有害生物風險分析定量評估模型及其比較

李志紅 秦譽嘉

摘要

全球化的進程使有害生物入侵問題日益嚴重，植物檢疫工作備受重視。有害生物風險分析（pest risk analysis， PRA）是植物檢疫的支撐技術之一，風險評估是其核心內容，定量評估模型的研究與應用成為近30年來該領域的熱點。本文在收集、整理國內外PRA文獻和相關信息的基礎上，針對有害生物入侵風險半定量評估模型、定量評估模型及軟件的發(fā)展進行了系統(tǒng)性的回顧和分析。同時，我們比較了主要模型和軟件的特點、優(yōu)勢和局限性，歸納總結出了適用于不同起點的有害生物定量風險評估集成技術體系，并展望了我國有害生物風險分析技術的未來發(fā)展。本綜述能夠為我國生物入侵防控管理機構、推廣部門、高等院校及科研單位提供重要的工作參考，對植物檢疫工作具有理論和實踐意義。

關鍵詞

植物檢疫; 有害生物風險分析; 風險評估; 定量評估模型; 技術體系

中圖分類號：

S 431.9

文獻標識碼： A

DOI： 10.16688/j.zwbh.2018315

Review on the quantitative assessment models for pest risk

analysis and their comparison

LI Zhihong， QIN Yujia

（College of Plant Protection， China Agricultural University， Beijing 100193， China）

Abstract

Plant quarantine has been attracting more and more attention with the development of globalization and the serious problems of pest invasion. Pest Risk Analysis （PRA） is one of the supporting technology of plant quarantine in which risk assessment is regarded as the core stage. In recent thirty years， the study and application of quantitative assessment models have become the hot spot in this field. On the basis of collection and analysis of related literatures and information relating to PRA， the development of semi-quantitative assessment models， quantitative assessment models and relevant software were systematically reviewed. Meanwhile， we showed a comparative analysis on the characteristics， advantages and limitations of the main models and software， presented an integrated technical system of quantitative risk assessment which was suitable for different initiations， and discussed the future development of PRA technology in China. This review can provide important reference for the administration， extension stations， universities and institutes. It is significant for the theory and practice of plant quarantine.

Key words

plant quarantine; pest risk analysis; risk assessment; quantitative assessment model; technical system

有害生物風險分析（pest risk analysis， PRA），是植物檢疫（plant quarantine）的重要內容，也是植物檢疫的支撐技術之一[1-2]。PRA包括開始（initiation）、風險評估（pest risk assessment）和風險管理（pest risk management）三個階段，備受生物入侵防控領域的關注。自1995年起，植物檢疫術語國際標準逐步更新，PRA的定義也不斷加以完善，2007年被定義為“評價生物學或其他科學、經(jīng)濟學證據(jù)，確定某種有害生物是否應予以管制以及管制時所采取的植物衛(wèi)生措施力度的過程”[3]。PRA是制訂檢疫性有害生物名錄的基礎，也是進出境植物檢疫及國內植物檢疫工作中對某一植物和植物產(chǎn)品（如糧食、水果、蔬菜、花卉、木材、種子種苗等繁殖材料等）實施具體檢疫措施的根據(jù)[4-5]。截至目前，國際植物檢疫措施標準中已有4個與PRA直接相關的標準，即第2號標準、第11號標準、第21號標準和第14號標準。有害生物風險評估是PRA的關鍵階段，一般認為，風險評估方法包括定性評估（qualitative assessment）（如美國的專家打分法、澳大利亞的合并矩陣法等）和定量評估（quantitative assessment）（如美國的場景分析法等）[6-8]。幾十年來，國內外開展了大量PRA實踐，進行了有害生物風險評估方法、模型及軟件的探索[9-13]，涉及半定量風險評估模型（如我國的多指標綜合評判模型等）和定量風險評估模型（如國內外的潛在地理分布預測模型等）[14]。近十余年來，全球化的進程使外來生物的入侵形勢日益嚴峻，有害生物風險分析定量評估模型的研究與應用取得了諸多新進展[15-18]，在植物檢疫等生物入侵防控工作中發(fā)揮著越來越重要的作用。

本文在收集、分析國內外PRA文獻等的基礎上，針對有害生物風險分析定量評估模型的研究與應用進行了系統(tǒng)性的回顧、比較和總結，并提出了進一步加強我國有害生物風險分析工作的建議。本文能夠為我國植物檢疫等生物入侵防控管理機構、推廣部門、高等院校及科研單位提供參考，具有理論和實踐意義。

1 有害生物風險分析半定量評估模型及其應用

1.1 半定量評估模型的初期發(fā)展

有害生物入侵（invasion），一般包括進入（entry）、定殖（establishment）、擴散（spread）、暴發(fā)（outbreak）四個主要過程。在進行有害生物入侵風險評估時，應分析、預測其入侵全過程的風險大小。在國內外PRA實踐中，我國于20世紀90年代初期所創(chuàng)建的針對有害生物危險性評價的多指標綜合評判法及模型具有突出的代表性，用于評估外來有害生物入侵全過程的風險[10]。隨后，歐洲及地中海區(qū)域植物保護組織（EPPO）也建立了多指標綜合評估體系并將其應用于有害生物的風險評估[19]。

在我國，蔣青、梁憶冰等于1994-1995年首次報道了多指標綜合評判法，系統(tǒng)性地介紹了該方法所涉及的有害生物危險性評價指標體系、指標評判標準和評判模型[10，20]。在指標體系中，包括5個一級指標和14個二級指標，其中一級指標分別為國內分布狀況、潛在的危害性、受害栽培寄主的經(jīng)濟重要性、移植的可能性和危險性管理的難度;在評判標準中，每一個二級指標和不設二級指標的一級指標均可根據(jù)具體標準確定其風險等級數(shù)值;在評判模型中，依據(jù)各指標間的數(shù)學關系，分別建立了幾何平均模型、權重平均模型、算術平均模型及極值模型。1999年，梁憶冰等報道了多指標綜合評判法和計算機PRA數(shù)據(jù)處理系統(tǒng)在進境花卉有害生物風險評估中的應用[21]。

筆者曾于2017年請教多指標綜合評判法研究團隊的骨干成員—梁憶冰先生，她與筆者觀點一致，認為多指標綜合評判法應歸屬為有害生物風險半定量評估方法，其評判模型屬于半定量評估模型。上述20世紀90年代的多指標綜合評判方法及模型，引起了國內外廣泛關注，并為有害生物入侵風險半定量評估模型的后續(xù)研究和應用奠定了堅實的基礎。

