云南省大壩白蟻危害分析與分級預防體系建立

摘要：

為了構建云南省大壩白蟻危害分級預防體系，以實現對大壩白蟻危害的精準防治，采用Ⅲ類危害歸一化算法優化白蟻危害處數的統計方式，提出了大壩原始白蟻危害密度的評價方法，選取影響白蟻危害的6項因子，并運用熵權-TOPSIS方法確定了影響因子權重及其對白蟻危害的綜合評分。結果表明：云南省大壩白蟻危害呈現南部及西南部較嚴重，西北部與東北部較輕微的分布態勢，綜合評分與原始白蟻危害密度呈現高度一致性，驗證了評分結果的可靠性。基于此，按不同分值區間建立了一般、中等和重點防范區三級預防體系，并制定了相應的防治措施。研究成果可為云南省大壩白蟻危害精準防治提供科學指導，對其他地區白蟻預防工作具有一定借鑒意義。

關" 鍵" 詞：

白蟻防治； 土石壩； 熵權-TOPSIS方法； 分級預防體系； 云南省

中圖法分類號： TV641；TV698.2+36

文獻標志碼： A

DOI：10.16232/j.cnki.1001-4179.2025.01.028

收稿日期：2024-04-26；接受日期：2024-07-18

基金項目：

國家自然科學基金項目（52069029，52369026）；云南省農業基礎研究聯合專項面上項目（202401BD070001-071）

作者簡介：

陳德輝，男，碩士研究生，主要從事水工建筑物結構分析及其安全運維研究。E-mail：chendehui1999@126.com

通信作者：

歐" 斌，男，副教授，博士，主要從事水庫安全運維研究。E-mail：oubin418@126.com

Editorial Office of Yangtze River. This is an open access article under the CC BY-NC-ND 4.0 license.

文章編號：1001-4179（2025） 01-0205-07

引用本文：

陳德輝，王子軒，吳曹東，等.云南省大壩白蟻危害分析與分級預防體系建立

［J］.人民長江，2025，56（1）：205-211.

0" 引 言

中國現有水庫大壩中89.9%是土石結構［1］，易受到黑翅土白蟻和黃翅大白蟻等土棲白蟻的危害［2］。這些白蟻的活動可導致堤壩內部結構破壞，從而誘發大壩滲漏、管涌甚至潰堤垮壩［3-5］。經調查，除新疆、青海等五省區外，其他地區均有白蟻分布，全國蟻害率已達85％以上［6］。其中，云南省是白蟻種類最多的省份，達125種［7］，且全省規模以上土石壩超7 000座，白蟻危害防治任務艱巨。2000年以來的普查結果顯示，云南省有害白蟻種類多且分布密集［8-11］，已成為威脅省內大壩安全的一個重大問題。此外，自2023年4月起，水利部發布多項指導文件，也強調了大壩白蟻防治工作的緊迫性和重要性。

目前，大壩白蟻防治研究主要集中于治理現有受侵害區域。采取的治理方法包括物理手段如挖巢［5］和建立物理屏障［12］等，化學手段如使用殺蟲劑和建立化學屏障［13］等，以及生物手段如利用天敵病原線蟲［14］和致病真菌［15］等。實踐證明，單一治理措施效果有限，需綜合應用不同手段實現有害生物綜合防治［16］。苗尾水電站［10］和糯扎渡大壩［17］的綜合防治措施已顯著降低蟻患率，且對環境更加友好。

“以防為主”是大壩白蟻防治的核心原則［1］，但目前針對大壩白蟻危害預防措施研究不足，且主要集中在監測和屏障建設方面。沈俊峰等［18］開發的自動化預警技術，實現了水利工程白蟻危害情況的實時監控。同時，一些地方規范提出了相關預防措施［19］，但大多為單一手段，缺乏全面的預防體系。此外，現有研究對白蟻習性和影響因素的分析不夠深入，導致預防措施缺乏針對性。因此，需要開展地域性研究，深入了解白蟻生態習性，確定關鍵影響因子，并制定系統化、具有針對性的白蟻預防體系。

