｙ．Ｊｏｕｒｎａｌ
ｏｆＳｉｃｈｕａｎＵｎｉｖｅｒｓｉｔｙ（Ｅｎｇｉｎｅｅｒｉｎｇｓｃｉｅｎｃｅｅｄｉｔｉｏｎ），２００８，４０（６）：２４２９．
［３７］ ＪｉａｎｇＬ，ＬｉＭＬ．Ｍｏｄｅｌｏｆｐｒｏｊｅｃｔｉｏｎｐｕｒｓｕｉｔｗａｔｅｒｑｕａｌｉｔｙｅｖａｌｕａｔｉｏｎｂａｓｅｄｏｎｉｍｍｕｎｅｅｖｏｌｕｔｉｏｎａｒｙａｌｇｏｒｉｔｈｍ．ＪｏｕｒｎａｌｏｆＳｉｃｈｕａｎＵｎｉｖｅｒｓｉｔｙ
（ＮａｔｕｒａｌＳｃｉｅｎｃｅＥｄｉｔｉｏｎ），２００４，４１（４）：８１６８１９．
［３８］ ＦｕＱ，ＺｈａｏＸＹ．ＰｒｉｎｃｉｐｌｅｓａｎｄＡｐｐｌｉｃａｔｉｏｎｓｏｆＰｒｏｊｅｃｔｉｏｎＰｕｒｓｕｉｔＭｏｄｅｌ［Ｍ］．Ｂｅｉｊｉｎｇ：ＳｃｉｅｎｃｅＰｒｅｓｓ，２００６．
［３９］ ＬｉＲＺ．Ｐｒｏｇｒｅｓｓａｎｄｔｒｅｎｄａｎａｌｙｓｉｓｏｆｔｈｅｏｒｅｔｉｃａｌｍｅｔｈｏｄｏｌｏｇｙｏｆｗａｔｅｒｑｕａｌｉｔｙａｓｓｅｓｓｍｅｎｔ．ＪｏｕｒｎａｌｏｆＨｅｆｅｉＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，２００５，
２８（４）：３６９３７３．
［４０］ ＢｅｒｎａｙｓＥＡ，ＧｏｎｚａｌｅｚＮ，ＡｎｇｅｌＪ．Ｆｏｏｄｍｉｘｉｎｇｂｙｇｅｎｅｒａｌｉｓｔｇｒａｓｓｈｏｐｐｅｒｓ：ｐｌａｎｔｓｅｃｏｎｄａｒｙｃｏｍｐｏｕｎｄｓｓｔｒｕｃｔｕｒｅｔｈｅｐａｔｔｅｒｎｏｆｆｅｅｄｉｎｇ．
ＪｏｕｒｎａｌｏｆＩｎｓｅｃｔＢｅｈａｖｉｏｒ，１９９５，８（２）：１６１１８０．
［４１］ ＧｏｎｇＡＱ，ＷａｎｇＷＪ，ＺｈａｎｇＳＨ．ＲｅｓｅａｒｃｈｏｆｃｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｇｒａｓｓｈｏｐｐｅｒａｎｄｅｎｖｉｒｏｎｍｅｎｔａｌｆａｃｔｏｒｉｎｔｈｅｒｅｇｉｏｎａｒｏｕｎｄＱｉｎｈａｉｌａｋｅ．
ＱｉｎｇｈａｉＰｒａｔａｃｕｌｔｕｒｅ，２００１，１０（２）：３８４１．
参考文献：
［１］ 颜忠诚，陈永林．内蒙古锡林河流域不同生境中蝗虫种类组成的分析．昆虫学报，１９９７，４０（３）：２７１２７５．
［２］ 颜忠诚，陈永林．草原蝗虫的栖境选择：栖境选择与水平结构的关系．武夷科学，１９９８，１４：２５１２５７．
［３］ 邱星辉，李鸿昌．草原生态系统狭翅雏蝗种群的能量动态．生态学报，１９９３，１３（１）：１８．
［４］ 康乐，李鸿昌，陈永林．内蒙古锡林河流域直翅目昆虫生态分布规律与植被类型关系的研究．植物生态学与地植物学学报，１９８９，１３（４）：３４１
３４９．
［５］ 贺达汉，郑哲民，刘颖东．荒漠草原蝗虫时空生态位的研究．宁夏农学院学报，１９９７，１８（２）：１９．
［１１］ 赵成章，周伟，王科明，等．黑河中上游草原蝗虫生态分布与生境的关系．兰州大学学报：自然科学版，２００９，４５（４）：４２４７．
［１２］ 赵成章，周伟，王科明，等．黑河上游蝗虫与植被关系的ＣＡＡ分析．生态学报，２０１１，３１（１２）：３３８４３３９０．
