《Pest Management Science》：Regional analysis of spatiotemporal trends in Colorado potato beetle abundance
编辑推荐：
农作物虫害可对作物造成严重损害、导致经济损失并降低农业生态系统的可持续性。虫害防治面临诸多挑战，包括农药抗性发展、环境变异性增加、入侵性害虫持续出现以及可持续生产需求的增长。需要新的生态信息学方法来理解害虫种群动态的驱动因素并改进害虫管理实践。本研究利用与气候
农作物虫害可对作物造成严重损害、导致经济损失并降低农业生态系统的可持续性。虫害防治面临诸多挑战，包括农药抗性发展、环境变异性增加、入侵性害虫持续出现以及可持续生产需求的增长。需要新的生态信息学方法来理解害虫种群动态的驱动因素并改进害虫管理实践。本研究利用与气候和种植历史相关联的多 scout 年数据（2014–2024），分析美国威斯康星州马铃薯田中科罗拉多马铃薯甲虫（Colorado Potato Beetle, CPB; Leptinotarsa decemlineata）丰度的时空驱动因素。研究人员构建了考虑空间和时间相关性同时检验预测变量影响的统计模型，发现时空统计方法显著改善了拟合度和预测能力。
在控制时空随机效应后，研究发现三个预测变量影响 CPB 丰度：累积生长度日（cumulative growing degree days, GDD）、周边景观中近期马铃薯种植强度以及冬季最冷日温度。累积 GDD 和马铃薯种植强度与丰度呈正相关，而较温暖的冬季最低温度（较高的最冷日温度）同样与较高丰度相关，这与越冬存活率提高一致。利用最优模型，研究人员生成了威斯康星州初步的全州风险表面，以支持区域性决策。
研究结果强调了在农业生态系统中预测害虫压力时，将田间水平历史与景观背景及显式空间结构相结合的价值。
## 研究背景与问题提出
农作物虫害对区域粮食安全、农场经济和环境可持续性构成重大挑战。尽管农药的广泛应用改善了害虫防治，但农药抗性发展及其环境影响使持续使用面临困境；同时，环境变异性增加和入侵性害虫的持续出现带来了新的管理挑战。因此，开发更精确的害虫管理策略以最大化干预效果并减少环境影响日益受到关注，其中利用生态信息学方法预测害虫种群动态成为研究热点。长期大规模的害虫丰度时空数据集可用于改进区域性管理方案和种植者的风险决策，此类数据在预测未采样区域害虫空间分布和未来虫害压力方面已展现有效性。
科罗拉多马铃薯甲虫（CPB, Leptinotarsa decemlineata）的防治是美国乃至全球可持续马铃薯生产面临的持续挑战。若缺乏有效管理，CPB 种群可导致马铃薯严重减产，且其对杀虫剂抗性的快速进化能力构成持久威胁。美国中西部是马铃薯种植的关键农业区，理解影响 CPB 种群动态的因素具有广泛的管理意义。已有研究表明，增加作物轮作频率和轮作距离与 CPB 丰度呈负相关，因为同一地点或邻近区域重复种植马铃薯会提高甲虫定殖、相对丰度及抗性发展的可能性；此外，冬季低温和夏季温暖条件等关键温度变量亦已知影响 CPB 丰度。
然而，先前研究存在关键空白：首先，许多研究缺乏时空建模，而 CPB 在异质景观中的扩散及年间效应使其至关重要；其次，不同环境和管理预测因子的相对重要性尚未得到系统评估。为此，研究人员整合了2014–2024年威斯康星州马铃薯田的 CPB 丰度、气候和种植模式的时空数据集，旨在识别丰度预测因子、量化和景观尺度的历史马铃薯种植强度效应、利用先进统计技术显式建模空间和时间自相关，并为生成预测性风险图提供长期支撑。
## 核心技术方法
数据来源于与 Pest Pros 公司合作获取的威斯康星州超过1800块田地的长期 scout 数据（2008–2024），分析限定于2014–2024年以确保 USDA 耕地数据层分类的可靠性。气候变量基于 GISMETEO 的1 km 分辨率网格日气候数据计算，涵盖温度、降水、生长季长度及极端条件等指标；作物特征利用 CDL 数据提取，构建田间加权马铃薯比例和1.5 km 缓冲区景观马铃薯强度两个核心指标。研究采用三种递阶统计框架：线性混合模型（Linear Mixed Model, LMM）、广义加性模型（Generalized Additive Model, GAM）和空间混合效应模型（spatial mixed-effects model, spaMM），分别检验层次结构、非线性平滑和显式空间相关性的贡献，通过 AIC、R2 和均方误差（MSE）评估模型性能。