為此，本文在云南省大壩白蟻病害系統性排查的基礎上，按三級危害指標完成各地州市大壩白蟻危害等級分類，并提取了與白蟻活動特性有關的多年平均氣溫、海拔高度、土壤及食物等6項影響因子，構建了與之相關的危害分級體系及其預防措施，以有效保障大壩白蟻防治重心由治理末端向預防前端的轉移。

1" 調查對象和結果

1.1" 數據來源

大壩白蟻危害數據來源于云南省水利廳2023年最新普查結果，包括7 095座水庫的白蟻危害情況。結合中國病蟲害分級方法和行業使用習慣，將白蟻危害程度分為3個等級：Ⅰ級、Ⅱ級和Ⅲ級［19］。其中，Ⅰ級表示白蟻危害輕微或存在潛在風險，Ⅱ級代表白蟻中度危害，Ⅲ級則表示白蟻嚴重危害。

普查采取統計每座大壩白蟻危害處數的方法。并根據地表活動特征及指示物、內部活動特征，對大壩的影響等指標對每個危害處進行等級評定，滿足其中一項即統計為一個危害處。如：Ⅰ級危害處，1 000 m2內泥被泥線大于1處，蟻巢小于等于250 mm，有白蟻密集活動但無險情等；Ⅱ級危害處，1 000 m2內泥被泥線大于5處，蟻巢大小在250～350 mm之間，造成散浸、濕坡等一般險情等；Ⅲ級危害處，1 000 m2內泥被泥線大于10處，蟻巢大于等于350 mm，造成漏洞、跌窩、脫坡等較大險情等。

因此，同一個壩中可能同時存在3個等級危害處數，此種情況下3個等級危害處數比例大致呈現Ⅰ級∶Ⅱ級∶Ⅲ級=10∶5∶1的分布態勢。小浪底樞紐工程調查結果亦呈現相似比例，各單元內白蟻活動點總數小于500（Ⅰ級）∶500～1 000（Ⅱ級）∶大于1 000（Ⅲ級）的比例為9∶4∶1［20］。云南省各地州（市）的大壩白蟻等級危害處數普查情況如表1所列。

1.2" 大壩白蟻危害密度

根據表1的統計結果，發現白蟻病害總數較多的州（市）有曲靖市、楚雄州、西雙版納州、普洱市、臨滄市和玉溪市。但單純從危害處數的總量來分析，并不能準確反映該地區的具體危害情況及危害程度，應綜合考慮該地區大壩的數量及Ⅲ級危害數量。為此，本文綜合考慮Ⅰ級、Ⅱ級向Ⅲ級危害的轉化率及水庫數量，令白蟻危害密度歸一化公式為c=（Ⅰ級危害數量×0.1+Ⅱ級危害數量×0.2+Ⅲ級危害數量）/水庫數量，形成如圖1所示大壩白蟻危害密度結果。

從圖1可以看出，云南省大壩白蟻危害總體呈現南部及西南部較嚴重，西北部與東北部較輕微的分布態勢。白蟻危害密度最小的地區是迪慶州（0），其次是怒江州（0.119處/座）。危害密度大于5處/座的地區分別為西雙版納傣族自治州、德宏傣族景頗族自治州、普洱市及臨滄市。其中西雙版納州大壩白蟻危害最嚴重密度，達7.435處/座，代表該區域平均每座大壩約有7.435處重大危害險情。

2" 白蟻分布影響因子分析與評價體系構建

2.1" 云南省白蟻分布影響因子分析

綜合本次云南省水庫白蟻病害調查結果、白蟻生活習性、地理氣候環境及相關研究文獻，總結出多年平均溫度、多年平均降水量、多年平均蒸發量、相對土壤濕度、水資源總量、平均海拔高度、土壤條件、食物影響等8項與白蟻分布密度相關的因子，相關統計結果見表2與圖2。

從圖2白蟻危害相關因子雷達圖中可以初步分析得知白蟻危害密度大于5處/座的地區具有以下特點：多年平均溫度（19.18～21.39 ℃）和多年平均降水量（1 143.56～1 319.48 mm）相對較高，而年平均蒸發量（1 252.00～1 703.60 mm）和平均海拔高度（1 104.4～1 636.2 m）則相對較低。相關研究也表明溫暖濕潤氣候條件有利于白蟻種群的繁殖和擴散［29］，溫度保持在24～26 ℃、土壤含水量25％左右建巢數較多。海拔越高，白蟻多樣性與數量越低，鄰近貴州省調查表明，海拔2 500 m以上的地區不適合白蟻生存［30］。