1.2 有害生物風險分析半定量評估模型的后續(xù)發(fā)展

歷經(jīng)20余年，我國的多指標綜合評判法及模型成為PRA領域開展有害生物風險評估最常用的方法和模型，也被認為是定性評估和定量評估結合應用的良好范例[14]。近十余年來，隨著PRA研究和應用的不斷深入，多指標綜合評判模型在我國得到了進一步的完善[22]，其應用也得到了進一步的拓展[23]。從相關報道來看，筆者發(fā)現(xiàn)多指標綜合評判模型的應用呈現(xiàn)出三個較為明顯的發(fā)展趨勢，一是從進境植物檢疫到國內植物檢疫，二是從全國植物檢疫到地方植物檢疫，三是從農(nóng)業(yè)植物檢疫到林業(yè)植物檢疫。例如，2016年北京市植物保護站與中國農(nóng)業(yè)大學合作，以上述多指標綜合評判方法為依據(jù)，建立了鄉(xiāng)鎮(zhèn)級有害生物入侵風險指標、多指標評判標準、區(qū)縣級及市級的多指標綜合評判模型，明確了16個種（屬）的高風險檢疫性有害生物，實現(xiàn)了半定量評估模型在北京市農(nóng)業(yè)植物檢疫中的應用[24]。

近十余年來，原國家質量監(jiān)督檢驗檢疫總局國際檢驗檢疫標準與技術法規(guī)研究中心一直致力于“中國國家有害生物檢疫信息系統(tǒng)”（http：∥www.pestchina.com）的建設;在梁憶冰先生等的不懈努力下，該系統(tǒng)的PRA功能逐步完善，自2011年起已開發(fā)了風險評估功能模塊，實現(xiàn)了多指標綜合評判的遠程運行，在進境植物檢疫工作中發(fā)揮著重要作用。自2018年6月，全國農(nóng)業(yè)技術推廣服務中心PRA處針對國內農(nóng)業(yè)植物檢疫，正在完善有害生物入侵風險多指標綜合評判模型，新的模型中進一步強調了有害生物對經(jīng)濟、生態(tài)環(huán)境和人類健康的影響及其風險。筆者認為，鑒于多指標綜合評判方法及其模型能夠預測有害生物入侵全過程的風險大小且應用簡便，其將在植物檢疫等外來入侵生物防控工作中發(fā)揮出更大的作用。

2 有害生物風險分析定量評估模型及其應用

國內外高度關注有害生物定量風險評估模型的研究與應用，在有害生物入侵可能性、潛在地理分布和潛在損失方面分別進行了較為深入的探索。澳大利亞、美國等發(fā)達國家，在定量評估模型和軟件方面開展了更多的工作、做出了更大的貢獻，于20世紀80年代起陸續(xù)推出了CLIMEX、@RISK、MaxEnt、DIVA-GIS、GARP及SOM等模型和軟件[9， 11-13， 25-26]，用于有害生物入侵風險的定量評估。我國自20世紀90年代起陸續(xù)引進上述模型和軟件[17， 27-29]，同時通過生物學實驗結合GIS技術建立相關有害生物的潛在地理分布預測模型[30-31]，逐步推進有害生物定量風險評估的研究和應用。盡管國內外在有害生物定量風險評估模型與軟件上付出了很多努力，然而，截至目前筆者認為現(xiàn)有的定量評估模型和軟件中均不能獨立實現(xiàn)涵蓋有害生物入侵可能性、潛在地理分布和潛在損失的全方位評估，我們必須將這些模型和軟件有機地組合應用于PRA實踐。自2012年起，在‘948項目的支持下，中國農(nóng)業(yè)大學與全國農(nóng)業(yè)技術推廣服務中心等合作，在摸索、比較上述定量風險評估模型與軟件的基礎上，集成建立了有害生物定量風險評估技術體系，實現(xiàn)了有害生物入侵可能性、潛在地理分布和潛在損失的全過程定量風險預測[32]。

2.1 入侵可能性定量評估模型及軟件

有害生物入侵可能性評估，是有害生物風險評估的重要內容，其定量評估模型和軟件的研發(fā)與應用受到國內外更多關注。從國內外有害生物入侵可能性定量評估模型研究與應用來看，基于@RISK和場景模型的入侵可能性評估以及基于SOM的定殖可能性評估具有比較突出的代表性。前者用于一種有害生物的入侵可能性預測，至今已有20余年的歷史;后者用于同時預測多種有害生物的定殖可能性，僅有十余年的發(fā)展歷程。

2.1.1 基于@RISK和場景模型的入侵可能性評估

自20世紀90年代以來，美國研發(fā)的@RISK軟件成為PRA領域開展入侵可能性評估的重要工具，例如美國農(nóng)業(yè)部（USDA）利用@RISK等針對我國進口美國帶有小麥矮腥黑穗病菌Tilletia cotroversa Kühn的磨粉用小麥開展了入侵風險評估[11]。@RISK是美國Palisade公司開發(fā)的Decision Tools Suite工具包中的軟件，屬商業(yè)軟件，當前版本為7.5。在有害生物入侵路徑分析的基礎上，運用@RISK在EXCEL中建立場景模型，并選擇適宜的概率分布，然后以隨機模擬方法（如Monte Carlo模擬、拉丁超立方體抽樣等）進行模擬，進而得出風險的發(fā)生概率，實現(xiàn)定量評估;同時運用@RISK可以完成靈敏度分析，確定有害生物入侵風險構成因子中的關鍵控制點，從而有針對性地采取風險管理措施來降低風險[33]。筆者認為，運用@RISK進行某一種有害生物入侵可能性分析時，準確劃分相關的風險因子以及建立適宜的場景模型是最為關鍵的。

在國外，@RISK和場景模型的應用實例主要來自美國，用于多種有害生物的入侵風險評估，涉及傳入（包括進入和定殖）、擴散和暴發(fā)過程中的風險。除了上述小麥矮腥黑穗病菌的定量風險評估外，自2001年起USDA利用@RISK軟件和所建立的場景模型對墨西哥‘Hass鱷梨進行了系列評估，其中特別對可能攜帶的8種檢疫性有害生物進行了暴發(fā)頻度的分析[34]，通過評估放寬了墨西哥‘Hass鱷梨輸美的限制條件，促進了國際貿(mào)易。除了關注本國與別國間的有害生物入侵風險評估，美國也非常關注有害生物在其國內的擴散風險評估。例如，2005年Auclair等運用@RISK評估了光肩星天牛Anoplophora glabripennis的風險，即該蟲隨紐約市政固體廢棄物從疫區(qū)傳入疫區(qū)外垃圾處理站的可能性，明確了能夠存活1對可交配的雌、雄蟲的概率值[35]，結果發(fā)現(xiàn)，非法傾倒垃圾和不進行除害處理將使風險值增加上千倍。此外，USDA動植物檢疫局CPHIST專家多次在美國等地舉辦技術培訓，為基于@RISK和場景模型的入侵可能性評估技術推廣做了大量工作，例如2012年應中國農(nóng)業(yè)大學邀請，美國專家來京對我國植物檢疫工作人員和高校師生進行了@RISK原理與應用的專題培訓。

