东南亚木薯花叶病入侵防控：基于清洁种薯系统的决策支持模型构建与应用

为解决东南亚地区木薯花叶病(CMD)通过种薯系统快速传播的问题，研究人员整合机器学习与环境风险建模，构建了多层网络元种群模型。该研究量化了气候、土地利用与种薯贸易对SLCMV病毒扩散的影响，提出"持续定点管理"策略可显著降低病害流行，为跨境作物病害防控提供了数据驱动的决策框架。

　　

（以下为论文解读文章）

在全球化贸易和气候变化双重驱动下，作物病原体跨境传播已成为威胁粮食安全的重要挑战。东南亚大湄公河次区域作为世界第三大木薯产区，自2015年柬埔寨首次报道斯里兰卡木薯花叶病毒(SLCMV)以来，该病害已迅速蔓延至越南、泰国等六国。与传统非洲木薯花叶病毒不同，SLCMV表现出更强毒力，通过带病种茎和烟粉虱(Bemisia tabaci)双重传播，每年造成超10亿美元损失。然而，该地区高度分散的非正式种薯交易系统（平均运输距离达400公里）与有限的无病种苗供应能力，使得传统防控手段难以奏效。

针对这一难题，国际热带农业中心(CIAT)联合多国研究团队在《Agricultural Systems》发表创新研究。团队整合1022个田间检测数据点与19项环境因子，采用随机森林(RF)机器学习算法构建环境适宜性模型，耦合种薯贸易网络与白粉虱扩散的元种群模型，首次实现了SLCMV传播风险的量化预测。通过1000次模拟推演，系统评估了不同管理策略对病害控制的长期影响。

关键技术方法包括：1) 基于WorldClim 2.0气候数据和ESA土地覆盖数据的多变量筛选；2) 比较RF、支持向量机(SVM)和逻辑回归(LR)三种算法的预测效能；3) 构建包含1255个行政区节点的多层网络模型，参数化种薯流动概率(λ_ij)；4) 设置β(传播率)和α(环境调节因子)的敏感性分析；5) 设计三种清洁种薯投放策略的对比实验。

【环境风险建模】

RF模型以0.94的AUC值显著优于其他算法，识别出5-6月最低温、9-10月太阳辐射等关键预测因子。风险地图显示柬埔寨东北部与越南中部具有最高环境适宜性(ε=0.94)，而老挝北部风险较低(ε=0.05)。

【传播动态模拟】

在β=0.000002、α=0.1的保守参数下，模型显示单季病害扩散可波及419个行政区。完全限制种薯贸易可使感染面积减少46%，但实际中难以实施。

【管理策略优化】

最具突破性的发现是"持续定点管理"策略的优越性：每年固定对20个重病区投放40公顷清洁种薯，5年内可使总感染面积下降58%，显著优于随机投放或动态调整策略。这种"精准狙击"模式充分利用了木薯种植系统的空间聚集特性。

该研究开创性地将环境生态位理论与种薯系统网络分析相结合，其构建的R2M植物健康工具箱(www.garrettlab.com/r2m)已应用于多国检疫决策。实践层面证实：1) 集中资源持续治理核心疫区比广撒网更有效；2) 中等规模(40公顷/点)的清洁种薯投放即可达到收益拐点；3) 跨境协同监测应优先关注太阳能辐射高的雨季传播窗口。这些发现为资源受限地区的作物病害管理提供了可操作的范式转移，尤其对越南等年损失超31万公顷的国家具有直接指导价值。