此外，白蟻危害密度大于5處/座的地區土壤與食物條件對白蟻適宜性與吸引性也更高［31］。研究指出，對土石壩危害較大的黑翅土白蟻和黃翅大白蟻主巢內菌圃的pH都在4左右，呈強酸性反應［32］。而在云南土壤中紅壤、赤紅壤pH偏酸性，紫色土、黃棕壤偏中性，石灰巖土偏堿性［33］。因而土壤相對偏堿性的地區更不適宜白蟻生存，白蟻危害密度大于5處/座的地區土壤均偏酸性。此外，白蟻以纖維素為食［34］，研究發現黑翅土白蟻對于甘蔗、茶葉以及樟樹、桉樹等樹木的取食性較高［35］。在密度大于5處/座的地區，這些樹種廣泛種植，其中甘蔗、茶葉、橡膠等還是云南省的主要經濟作物。壩區周邊植被中的白蟻適宜種類及密度較高，進一步加劇了蟻害程度。

2.2" 評價指標體系構建

為從源頭上解決大壩白蟻危害問題，結合云南省的實際情況，建立了一套區域白蟻預防分級體系。該體系旨在確定重點預防區域，并加大監測和預防力度，以便盡早、盡快、盡可能地處理蟻情，確保當地大壩的安全。

2.2.1" 指標選取

依據表2中分析的相關影響因子，本文主要選定多年平均溫度、相對濕度、水資源總量、海拔高度、土壤條件和食物影響6項因子進行分析，應用李克特量表的原理［36］將每一項因子按照1～5分進行評分（表3），統一標準、統一量綱。評分準則以2.1節分析為基礎，是正向指標，評分越高表明當地該項數據表現更好，更適宜白蟻生存。其中，土壤與食物條件屬于未能直接量化的指標，本文分析中土壤條件采用土壤pH進行比較，食物條件按照白蟻喜食性進行比較。

2.2.2" 評價方法與過程

采用熵權法和優劣解距離法（TOPSIS）對各樣本進行評價，最終經過分析評估，對云南省白蟻預防區域進行分級，并針對每個級別制定相應的預防原則與措施，以準確、經濟、高效地解決大壩白蟻危害問題。

TOPSIS法是一種綜合評價方法，能挖掘原始數據信息，展示評價方案差異。通過比較待評價方案與正、負理想解的距離，確定排序。傳統TOPSIS法在確定權重時較主觀，影響評價結果的科學性和客觀性，為此本文引入熵權法，通過計算指標信息熵設定權重，提高評價的客觀性［37］。計算流程如下：

（1） 設有n個評價對象m個評價指標，構建n行m列的評價矩陣，元素為xij。

（2） 構建標準化矩陣Z，Z中的每一個元素為

Zij=xijni=1x2ij（1）

（3） 采用熵權法計算權重。

計算概率矩陣P：

pij=zijni=1zij（2）

信息熵計算公式為

ej=-1lnnni=1［pij×lnpij］（3）

信息效用值計算公式為

dj=1-ej（4）

最終每個指標的熵權為

wj=djmj=1dj（5）

表4是利用熵權法對各指標進行權重計算的結果。信息熵值是用于量化信息不確定性的指標，而信息效用值則是用于評估信息價值的標準［38］。某信息的效用值越大、熵越小、信息量越多，則該信息的權重越大。

（4） 計算各評價指標與最優及最劣向量之間的差距：

D+i=mj=1wj（Z+j-zij）2

D-i=mj=1wj（Z-j-zij）2（6）

其中：

Z+=｛max zij|j=1，2，…，m｝={z+1，z+2，…，z+n}

Z-=｛min zij|j=1，2，…，m｝={z-1，z-2，…，z-n}（7）

（5） 評價對象與最優方案的接近程度：

Ci=D-iD+i+D-i（8）

表5為各項數據加權后利用TOPSIS法得到的求解結果。正理想解距離D+和負理想解距離D-的值分別代表評價對象與最優或最劣解的距離。最理想的研究對象是D+值越小同時D-值越大，即綜合得分C值越大說明研究對象評價越好［39］。