我國對基于@RISK和場景模型的入侵可能性評估格外關注，近20余年來，先后引進@RISK軟件和相關技術，并不斷開展相關研究和應用。自2002年起，我國多位學者陸續(xù)開展了針對小麥矮腥黑穗病菌[28]、梨火疫病菌Erwinia amylovora[36]、松材線蟲Bursaphelenchus xylophilus[37]、橘小實蠅Bactrocera dorsalis[38-39]、紅脂大小蠹Dendroctonus valens[40]、地中海實蠅Ceratitis capitata[41]、番石榴果實蠅Bactrocera correcta[42]等的入侵風險定量評估。由于有害生物擴散、暴發(fā)等過程復雜、基礎數(shù)據(jù)不充分等原因，截至目前，我國基于@RISK和場景模型的入侵可能性評估多集中在進入或傳入可能性上。

2.1.2 基于SOM的定殖可能性評估

自組織特征映射網(wǎng)絡（self-organising map， SOM），是1982年由芬蘭專家Kohonen提出的一種人工神經(jīng)網(wǎng)絡，它將非線性的高維數(shù)據(jù)映射到一個二維拓撲網(wǎng)絡中，進而通過學習算法達到降維、聚類、可視化的目的，主要用于復雜數(shù)據(jù)的組織和可視化。由于上述基于@RISK和場景模型的入侵可能性評估一次只能針對一種有害生物進行分析，所以國內外PRA專家們一直在努力探索并試圖找到一次可預測多種有害生物入侵可能性的模型和軟件。2006年，新西蘭林肯大學生物科研中心學者Worner和Gevery所提出的基于SOM的有害生物定殖可能性評估方法應運而生[13]，依托Matlab軟件中運行SOM Toolbox來實現(xiàn)。Matlab軟件可在MathWorks中國官網(wǎng)獲取試用版（http：∥cn.mathworks.com/），SOM Toolbox可從赫爾辛基大學計算機信息科學實驗室官網(wǎng)免費下載（http：∥www.cis.hut.fi/somtoolbox/），當前版本為2.0。該方法的基本原理體現(xiàn)在：如果兩個地區(qū)有相似的有害生物集合體，那么這兩個地區(qū)很可能有同樣的環(huán)境特征，因此，其中一個地區(qū)的有害生物如果進入到另一個地區(qū)則很可能定殖下來。截至目前，基于SOM的定殖可能性評估在國內外的研究報道尚少，但由于其一次可同時預測大量有害生物在某個地區(qū)的定殖可能性，所以在PRA領域確實產(chǎn)生了非常大的影響。澳大利亞、美國等國家和地區(qū)的學者陸續(xù)開展了相關研究和應用，在澳大利亞專家的建議下中國農(nóng)業(yè)大學于2012年通過‘948項目引入該技術并應用于實蠅類害蟲的定殖可能性評估[32]。

縱覽國外相關報道，基于SOM的有害生物定殖可能性評估涉及多類植物有害生物，如昆蟲、病原物、雜草和線蟲等。針對昆蟲，Worner和Gevrey 2006年在全球首次運用SOM研究了844種植食性昆蟲在459個地區(qū)的定殖可能性，并以地中海實蠅為例詳細展示了相關結果，使SOM作為一種新的方法被PRA領域所關注[13];澳大利亞聯(lián)邦科學與工業(yè)研究組織（CSIRO）Paini等2010年運用該方法為美國及其48個州分析出了最可能定殖的前100種昆蟲的名單，而這100種昆蟲在美國都有分布，證明近期的威脅來自于美國的內部[43]。針對病原物，Paini等研究了486種世界廣泛分布的真菌病原物，并證明了SOM的高效性[44]。針對雜草，基于SOM，Morin等研究了6 690種植物在187個地區(qū)的定殖可能性及成為雜草的可能性[45]。針對線蟲，Singh等利用SOM研究了43屬250種植物寄生線蟲，分別得到了澳洲、澳洲各州以及澳洲北部的植物寄生線蟲定殖風險排序表[46]。此外，澳大利亞專家Paini博士應邀于2012年來華進行SOM專題技術培訓和合作，取得了良好效果。

在國內，中國農(nóng)業(yè)大學與全國農(nóng)業(yè)技術推廣服務中心、中國檢驗檢疫科學研究院等合作，率先引進了SOM方法與技術并進行了應用探索。2013年，馬興莉利用SOM研究了東盟的43種重要經(jīng)濟實蠅在我國的定殖可能性[32];2014年，王聰?shù)柔槍OM在植物檢疫性有害生物名單制修訂中的作用進行了論述[47];2015年，Qin等研究了全球180種重要經(jīng)濟實蠅在118個國家的定殖風險[17];2016年，雷鳴研究了玉米上的644種昆蟲、251種病原微生物、287種雜草以及69種病原線蟲在全球以及我國各省的定殖可能性，為我國玉米檢疫性有害生物名單的修訂提供了科學依據(jù)[48]。近來，筆者從海關總署獲悉，我國已啟動新一輪進境植物檢疫性有害生物名錄的修訂工作，相信基于SOM的有害生物定殖可能性評估將會發(fā)揮必要的作用。

2.2 潛在地理分布定量預測模型及軟件

國際上所稱謂的有害生物潛在地理分布（potential geographical distribution），我國習稱適生區(qū);潛在地理分布預測，我國稱為適生性分析，是有害生物風險評估的主要內容。通過潛在地理分布預測，能夠確定一旦有害生物入侵其定殖和擴散的地理范圍與具體地點。縱觀國內外研究進展，潛在地理分布預測是有害生物定量風險評估最先開展的工作。綜合自20世紀80年代以來的相關研究報道，潛在地理分布定量預測模型和軟件主要包括氣候相似距模型及數(shù)據(jù)庫系統(tǒng)[49]、地點比較模型與CLIMEX[9]、BIOCLIM模型與DIVA-GIS[25]、MaxEnt模型與軟件[50-51]、GARP模型與軟件[26]以及有害生物實驗模型及GIS軟件[31]等。這些模型建立的時間雖有早有晚，但至今仍都有研究和應用的報道，其中以CLIMEX地點比較模型和MaxEnt模型的相關報道為多;隨著氣候數(shù)據(jù)的完善，近年來預測當前及未來氣候變化條件下的有害生物潛在地理分布已成為研究熱點[8，16]。

