基于多算法集成的咖啡锈病菌( Hemileia vastatrix )时空建模：菲律宾咖啡叶锈病监测新策略

为解决菲律宾咖啡叶锈病(CLR)病原体( Hemileia vastatrix )分布数据匮乏问题，研究人员采用biomod2框架整合8种机器学习算法(CTA/GAM/GBM/GLM/MaxEnt/MARS/RF/SRE)，基于EC-Earth3-Veg气候模型预测显示：乐观情景下2100年将现最高复发风险，而最差人为情景下2060年即可能爆发流行病。该研究首次建立菲律宾CLR集合物种分布模型，为气候变化下的宿主-病原体空间互作提供关键预警。

　　

咖啡叶锈病(CLR)作为全球咖啡作物的头号真菌杀手，其元凶——专性半循环真菌咖啡驼孢锈菌( Hemileia vastatrix )在菲律宾已肆虐数十年，却始终缺乏系统研究。这项开创性工作首次集结了本土病原体发生记录，通过biomod²平台的八重机器学习武器库（从经典的分类回归树CTA到随机森林RF），绘制出该病原体的全国分布图谱。

研究团队巧妙运用EC-Earth3-Veg大气环流模型(GCM)，在乐观（气候缓解）与悲观（放任自流）双情景下展开时空推演。结果令人警醒：若人类持续摆烂，2060年就可能迎来CLR大流行；即便全力应对气候变化，到本世纪末的2100年仍将面临最高复发风险。这些像天气预报般的风险地图，不仅首次实现菲律宾CLR的集成物种分布建模(ESDM)，更揭示了气候变局下宿主与病原体空间博弈的动态规律——好比给咖啡种植业装上了生物灾害的预警雷达。