2.2.3" 評價結果與分析

為評估和比較評價體系與預期目標的相關性，根據各項累加評分、綜合得分以及原始白蟻危害密度繪制圖3，其中堆疊柱狀圖表示原始評價累加得分，折線圖中實線表示熵權-TOPSIS評價后的綜合得分，虛線代表原始白蟻危害密度。

從圖3可以發現，經過熵權-TOPSIS綜合評價方法的優化，累計得分結果得到顯著改善，綜合評分與白蟻危害密度呈現高度一致性。總體為南部與西南部地區綜合得分相對較高，東北與西北部地區得分相對較低，表明該預防分級評價體系在區域劃分上表現出了合理性和準確性，能夠科學地進行預防分類。

3" 分級預防體系構建

3.1" 確立分級體系

綜合得分最高的是普洱市（0.816），最低的是迪慶藏族自治州（0.199），相差0.617。就此，將綜合得分劃分為3級，如圖4所示。一般防范地區≤0.40，中等防范地區0.40～0.70，重點防范地區≥0.70。白蟻危害密度大于4處/座的地區與重點防范地區相一致，再次證明綜合評價體系的合理性。

3.2" 確立分級預防措施

按照不同的防范等級，構建如圖5所示的監測預警、定期普查、預防處理三位一體大壩白蟻分級預防措施，將更為高效、精準地指導白蟻危害防控工作。實踐證明，在芒林［40］、糯扎渡水庫大壩［17］，采取有效預防措施后能夠顯著防止大壩白蟻危害的發生與降低擴散風險，從而確保大壩的安全。所構建的白蟻預防分級體系，其核心在于對各個地區大壩白蟻危害風險的全面評估。基于這一評估結果，制定相應的預防措施分級，實現精準預防，從而降低預防措施的成本。然而，從圖5中也能發現，對于一般區域內的重點工程以及已經出現Ⅲ級危害的大壩，仍需給予特別關注和重視。

對于大壩白蟻危害，在常規預防措施的基礎上，還需要根據不同地區的實際情況進行有針對性的處理才能獲得更好的效果。首先需深入了解不同地區白蟻的種類及分布情況，確保對各種白蟻的習性有詳盡的認識。其次，必須全面考慮各地區的白蟻影響因子，降低白蟻生存繁衍的有益條件，例如，西雙版納傣族自治州可以通過降低大壩土壤白蟻生存的適宜性（在大壩表層建立防護屏障等）來降低白蟻病害的風險，而普洱市則需要著重解決食物對白蟻的影響問題（種植隔離

作物帶、減少壩體周圍喜食性植物數量等）。此外，還需要細致研究不同地區的經濟和社會狀況，以理解當地防治白蟻工作的實際需求和可能面臨的困難。

4" 結 論

（1） 在對云南省大壩白蟻危害調查統計的基礎上，采用Ⅲ類危害歸一化的計算方式，提出用白蟻危害密度評價區域白蟻危害，能更準確地反映區域白蟻危害綜合情況。

（2） 提出了影響白蟻危害密度的6項影響因子指標，并采用熵權-TOPSIS方法對各影響因子進行分析，確定影響權重，得出綜合得分。熵權-TOPSIS優化后的綜合評分與原始白蟻危害密度呈現高度一致性，驗證了評分的準確性。按照評分結果提出了白蟻區域預防分級體系，據此可將云南省各區域分為3個等級進行白蟻預防。

參考文獻：

［1］" 李國英.水利工程白蟻等害堤動物危害及防治調研報告［J］.中國水利，2023，74（15）：1-5.

［2］" LI Y，DONG Z Y，PAN D Z，et al.Effects of subterranean termite nest architectures on earth embankment seepage and stability［J］.Paddy and Water Environment，2020，18（3）：367-384.

［3］" VAN T V.Termites in dikes of northern Vietnam［M］.Jodhpur：Scientific Publishers，2014：39-48.