2.2.1 基于CLIMEX地點比較模型的潛在地理分布預測

CLIMEX，也稱微機生態(tài)氣候分析系統(tǒng)，是1985年由澳大利亞昆士蘭大學Sutherst教授和Maywald博士所研發(fā)的商業(yè)化軟件，其地點比較模型通過分析有害生物已知分布區(qū)的氣候條件來預測有害生物的潛在地理分布和種群的相對豐度[9]。該軟件陸續(xù)推出了升級版本，最新版為CLIMEX 4.0.2，該版本優(yōu)化了算法、大幅度提高了運行速度，優(yōu)化了半自動參數(shù)擬合、新增了自動參數(shù)靈敏性以及模型不確定性分析等功能[52]。自CLIMEX問世30余年來，國內外應用其開展了大量的有害生物潛在地理分布預測工作，成為全球最具影響力的定量預測工具。

在國外，澳大利亞、新西蘭等國家和地區(qū)的學者首先應用CLIMEX地點比較模型進行了植食性昆蟲的潛在地理分布研究，隨后將其應用到其他有害生物的潛在地理分布預測。例如，針對馬鈴薯甲蟲Leptinotarsa decemlineata[53]、地中海實蠅Ceratitis capitata[53-54]、銀膠菊Parthenium hysterophorus[55]、三叉針茅Nassella neesiana[56]等先后進行了潛在地理分布研究。近三年來，CLIMEX的應用多有報道，特別預測了未來氣候變化條件下的多種害蟲的潛在地理分布，如橘小實蠅B.dorsalis[57]、茶翅蝽Halyomorpha halys[18]、德國黃胡蜂Vespula germanica[58]、甜菜夜蛾Spodoptera exigua[59]和櫻桃繞實蠅Rhagoletis cerasi[60]。

在我國，自20世紀90年代起引入CLIMEX，并開展了大量的基于CLIMENX地點比較模型的有害生物適生性研究。期間，澳大利亞學者Sutherst博士于1994年、Kriticos博士于2012年分別訪問中國農(nóng)業(yè)大學，針對CLIMEX及其使用開展專題培訓，并就重要經(jīng)濟害蟲進行了合作研究。早期的代表性文獻中，林偉于1991年完成了對美國白蛾Hyphantria cunea在我國的適生性分析[27];十余年后，針對大豆銹病菌Phakopsora pachyrhizi[61]、相似穿孔線蟲Radopholus similis[62]、西花薊馬Frankliniella occidentalis[63]、墨西哥按實蠅Anastrepha ludens[64]、棗實蠅Carpomya vesuviana[65]陸續(xù)報道;近年來，針對42種重要經(jīng)濟實蠅進行了當前及未來氣候條件下的潛在地理分布研究[16]，最新報道研究了考慮灌溉及氣候變化條件下的葡萄花翅小卷蛾Lobesia botrana在我國的潛在地理分布[66]，同時我國學者在國際期刊上陸續(xù)發(fā)表蘋果實蠅Rhagoletis pomonella[29]、桃果實蠅Bactrocera zonata[67]、西印度按實蠅Anastrepha obliqua[68]、小圓胸小蠹Euwallacea fornicates[69]等農(nóng)林有害生物的潛在地理分布的研究報道。

2.2.2 基于MaxEnt模型的潛在地理分布預測

最大熵（maximum entropy）原理，最早由Jaynes于1957年提出，是根據(jù)物種已知分布樣本信息對未知分布做出推斷的一種數(shù)理統(tǒng)計方法[70]，可用于概率分布的預測。2004年，美國普林斯頓大學Phillips等應用最大熵原理建立了MaxEnt模型并用Java語言編寫了MaxEnt軟件，用于預測物種在給定環(huán)境變量約束下的熵最大情況下的地理分布[12， 51]。與上述CLIMEX軟件不同，MaxEnt是非商業(yè)軟件，2017年發(fā)布的版本為3.4.1，可免費下載（http：∥biodiversityinformatics.amnh.org/open_source/maxent/）;MaxEnt不需對參數(shù)進行過多的設置和調整，更便于操作，所以一經(jīng)推出便受到了國內外的特別關注。

近5年來，我國學者開展了基于隨機模型的有害生物潛在損失預測探索。中國農(nóng)業(yè)大學從澳大利亞引進相關技術，在Cook博士的指導下，采用@RISK針對實蠅類害蟲、入侵雜草等進行了潛在損失研究。2015年，方焱等建立了南亞果實蠅對我國南瓜產(chǎn)業(yè)的潛在經(jīng)濟損失評估模型，從直接經(jīng)濟損失、間接經(jīng)濟損失（包括籽用、種用及食品加工產(chǎn)業(yè)）和防治費用進行了評估，結果顯示，該蟲每年對我國適生區(qū)南瓜產(chǎn)業(yè)造成的潛在經(jīng)濟損失總值在3 741.50萬～2 315 783.08萬元之間[91];這是我國學者運用@RISK進行基于隨機模型的有害生物潛在損失預測的首次報道。隨后，吳志剛等針對刺萼龍葵對中國玉米產(chǎn)業(yè)的潛在經(jīng)濟損失進行了評估[101]、方焱等針對紫莖澤蘭對我國花生產(chǎn)業(yè)的潛在經(jīng)濟損失進行了預測[102]。2017-2018年，全國農(nóng)業(yè)技術推廣服務中心與中國農(nóng)業(yè)大學合作，基于@RISK及隨機模型，正在開展針對國外玉米種子輸華可能帶來的重要病害的潛在損失分析，將有利于檢疫管理措施的制訂。

3 有害生物風險分析定量評估模型比較及集成技術體系

綜上所述，30余年來，國內外研究、報道了多種有害生物風險分析定量評估模型和軟件，主要包括用于入侵可能性評估的多指標綜合評判模型、@RISK場景模型以及SOM模型，用于潛在地理分布預測的CLIMEX地點比較模型、MaxEnt模型、DIVA-GIS之BIOCLIM 模型、GARP模型以及生物實驗模型，用于潛在損失評估的@RISK場景模型[5]。為了進一步提高對有害生物風險分析定量評估模型和軟件的認識，筆者從類別、用途、模型/軟件、來源、基本原理、數(shù)據(jù)需求、使用注意事項、優(yōu)勢及局限性等方面，比較了主要模型和軟件的特點（表1）。從表中可以看出，這些模型和軟件均有其產(chǎn)生的時代背景和技術基礎，針對有害生物風險分析定量評估的不同內容，各具特色、各有優(yōu)勢和不足。

