综述：草原作物害虫：如何改进我们的经济影响评估？

本综述系统评估了加拿大草原省份主要作物害虫的经济影响，基于2015-2024年西部作物害虫委员会（WCCP）的定性报告，通过半定量方法首次提出年均损失约2.04亿美元的估算。重点分析了跳甲（Flea beetles）、蝗虫（Grasshoppers）、切根虫（Cutworms）和盲蝽（Lygus bugs）等关键害虫的为害机制，并指出当前数据碎片化、缺乏标准化监测体系的问题。作者倡导建立长期动态数据库，整合气候、生物及农艺数据，并探讨人工智能（AI）与机器学习（ML）在预测模型中的应用前景，为优化害虫综合治理（IPM）策略提供科学框架。

　　

背景

昆虫害虫对加拿大草原省份（艾伯塔、萨斯喀彻温、马尼托巴）的农业生产构成显著威胁，每年造成重大经济损失。尽管存在部分全国性估算，但针对草原地区害虫经济影响的系统研究仍显不足。主要挑战包括：缺乏统一的经济阈值（Economic thresholds）、关键害虫的监测数据缺失、受影响面积记录不完整、防治措施成本与效果评估不足，以及谷物产量与质量损失量化困难。本研究通过分析西部作物害虫委员会（WCCP）2015-2024年度报告，采用半定量方法（名义评分0-5分）评估害虫相对重要性，并首次提出基于实证的经济损失估算。

主要作物害虫的经济影响估算

通过将WCCP报告中各省昆虫学家的定性描述转化为数值评分（0：未发现；5：严重影响≥100万英亩需防治），研究发现跳甲（Phyllotretaspp.）、蝗虫（Melanoplusspp.）、切根虫（Noctuidae）和盲蝽（Miridae）是草原地区最具破坏性的害虫。其经济影响通过以下公式估算：

经济影响（EI）= 防治成本（AA × AC）+ 未防治损失（AU × YL × CV）+ 环境与健康成本（EC + HC）

其中：

• •

  AA（受影响面积）、AC（防治行动成本如药剂喷洒或种子处理）

• •

  AU（未防治面积）、YL（产量损失）、CV（作物价值）

• •

  EC（生态系统服务损失）、HC（健康成本）因数据限制未量化

跳甲作为首要害虫，年均损失约1.65亿美元。其成本主要来自种子处理（约16.32美元/公顷）和额外叶面喷洒（约13美元/公顷）。研究表明，跳甲可导致油菜减产83公斤/公顷（Woodland 2024），且在潮湿地区（如Parkland生态区）对新烟碱类杀虫剂（Neonicotinoids）具有部分抗性（Tansey et al. 2008）。

蝗虫与切根虫的年均损失分别为220万美元和1110万美元。其影响复杂化因多种物种共存，且防治多集中于田边地带。

盲蝽在油菜、蚕豆、扁豆等作物中造成显著产量与品质损失。修订后的经济阈值为3头/网扫（Cárcamo et al. 2024），年均损失约1100万美元，但在爆发年份（如2021年）可能超过1亿美元。

其他重要害虫包括：

• •

  线虫（Wireworms）：通过种子处理（约20美元/公顷）和产量损失（2%）造成1180万美元损失。

• •

  蚜虫（Aphids）：主要在脉冲作物中为害，年均损失约300万美元。

• •

  小麦 midge（Sitodiplosis mosellana）**：因抗性品种推广，近年影响降低，但气候变暖可能促使其向北扩张（Olfert et al. 2016）。

• •

  小麦茎锯蜂（Cephus cinctus）**：历史性害虫，年均损失约110万美元，但爆发年份可能超1000万美元。

总计，草原作物害虫年均经济损失约2.04亿美元，爆发年份可能翻倍。

经济影响估算的挑战

害虫种群动态受天气、寄主植物、天敌及农艺实践等多因素交互影响，导致评估复杂性。例如：

• •

  气候变暖加速跳甲春季发生（Ulmer and Dosdall 2006），温度升高1°C可使其提前2周出现。

• •

  降水模式影响蝗虫爆发（Guo et al. 2024）和小麦 midge 生命周期（Doane and Olfert 2008）。

  数据碎片化与监测方法不统一进一步限制了模型准确性。当前依赖临时性采样（如扫网、土壤诱集）且缺乏标准化协议，难以建立全区域预测模型。

环境与气候影响

温度与湿度变化直接调控害虫行为与分布。例如：

• •

  小麦 midge 需特定温湿组合完成生活史（Jacquemin et al. 2014），气候变暖可能使其向北迁移（Olfert et al. 2016）。

• •

  干旱条件促进蝗虫产卵与爆发（Guo et al. 2024）。

  这些变化要求经济模型整合高分辨率气象与生态数据，但当前数据分散且缺乏长期一致性。

数据整合与建模方法

地理信息系统（GIS）、种群模型（如DYMEX）和作物生长模拟器（如APSIM）为害虫管理提供框架，但需持续更新以反映气候变化与农业实践变化。例如：

• •

  GENEPEST 和 APSIM-DYMEX 联动可模拟害虫-作物动态（Whish et al. 2015），但应用于草原作物仍需本地化验证。

• •

  标准化经济阈值模型需结合作物市场价格、环境条件等因素（Araújo et al. 2021）。

解决方案与未来方向

先进建模技术：

• •

  物种分布模型（如MaxEnt、CLIMEX）预测害虫潜在分布（Adhikari et al. 2024）。

• •

  机器学习算法（如随机森林、梯度提升）分析非线性关系（de Oliveira Aparecido et al. 2020）。

• •

  动态爆发分布模型（如用于云杉 budworm）可适配一年生作物（Srivastava et al. 2024）。

数据集成平台：

• •

  建立中央化数据库，整合害虫种群、环境因子、农艺实践和经济指标（参考美国USDA-CAPS或瑞典SUAS数据库）。

• •

  利用AI实现实时监测、物种自动识别与数字害虫观测（Leybourne et al. 2025）。

• •

  通过5%的靶向农药减量，每年可节省数百万美元并减少环境冲击。

国际协作与标准化：

• •

  借鉴InvaCost数据库（Diagne et al. 2020）标准化经济损失评估。

• •

  推动研究者、农户与政策制定者协作，建立长期数据遗产。

结论

加拿大草原作物害虫年均造成约2.04亿美元损失，跳甲、蝗虫、切根虫和盲蝽是关键物种。未来需通过标准化监测、动态风险模型和IPM策略降低损失。整合气候智能型模型、机器学习与数据共享平台将提升预测准确性，推动农业可持续性。实现这一愿景需跨部门合作，以创新数据驱动方法保障草原农业的经济与生态韧性。