［4］" 黃求應.黑翅土白蟻覓食行為學基礎及誘殺系統的研究［D］.武漢：華中農業大學，2009.

［5］" 楊啟貴，周和清，劉加龍.東方山水庫大壩管道型滲漏的應急搶險與除險加固［J］.人民長江，2022，53（3）：202-206.

［6］" 蔡勤學，屈章彬，張樹田，等.黃河小浪底土石壩白蟻綜合防控技術研究與工程實踐［C］∥中國大壩工程學會水庫大壩和水電站建設與運行管理新進展論文集，北京，2022：319-328.

［7］" 彩萬志，龐雄飛，花保禎，等.普通昆蟲學［M］.北京：中國農業大學出版社，2010.

［8］" 李棟，趙元，石錦祥，等.云南文山、玉溪（州、區）大壩白蟻害調查研究［J］.白蟻科技，2000，17（1）：9-14.

［9］" 王靜.地球物理方法在白蟻蟻穴探查中的應用［J］.人民長江，2003，34（7）：56-58.

［10］馬海忠，王鳳榮，郭建強，等.白蟻防治施工與驗收在苗尾水電站大壩的應用效果［J］.云南水力發電，2017，33（增1）：102-104.

［11］沈立鋒，趙培雙，劉海波，等.糯扎渡水電站白蟻種類調查與蟻害趨勢分析［C］∥中國電力技術市場協會2021年電力行業技術監督優秀論文集，成都，2021：1474-1480.

［12］LI Y，PAN D Z.Barrier longevity of NaCl-Laden soil against subterranean termites in an earth embankment［J］.Sustainability，2021，13（23）：13360.

［13］MAHAPATRO G K，CHATTERJEE D.Integrated termite management in the context of indoor and outdoor pest situation［M］.Cham：Springer，2018：119-135.

［14］陳彤，曾文慧，顏珣，等.應用昆蟲病原線蟲防控白蟻的研究現狀［J］.應用昆蟲學報，2022，59（1）：29-39.

［15］黃求應，李剛華，劉龍，等.堤壩白蟻習性規律及其生物防治技術研究進展［J］.中國水利，2023，74（15）：54-59，53.

［16］AHMAD F，FOUAD H，LIANG S Y，et al.Termites and Chinese agricultural system：applications and advances in integrated termite management and chemical control［J］.Insect Science，2021，28（1）：1-20.

［17］樊牧，李然，趙培雙，等.基于IPM的糯扎渡大壩白蟻防治研究［J］.中國水運（下半月），2020，20（1）：135-136，138.

［18］沈俊峰，姚靜.基于“電磁感應非環路通斷”（DEMINL）技術的水利水電工程白蟻實時自動化監測預警系統研發［C］∥中國水利學會中國水利學會2018學術年會論文集，北京，2018：117-123.

［19］中國水利學會.水利工程白蟻防治技術規范：T/CHES 44—2020［S］.北京：中國質檢出版社，2020.

［20］屈章彬，石磊，陳立云，等.水庫大壩白蟻危害調查分析［J］.河南水利與南水北調，2019，48（3）：79-81.

［21］云南省統計局.云南統計年鑒2022［M］.北京：中國統計出版社，2023.

［22］李學輝，谷桂華，余守龍，等.云南省水面蒸發量變化趨勢及其影響因素分析［J］.人民長江，2020，51（增2）：63-67.

［23］袁忠萍.玉溪海綿城市建設實踐與探索［J］.建材與裝飾，2019，15（18）：82-83.

［24］李亞男，畢曉菲，楊陽，等.怒江高海拔地區不同成熟期咖啡果實性狀差異分析［J］.農產品加工，2018，17（4）：58-61，64.

［25］周友妹.麗江市水面蒸發量折算系數及時空變化規律分析［J］.人民長江，2015，46（增1）：35-37.

［26］王輝，彭邦文，王大力.云南省經濟作物地理集聚的時空演變研究［J］.云南師范大學學報（自然科學版），2016，36（2）：67-73.

［27］曾覺民.云南自然森林分類系統及地理分布研究［J］.西南林業大學學報（自然科學版），2018，38（6）：1-18，231.