那么，在我們開展PRA實際工作中，如何選用相關的模型和軟件呢？筆者認為，應注意三個方面，一是要根據(jù)PRA工作的要求和需求，二是要把握各個定量評估模型和軟件的特點，三是要依據(jù)對各個定量評估模型和軟件的熟練程度。同時，筆者根據(jù)20余年從事PRA研究和應用的經(jīng)驗，綜合考慮有害生物入侵過程、現(xiàn)有定量風險評估模型和軟件的適合性以及定量風險評估的現(xiàn)實需求，提出現(xiàn)階段適合于我國的有害生物風險分析定量評估集成技術體系的構想（圖1）。如圖所示，這一技術體系包括5個定量評估模塊（針對多種有害生物的定殖可能性評估模塊、針對某種有害生物的入侵可能性評估模塊、針對某種有害生物的潛在地理分布預測模塊、針對某種有害生物的潛在損失模塊、針對有害生物的入侵風險綜合評估模塊），第1至第5模塊依次相接，每一模塊均有可供選擇的定量評估模型和軟件作為技術支撐，第1至第4模塊的評估結果為第5模塊提供具體風險信息，同時7個基礎數(shù)據(jù)庫（有害生物地理分布數(shù)據(jù)庫、有害生物檢疫截獲數(shù)據(jù)庫、有害生物生物學和危害數(shù)據(jù)庫、有害生物寄主數(shù)據(jù)庫、地圖數(shù)據(jù)庫、交通運輸數(shù)據(jù)庫以及氣象數(shù)據(jù)庫）為各評估模塊提供必要的數(shù)據(jù)支撐。如果PRA的起點是某一植物或植物產(chǎn)品，筆者建議選擇第1至第5模塊依次進行評估;如果PRA的起點是某一有害生物，則建議選擇第2至第5模塊依次完成評估。上述集成技術體系貫穿了有害生物入侵的全過程，能夠對兩個起點的PRA實現(xiàn)全方位的定量風險評估。

4 展望

4.1 關于國際有害生物風險分析技術的發(fā)展

國際有害生物風險研究組（International Pest Risk Research Group，IPRRG），是一個由專門從事有害生物風險分析的科學家和應用者所組成的非盈利組織，目的是通過嚴謹、創(chuàng)新的研究，發(fā)展、提高有害生物風險建模和制圖的方法。IPRRG 由美國、澳大利亞等發(fā)起成立，吸引了PRA領域著名專家、學者參與，國際地位突出。IPRRG每年舉行1次年會，自2007年至2017年，已舉辦了11次年會。中國農(nóng)業(yè)大學作為我國第一家單位，自2010年起參加、跟蹤IPRRG年會;在2017年于加拿大渥太華召開的年會上，來自中國大陸及臺灣地區(qū)的多位代表展示了我國在有害生物風險分析定量評估研究與應用

圖1 有害生物風險分析定量評估集成技術體系

Fig.1 The integrated technical system of quantitative risk assessment of PRA

方面的新進展，受到與會者特別關注。近年來，IPRRG已建有網(wǎng)站（https：∥www.pestrisk.org/），可免費注冊為會員并及時分享PRA相關信息。筆者建議我國有關部門和人員通過參會等方式及時跟蹤IPRRG年會，重點歸納、總結國際PRA研究與應用的新動態(tài)，特別是美國、澳大利亞、新西蘭等發(fā)達國家的新動向、新進展，并分析、提出我國的相應對策。

4.2 關于我國有害生物風險分析技術的研發(fā)

隨著全球化、氣候變化等的發(fā)展，有害生物入侵形勢日益嚴峻[103]。我國高度重視有害生物風險分析技術的研發(fā)工作，自2017年以來，已分別資助2個國家重點項目開展有害生物風險評估等相關研究。中國農(nóng)業(yè)科學院植物保護研究所主持國家重點研發(fā)計劃項目“生物安全關鍵技術研發(fā)”專項的“重大/新發(fā)農(nóng)業(yè)入侵生物風險評估及防控關鍵技術研究”（2017FYC1200600），項目執(zhí)行時間為2017年7月至2020年6月;該項目在把握入侵生物學學科發(fā)展前沿的基礎上，以農(nóng)業(yè)生態(tài)系統(tǒng)中新發(fā)/重大的入侵物種為靶標，研究圍繞入侵生物“風險預警—檢測監(jiān)測—全程控制”關鍵防控環(huán)節(jié)的關鍵技術。中國檢驗檢疫科學研究院主持國家重點研發(fā)計劃“國家質量基礎的共性技術研究與應用”重點專項（NQI專項）的“跨境多載體隱存高危生物因子風險識別、預測和控制技術研究”，項目執(zhí)行時間為2018年7月至2021年6月，其中課題5“跨境隱存高危因子智能風險分析和控制技術研究”（2018YFF0214905），將開發(fā)跨境人群及攜帶物、貨物、交通工具和環(huán)境多載體隱存高危因子數(shù)據(jù)庫，建立基于貝葉斯判定的風險等級識別和預測方法，構建基于關鍵控制點的跨境風險控制體系。筆者相信，通過上述兩個重點項目的研究，我國有害生物風險分析技術水平將進一步提升，并將在有害生物風險分析方法、模型和軟件工具上取得新的突破。

4.3 關于我國有害生物風險分析技術的應用

毋庸置疑，我國PRA工作歷經(jīng)幾十年的發(fā)展、幾代人的努力，業(yè)已創(chuàng)建、集成了國際先進的技術體系，摸索、積累了較為成熟的應用經(jīng)驗，受到國際關注[2]。面對未來全球植物檢疫等生物入侵防控的實際需求，筆者建議我國有關部門進一步加強有害生物風險分析定量評估集成技術體系的推廣應用工作。一是要協(xié)調、組織全國力量，針對亟需加強PRA工作的植物或植物產(chǎn)品（如糧食、水果、木材及繁殖材料等）及有害生物（如國外嚴重危害但在我國尚未發(fā)生的有害生物、已入侵我國但分布局限的有害生物等），將SOM模型、CLIMEX地點比較模型/MaxEnt模型/生物實驗模型、@RISK場景模型以及多指標綜合評判模型等系統(tǒng)性地應用于PRA工作中，促進我國各類植物檢疫性有害生物名錄的修訂工作，進一步提升我國有害生物入侵防控的水平;二是要協(xié)調、組織有關機構和人員，針對“一帶一路”沿線國家和地區(qū)等的生物入侵防控需求，通過技術培訓、短期互訪及長期合作等方式，進一步促進我國有害生物風險分析定量評估集成技術體系走向國際，指導、幫助西亞、東南亞、非洲等主要貿(mào)易國家和地區(qū)做好有害生物入侵防控工作，為今后PRA相關國際標準的制修訂奠定基礎，進一步發(fā)揮我國《國際植物保護公約》簽約國的作用，提升全球生物入侵防控的能力。

參考文獻

[1] KAHN R P. A concept of pest risk analysis [J]. EPPO Bulletin， 1979， 9（1）： 119-130.