［１３］ 吴惠惠，徐云虎，曹广春，等．内蒙古典型草原草地类型对蝗虫群落优势种群的生态效 应．中国农业科学，２０１２，４５（２０）：４１７８４１８６．
［１５］ 刘贵和，王国杰，汪诗平，等．内蒙古典型草原主要草食动物食性及其营养生态位研究以羊草群落为例．草业学报，２０１３，２２（１）：１０３１０９．
［１６］ 孙涛，陈强，赵亚雄，等．祁连山高山草地毒杂草侵入对蝗虫相对多度的影响．草业学报，２０１３，２２（３）：８５９１．
［２１］ 席瑞华，刘举鹏．不同食料植物对亚洲小车蝗生长和生殖力的影响．昆虫学报，１９８４，２７（４）：１５３１５５．
［２５］ 马启智．保护草原生态、建设美丽牧区．草业学报，２０１４，２３（１）：１２．
［２６］ 徐坤，李国旗，李世忠．宁夏盐池县退化草地恢复过程中不同利用方式下植物群落多样性的对比研究．西北农业学报，２００７，１６（４）：１０６
１１１．
［２７］ 尚占环，姚爱兴，郭旭生．国内外生物多样性测度方法的评价与综述．宁夏农学院学报，２００２，２３（３）：６８７３．
［２８］ 高大伟，姚奕，仵雁鹏．基于投影寻踪分类模型的各地区节能降耗评价研究．统计与管理，２０１０，２９（３）：３９１３９９．
［２９］ 郭加昌，李秀丽．企业绩效评价中投影寻踪模型的应用．财会月刊，２００９，１：４９５１．
［３０］ 金菊良，杨晓华，丁晶．标准遗传算法的改进方案加速遗传算法．系统工程理论与实践，２００１，４（４）：８１３．
［３１］ 倪长健，王顺久，崔鹏．投影寻踪动态聚类模型及其在天然草地分类中的应用．安全与环境学报，２００６，６（５）：６８７１．
［３２］ 董小小，魏歆，宋丽娟．投影寻踪模型在医疗质量综合评价中的应用．中国卫生统计，２０１２，２９（５）：６３６６３８．
［３３］ 曹永强，邢晓森，伊吉美，等．投影寻踪技术在瓦房店市水资源安全评价中的应用．水资源保护，２０１２，２６（３）：５７．
［３４］ 彭勇刚，罗小平，韦魏．一种新的模糊自适应模拟退火遗传算法．控制与决策，２００９，２４（６）：８４３８４８．
［３５］ 金菊良，魏一鸣．水质综合评价的投影寻踪模型．环境科学学报，２００１，２１（４）：４３１４３４．
［３６］ 于国荣，叶辉，夏自强，等．投影寻踪分类模型的改进及在水质评价中的应用．四川大学学报（工程科学版），２００８，４０（６）：２４２９．
［３７］ 姜林，李梦龙．基于免疫算法优化的投影寻踪水质评价模型．四川大学学报（自然科学版），２００４，４１（４）：８１６８１９．
［３８］ 付强，赵小勇．投影寻踪模型原理及其应用［Ｍ］．北京：科学出版社，２００６．
［３９］ 李如忠．水质评价理论模式研究进展及趋势分析．合肥工业大学学报（自然科学版），２００５，２８（４）：３６９３７３．
［４１］ 巩爱岐，王薇娟，张生合．青海湖滨区草地蝗虫发生与环境因素关联性的初步探讨．青海草业，２００１，１０（２）：３８４１．
３３第５期 黄训兵 等：基于投影寻踪模型的草原蝗虫栖境评价及风险评估