［28］涂安國，李英，聶小飛，等.鄱陽湖流域水分盈虧時空變化特征分析［J］.人民長江，2017，48（15）：35-39.

［29］FULLER C A，POSTAVA D M.Termites like it hot and humid：the ability of arboreal tropical termites to mediate their nest environment against ambient conditions［J］.Ecological Entomology，2014，39（2）：253-262.

［30］SILVA I S D，VASCONCELLOS A，MOURA，et al.Termite assemblages（Blattaria，Isoptera） in two montane forest（Brejo de Altitude） areas in northeastern Brazil［J］.Biota Neotrop，2019，19（1）：e20180519.

［31］沃玉報，姚璐，張友才，等.長江南京河段堤防白蟻防治技術實踐［J］.水利水電快報，2021，42（3）：65-67，73.

［32］張貞華.黑翅土白蟻和黃翅大白蟻主巢土壤的物理和化學特性研究［J］.杭州大學學報（自然科學版），1987，14（1）：80-90.

［33］云南省農業農村廳.云南省2022年度耕地質量監測報告［R/OL］.（2023-02-10）［2023-10-20］.https：∥nync.yn.gov.cn/html/2023/gongshigonggao_0210/394729.html.

［34］IBRAHIM B U，ADEBOTE D A.Appraisal of the economic activities of termites：a review［J］.Bayero Journal of Pure and Applied Sciences，2012，5（1）：84-89.

［35］丁芳，嵇保中，劉曙雯，等.白蟻的食物選擇［J］.中國農學通報，2015，31（2）：166-173.

［36］趙茜，趙東方，李冰潔，等.量表的選項順序效應及其影響因素分析：以教育領域的李克特量表為例［J］.中國考試，2020，30（4）：22-27.

［37］CHEN P.Effects of the entropy weight on TOPSIS［J］.Expert Systems with Applications，2020，168（8）：114-186.

［38］郭超，尤建新，彭博達，等.基于熵權-層次分析法和優劣解距離法的飛行員勝任力評價［J］.同濟大學學報（自然科學版），2023，51（12）：1983-1990.

［39］SHIN H S，SHYUR H J，LEE E S.An extension of TOPSIS for group decision making［J］.Mathematical and Computer Modelling，2007，45（7/8）：801-813.

［40］黃立群，冉海林，跑熱干.土壩在設計和運行中防治白蟻危害的研究［J］.中國水利水電科學研究院學報，2015，13（4）：290-294.

（編輯：胡旭東）

Dam termite hazard analysis and hierarchical prevention system construction in Yunnan Province

CHEN Dehui1，2，WANG Zixuan1，2，WU Caodong1，2，OU Bin1，2

（1.College of Water Conservancy，Yunnan Agricultural University，Kunming 650201，China；

2.Research Center for Smart Management and Maintenance of Small and Medium-sized Water Conservancy Projects in Yunnan Province，Kunming 650201，China）

Abstract：

In order to construct the hierarchical prevention system of termite hazard in dams of Yunnan Province and realize the accurate prevention and control of termite hazards，the statistical method of termite hazard numbers was optimized by using the class Ⅲ disease normalization algorithm，and an evaluation method of the original termite hazard density of dam was proposed.Six factors （mean annual temperature，relative humidity，total water resources，altitude，soil conditions and food condition） affecting termite hazard were selected，and the entropy weight-TOPSIS method was used to determine the weight of each influencing factor and their comprehensive score on termite hazard.The results showed that the termite damage of reservoirs in Yunnan Province was more serious in the south and southwest，and relative mild in the northwest and northeast.The comprehensive score was highly consistent with the original termite damage density，which verified the reliability of the score results.Based on this，a three-level prevention system for general，medium and key prevention areas was established according to different score intervals，and corresponding prevention measures were formulated.The research results can provide scientific guidance for the accurate prevention and control of termite damage in reservoirs of Yunnan Province，and also have certain reference significance for termite prevention in other regions.

Key words：

termite hazard prevention and control； earth-rock dam； entropy weight-TOPSIS method； hierarchical prevention system； Yunnan Province