[2] GORDH G， MCKIRDY S. The handbook of plant biosecurity[M]. Dordrecht： Springer， 2014.

[3] FAO （Food and Agriculture Organisation of the United Nations）. International standards for phytosanitary measures.ISPM No.2 Framework for pest risk analysis （2007）[R].Secretariat of the International Plant Protection Convention，2008.

[4] 李尉民.有害生物風險分析[M].北京：中國農(nóng)業(yè)出版社，2003.

[5] 李志紅，姜帆，馬興莉，等.實蠅科害蟲入侵防控技術研究進展[J].植物檢疫，2013，27（2）：1-10.

[6] 陳克，范曉虹，李尉民.有害生物的定性與定量風險分析[J].植物檢疫，2002，16（5）：257-261.

[7] 孫楠，黃冠勝，林偉，等.主要貿(mào)易國家有害生物風險分析研究方法比較[J].植物檢疫，2007，21（2）：87-91.

[8] 萬方浩，彭德良，王瑞.生物入侵：預警篇[M].北京：科學出版社，2010.

[9] SUTHERST R W， MAYWALD G F. A computerised system for matching climates in ecology [J]. Agriculture， Ecosystems & Environment， 1985， 13（3/4）： 281-299.

[10] 蔣青，梁憶冰，王乃揚，等.有害生物危險性評價指標體系的初步確立[J].植物檢疫，1994，8（6）：331-334.

[11] USDA.Risk assessment for the importation of U.S. milling wheat containing teliospores of Tilletia controversa （TCK） into the Peoples Republic of China [R]. Washington DC， 1998.

[12] PHILLIPS S J， DUDIK M， SCHAPIRE R E. A maximum entropy approach to species distribution modeling[C]∥Proceedings of the twenty-first international conference on machine learning. ACM， 2004： 83.

[13] WORNER S P， GEVREY M. Modelling global insect pest species assemblages to determine risk of invasion [J]. Journal of Applied Ecology， 2006， 43（5）： 858-867.

[14] 呂飛，杜予州，周奕景，等.有害生物風險分析研究概述[J].植物檢疫，2016，30（2）：7-12.

[15] COOK D C， CARRASCO L R， PAINI D R， et al. Estimating the social welfare effects of New Zealand apple imports[J]. Australian Journal of Agricultural and Resource Economics， 2011， 55（4）： 599-620.

[16] 李志紅.生物入侵防控：重要經(jīng)濟實蠅潛在地理分布研究[M].北京：中國農(nóng)業(yè)大學出版社，2015.

[17] QIN Y J， PAINI D R， WANG C， et al. Global establishment risk of economically important fruit fly species （Tephritidae）[J/OL]. PLoS ONE， 2015， 10（1）： e0116424.

[18] KRITICOS D J， KEAN J M， PHILLIPS C B， et al. The potential global distribution of the brown marmorated stink bug， Halyomorpha halys， a critical threat to plant biosecurity [J]. Journal of Pest Science， 2017， 90（4）： 1033-1043.

[19] European and Mediterranean Plant Protection Organization. Pest risk assessment scheme [J].EPPO Bulletin，1997，27：281-305.

[20] 蔣青，梁憶冰，王乃揚，等.有害生物危險性評價的定量分析方法研究[J].植物檢疫，1995，9（4）：208-211.

[21] 梁憶冰，潘國祈.進境花卉有害生物風險初步分析[J].植物檢疫，1999，13（1）：17-22.

[22] 周國梁，印麗萍，黃曉藻.外來生物風險分析指標體系的建立[J].植物檢疫，2006，20（S1）：14-19.

[23] 孫楠.進口水果果實有害生物風險分析實用方法的研究與實踐[D].北京：中國農(nóng)業(yè)大學，2007.

[24] 趙朔，丁建云，李志紅，等.有害生物風險評估方法在北京市農(nóng)業(yè)植物檢疫工作中的應用[J].植物檢疫，2016，30（4）：51-56.

[25] NIX H A. A biogeographic analysis of Australian elapid snakes[J]. Atlas of Elapid Snakes of Australia， 1986， 7： 4-15.

[26] STOCKWELL D. The GARP modelling system： problems and solutions to automated spatial prediction [J]. International Journal of Geographical Information Science， 1999， 13（2）： 143-158.

[27] 林偉.美國白蛾在中國適生性的初步研究[D].北京：中國農(nóng)業(yè)大學，1991.

[28] 陳克，章正.小麥矮腥黑穗病在中國定殖風險分析及區(qū)劃研究[J].植物病理學報，2002，32（4）：312-318.

[29] GENG J， LI Z H， RAJOTTE E G， et al. Potential geographical distribution of Rhagoletis pomonella （Diptera： Tephritidae） in China [J]. Insect Science， 2011， 18（5）： 575-582.

[30] 邵剛，李志紅，張祥林，等.苜蓿黃萎病菌在我國的適生性分析研究[J].植物保護，2006，32（5）：48-51.

[31] QIN Yujia， NI Wenlong， WU Jiajiao， et al. The potential geographic distribution of Bactrocera correcta （Diptera： Tephritidae） in China based on eclosion rate model [J]. Applied Entomology and Zoology， 2015， 50（3）： 371-381.

[32] 馬興莉.東盟重要經(jīng)濟實蠅入侵我國的定量風險分析[D].北京：中國農(nóng)業(yè)大學，2013.

[33] 馬興莉，李志紅，陳克，等.@RISK在有害生物定量風險評估中的應用[J].植物檢疫，2010，24（6）：1-6.

[34] USDA APHIS PPQ CPHST. Importation of avocado fruit （Persea americana Mill. var.‘Hass） from Mexico： A risk assessment [R]. Raleigh， NC， 2004： 19.

[35] AUCLAIR A N D， FOWLER G， HENNESSEY M K， et al. Assessment of the risk of introduction of Anoplophora glabripennis （Coleoptera： Cerambycidae） in municipal solid waste from the quarantine area of New York City to landfills outside of the quarantine area： A pathway analysis of the risk of spread and establishment[J]. Journal of Economic Entomology， 2005， 98（1）： 47-60.

[36] 周國梁，胡白石，印麗萍，等.利用Monte-Carlo模擬再評估梨火疫病病菌隨水果果實的入侵風險[J].植物保護學報，2006，33（1）： 47-50.

[37] 湯宛地.松材線蟲病入侵黃山風景區(qū)的風險性評估[D].北京：北京林業(yè)大學，2008.

[38] 周國梁，印麗萍，李尉民，等.利用概率模型定量評估橘小實蠅傳入我國的可能性[J].植物檢疫，2006（S1）： 10-13.

[39] 李白尼，侯柏華，鄭大睿，等.基于PERT與仿真技術的橘小實蠅傳入定量風險評估[J].2008，34（5）：32-39.