## 研究结果
**线性混合效应模型分析**：农场水平和年份水平的随机截距均显著改善模型拟合（ΔAIC = 376 和 545，P < 0.001），确认农场管理和环境差异及采样强度是重要的变异来源。全模型边际 R2 为0.054，条件 R2 为0.444；累积 GDD（t = 2.70）和1.5 km 加权马铃薯强度（t = 8.38）两个变量显著为正效应。
**广义加性模型分析**：GAM 调整了边际 R2 = 0.344，解释36.7%的偏差，MSE 降至1.94，AIC 为11604.5。四个预测因子显著：累积 GDD（t = 3.024）、加权强度（t = 5.973）、夏季强降雨日数（t = -2.256，负效应）和冬季最冷日温度（t = 2.654，正效应）。空间、年份和农场的平滑项有效自由度均高度显著，表明存在非线性空间结构和分组异质性。
**空间混合效应模型分析**：spaMM 模型取得最高的总解释力（条件 R2 = 0.658），边际 R2 = 0.188，MSE 降至1.795，AIC 为11548.3，为最优模型。与 GAM 相同的四个预测因子保持显著。Matérn 参数估计（平滑度 ν = 0.394，空间范围 ρ = 0.809）表明相对粗糙的空间表面，实际相关范围约80–90 km；空间随机效应方差（1.503）超过年份（0.625）和农场（0.477），凸显显式空间协方差的必要性。残差空间相关图证实了局部空间依赖性，并呈现西南–东北向的梯度模式。
**模型比较与解释**：三种方法一致强调纳入时空结构的重要性。spaMM 以最低 AIC 和 MSE、最高条件 R2 表现最优；GAM 提供最佳边际解释力，擅长捕捉非线性效应；LMM 作为基线确认了层次结构的重要性。偏效应曲线显示：丰度随累积 GDD 和近期景观马铃薯强度增加而上升，随夏季强降雨日数增加而下降，随冬季最低温度升高而增加。
**预测风险表面**：基于 spaMM（Matérn + 年份）在10 km 网格上生成全州预测，固定预测年份为2021年并 omit 农场随机效应以反映景观和气候结构。风险指数0–1标准化显示，高风险集中于马铃薯生产核心区，与马铃薯强度和冬季温和条件一致；西北部和南部中心区域风险极低。不确定性在范围边界较大，故该图应作为相对风险指数而非绝对预报。
## 讨论与结论
**关键预测因子的生态意义**：累积生长度日促进昆虫发育和活动，与丰度正相关；景观马铃薯强度通过越冬和短距离扩散塑造甲虫压力，证实了作物历史的核心作用；温和冬季提高越冬存活率，而夏季强降雨可能通过增加幼虫死亡率或扰乱发育产生自然抑制。相比之下，田间加权马铃薯比例、平均季节温度等变量未达显著，表明 CPB 种群更受长期气候窗口和可预测寄主可获得性的影响。
**时空结构的必要性**：spaMM 的最优表现证明空间依赖的重要性——即使控制协变量后，邻近田块仍共享残差信号，这可能反映未测量的景观管理、土壤条件或局部扩散路径。GAM 作为探索性工具可有效识别非线性，LMM 则提供层次结构的简化基线。忽略空间依赖将高估预测效应并低估不确定性。
**管理应用与风险制图**：研究结果支持通过时空隔离和打断寄主连续性来降低 CPB 压力，强化轮作策略的需求；气候变暖趋势可能加剧虫害风险，使北部种植区面临更大压力。全州风险图为种植者和害虫管理机构提供了主动决策支持，指导 scout effort、轮作规划和抗性管理策略。随着气候持续变暖及马铃薯生产区域集中化，CPB 丰度问题将愈发严峻。
**研究结论**：研究人员确定了驱动威斯康星州 CPB 丰度时空变异的关键因素，发现冬季和夏季气候条件（温和冬季最低温度和累积生长度日）以及田间周边马铃薯生产强度促进甲虫丰度增加。只有控制时空相关结构后，这些因素相对重要性的估计才得以实现。该研究展示了将生态信息学与先进时空模型相结合以更好理解害虫种群动态的价值，整合景观历史、气候极端事件和空间相关性能提供更完整的 CPB 丰度图景，并为改进预报和该持久性农业害虫的可持续管理指明了路径。