[40] 湯宛地，石娟，駱有慶.運用@risk軟件評價紅脂大小蠹風險初探[J].中國森林病蟲，2008，27（4）：7-9.

[41] LI B， MA J， HU X， et al. Risk of introducing exotic fruit flies， Ceratitis capitata， Ceratitis cosyra， and Ceratitis rosa （Diptera： Tephritidae）， into southern China [J]. Journal of Economic Entomology， 2010， 103（4）： 1100-1111.

[42] MA Xingli， LI Zhihong， WU Jiajiao， et al. Using decision tools suite to estimate the probability of the introduction of Bactrocera correcta （Bezzi） into China via imported host fruit[J]. Sensor Letters， 2012， 10（1/2）： 586-591.

[43] PAINI D R， WORNER S P， COOK D C， et al. Threat of invasive pests from within national borders [J]. Nature Communications， 2010， 1（8）： 115.

[44] PAINI D R， BIANCHI F J J A， NOREHFIELD T D， et al. Predicting invasive fungal pathogens using invasive pest assemblages： testing model predictions in a virtual world [J/OL]. PLoS ONE， 2011， 6（10）： e25695.

[45] MORIN L， PAINI D R， RANDALL R P. Can global weed assemblages be used to predict future weeds？[J/OL]. PLoS ONE， 2013， 8（2）： e55547.

[46] SINGH S K， PAINI D R， ASH G J， et al. Prioritising plant-parasitic nematode species biosecurity risks using self organising maps [J]. Biological Invasions， 2014， 16（7）： 1515-1530.

[47] 王聰，鄭明慧，王振華，等.植物檢疫性有害生物名單發(fā)展綜述與制訂方法探討[J].植物檢疫，2014，28（3）：1-7.

[48] 雷鳴.基于SOM的玉米有害生物在我國的定殖可能性研究[D].北京：中國農(nóng)業(yè)大學，2016.

[49] 魏淑秋.農(nóng)業(yè)氣候相似距簡介[J].北京農(nóng)業(yè)大學學報，1984，10（4）：427-428.

[50] DUDIK M， PHILLIPS S J， SCHAPIRE R E. Performance guarantees for regularized maximum entropy density estimation[C]∥International Conference on Computational Learning Theory. Springer， Berlin， Heidelberg， 2004： 472-486.

[51] PHILLIPS S J， ANDERSON R P， SCHAPIRE R E. Maximum entropy modeling of species geographic distributions [J]. Ecological Modelling， 2006， 190（3/4）： 231-259.

[52] KRITICOS D J， MAYWALD G F， YONOW T， et al. CLIMEX Version 4： Exploring the effects of climate on plants， animals and diseases [M]. Canberra： CSIRO， 2015.

[53] WORNER S P. Ecoclimatic assessment of potential establishment of exotic pests[J]. Journal of Economic Entomology， 1988， 81（4）： 973-983.

[54] VERA M T， RODRIGUEZ R， SEGURA D F， et al. Potential geographical distribution of the Mediterranean fruit fly， Ceratitis capitata （Diptera： Tephritidae）， with emphasis on Argentina and Australia[J]. Environmental Entomology， 2002， 31（6）： 1009-1022.

[55] MCCONNACHIE A J， STRATHIE L W， MERSIE W， et al. Current and potential geographical distribution of the invasive plant Parthenium hysterophorus （Asteraceae） in eastern and southern Africa [J]. Weed Research， 2011， 51（1）： 71-84.

[56] BOURDOT G W， LAMOUREAUX S L， WATT M S， et al. The potential global distribution of the invasive weed Nassella neesiana under current and future climates [J]. Biological Invasions， 2012， 14（8）： 1545-1556.

[57] DE VILLIERS M， HATTINGH V， KRITICOS D J， et al. The potential distribution of Bactrocera dorsalis： considering phenology and irrigation patterns [J]. Bulletin of Entomological Research， 2016， 106（1）： 19-33.

[58] DE VILLIERS M， KRITICOS D J， VELDTMAN R. Including irrigation in niche modelling of the invasive wasp Vespula germanica （Fabricius） improves model fit to predict potential for further spread [J/OL]. PLoS ONE， 2017， 12（7）： e0181397.

[59] YONOW T， KRITICOS D J， KIRICHENKO N， et al. Considering biology when inferring range-limiting stress mechanisms for agricultural pests： a case study of the beet armyworm [J]. Journal of Pest Science， 2018， 91（2）： 523-538.

[60] WAKIE T T， YEE W L， NEVEN L G. Assessing the risk of establishment of Rhagoletis cerasi （Diptera： Tephritidae） in the United States and globally [J]. Journal of Economic Entomology， 2018， 111（3）： 1275-1284.

[61] 張振鐸.大豆銹病抗病品種篩選及基于CLIMEX的發(fā)病適合區(qū)評估[D].北京：中國農(nóng)業(yè)大學，2005.

[62] 周國梁，陳晨，戚龍軍，等.基于CLIMEX的相似穿孔線蟲在中國可能適生區(qū)域的初步預測[J].植物檢疫，2006（S1）： 22-26.

[63] 程俊峰，萬方浩，郭建英.西花薊馬在中國適生區(qū)的基于CLIMEX的GIS預測[J].中國農(nóng)業(yè)科學，2006（3）：525-529.

[64] 耿建，李志紅，萬方浩，等.墨西哥按實蠅在我國的適生性分析[J].植物保護，2008，34（4）：93-98.

[65] 呂文剛，林偉，李志紅，等.棗實蠅在中國適生性初步研究[J].植物檢疫，2008，22（6）：343-347.

[66] 秦譽嘉，呂文誠，趙守歧，等.考慮灌溉及氣候變化條件下葡萄花翅小卷蛾在中國的潛在地理分布[J].植物保護學報，2018，45（3）：599-605.

[67] NI W L， LI Z H， CHEN H J， et al. Including climate change in pest risk assessment： the peach fruit fly， Bactrocera zonata （Diptera： Tephritidae）[J]. Bulletin of Entomological Research， 2012， 102（2）： 173-183.

[68] FU Liao， LI Zhihong， HUANG Guansheng， et al. The current and future potential geographic range of West Indian fruit fly， Anastrepha obliqua （Diptera： Tephritidae）[J]. Insect Science， 2014， 21（2）： 234-244.

[69] GE Xuezhen， JIANG Chao， CHEN Linghong， et al. Predicting the potential distribution in China of Euwallacea fornicates （Eichhoff） under current and future climate conditions[J]. Scientific Reports， 2017， 7（1）： 906.

[70] JAYNES E T. Information theory and statistical mechanics[J]. Physical Review， 1957， 106（4）： 620.

[71] MEROW C， SMITH M J， SILANDER JR J A. A practical guide to MaxEnt for modeling species distributions： what it does， and why inputs and settings matter[J]. Ecography， 2013， 36（10）： 1058-1069.

[72] PETITPIERRE B， KUEFFER C， BROENNIMANN O， et al. Climatic niche shifts are rare among terrestrial plant invaders[J]. Science， 2012， 335（6074）： 1344-1348.

[73] JIMENEZ-VALVERD A. Insights into the area under the receiver operating characteristic curve （AUC） as a discrimination measure in species distribution modelling [J]. Global Ecology and Biogeography， 2012， 21（4）： 498-507.

[74] KRAMER-SCHADT S， NIEDBALLA J， PILGRIM J D， et al. The importance of correcting for sampling bias in MaxEnt species distribution models[J]. Diversity and Distributions， 2013， 19（11）： 1366-1379.

[75] SYFERT M M， SMITH M J， COOMES D A. The effects of sampling bias and model complexity on the predictive performance of MaxEnt species distribution models[J/OL]. PLoS ONE， 2013， 8（2）： e55158.

[76] BECK J， BOLLER M， ERHARDT A， et al. Spatial bias in the GBIF database and its effect on modeling species geographic distributions [J]. Ecological Informatics， 2014， 19： 10-15.

[77] 王運生，謝丙炎，萬方浩，等.相似穿孔線蟲在中國的適生區(qū)預測[J].中國農(nóng)業(yè)科學，2007，40（11）：2502-2506.

[78] 李建中，彭德良，劉淑艷.潛在外來入侵甜菜孢囊線蟲在中國的適生性風險分析[J].植物保護，2008，34（5）：90-94.

[79] 曾輝，黃冠勝，李志紅，等.利用MaxEnt預測橡膠南美葉疫病菌在全球的潛在地理分布[J].植物保護，2008，34（3）：88-92.

[80] 羅志萍，潘緒斌，王聰，等.基于MaxEnt和DIVA-GIS的白蠟枯梢病菌在中國的潛在適生區(qū)分析[J].湖南農(nóng)業(yè)科學，2015（10）：83-87.

[81] 馮益明，劉洪霞.基于Maxent與GIS的銹色棕櫚象在中國潛在的適生性分析[J].華中農(nóng)業(yè)大學學報（自然科學版），2010，29（5）：552-556.

[82] 孫宏禹，李志紅，楊普云，等.基于最大熵模型的斑翅果蠅適生性研究[J].中國植保導刊，2016（12）：66-73.

[83] 何佳遙，趙繼羽，趙紫華，等.基于最大熵模型的沙棘繞實蠅適生性研究[J].植物檢疫，2017，31（2）：22-29.

[84] 黃振，吳淇銘，黃可輝.應用MaxEnt模型預測辣椒果實蠅在中國的潛在地理分布[J].武夷科學，2017，33：28-34.

[85] 房鋒，張朝賢，黃紅娟，等.基于MaxEnt的麥田惡性雜草節(jié)節(jié)麥的潛在分布區(qū)預測[J].草業(yè)學報，2013，22（2）：62-70.

[86] WANG Cong， HAWTHORNE D， QIN Yujia， et al. Impact of climate and host availability on future distribution of Colorado potato beetle [J]. Scientific Reports， 2017， 7（1）： 4489.

[87] ZHU Gengping， LI Huiqi， ZHAO Li. Incorporating anthropogenic variables into ecological niche modeling to predict areas of invasion of Popillia japonica[J]. Journal of Pest Science，2017，90（1）：151-160.

[88] 曾士邁.植保系統(tǒng)工程導論[M].北京：北京農(nóng)業(yè)大學出版社，1994.

[89] KRITICOS D J， LERICHE A， PALMER D J， et al. Linking climate suitability， spread rates and host-impact when estimating the potential costs of invasive pests [J/OL].PLoS ONE， 2013， 8（2）： e54861.

[90] COOK D C， LIU S， EDWARDS J， et al. Predicting the benefits of banana bunchy top virus exclusion from commercial plantations in Australia [J/OL].PLoS ONE，2012，7（8）： e42391.

[91] 方焱，秦萌，李志紅，等.南亞果實蠅對我國南瓜產(chǎn)業(yè)的潛在經(jīng)濟損失評估[J].植物檢疫，2015，29（3）：28-33.

[92] PIMENTEL D， LACH L， ZUNIGA R， et al. Environmental and economic costs of nonindigenous species in the United States [J]. Bioscience， 2000， 50 （l）： 53-65.

[93] 楊昌舉，韓蔡峰.外來入侵物種造成經(jīng)濟損失的評估[J].環(huán)境保護，2005（7）：29-33.

[94] 趙鐵珍.美國白蛾入侵對我國的危害分析與損失評估研究[D].北京：北京林業(yè)大學，2005.

[95] 趙鐵珍，高嵐，柯水發(fā)，等.美國白蛾入侵損失評估指標體系的構建[J].北京林業(yè)大學學報，2007，29（2）：156-160.

[96] 饒玉燕，尤揚，朱水芳，等.玉米褪綠斑駁病毒入侵損失指標體系及直接經(jīng)濟損失評估[J].植物檢疫，2010，24（2）：5-8.

[97] 饒玉燕，沈玲麗，朱水芳，等.棉花曲葉病毒對棉花造成的經(jīng)濟損失評估[J].植物檢疫，2011，25（3）：12-16.

[98] 馬興莉，李志紅，胡學難，等.橘小實蠅、瓜實蠅和南亞果實蠅對廣東省造成的經(jīng)濟損失評估[J].植物檢疫，2013，27（3）：50-56.

[99] 劉萍，梁倩玲，陳夢，等.林業(yè)有害生物災害損失評估指標體系構建[J].林業(yè)科學，2016，52（6）：101-107.

[100] DARBRO J， HALASA Y， MONTGOMERY B， et al. An economic analysis of the threats posed by the establishment of Aedes albopictus in Brisbane， Queensland [J]. Ecological Economics， 2017， 142： 203-213.

[101] 吳志剛，方焱，秦萌，等.刺萼龍葵對中國玉米產(chǎn)業(yè)造成的潛在經(jīng)濟損失評估[J].中國農(nóng)業(yè)大學學報，2015，20（6）：138-145.

[102] 方焱，秦萌，李志紅，等.紫莖澤蘭對我國花生產(chǎn)業(yè)造成的潛在經(jīng)濟損失評估[J].中國農(nóng)業(yè)大學學報，2015，20（6）：146-151.

[103] 潘緒斌，王聰，嚴進，等.經(jīng)濟全球化與氣候變化對生物入侵的影響淺析[J].中國植保導刊，2018，38（4）：65-69.

（責任編輯： 田 喆）