中国东北地区杨树腐烂病时空流行特点与风险分析
发布时间：2022-02-14 01:21
由金黄壳囊孢（Cytospora chrysosperma）引起的杨树腐烂病是一种枝干病害,在中国“三北”地区发生严重,已造成大量杨树死亡。控制杨树腐烂病的核心是预防,而摸清病害的流行规律是预防的前提和基础。本文在整理分析中国东北地区自2002年至2015年共14年间杨树腐烂病发生数据的基础上,按照不同纬度、海拔,不同森林经营区,不同功能区等分类方式,对比分析杨树腐烂病在不同类型区域的流行趋势;并以县（区、市）行政单元作为样本统计单元,采用时空扫描统计量（Sa TScan）技术,并结合回顾性时空扫描方法,分析了14年间中国东北地区杨树腐烂病的时空分布与流行特点及其聚集模式;通过Max Ent模型与Arc GIS技术,结合不同环境变量对病害发生的贡献率,对杨树腐烂病潜在分布区及其适宜性进行了分析,预测了不同气候变化下未来30年和50年潜在分布区的变化情况,并利用多指标综合评价方法对杨树腐烂病在东北地区传播扩散的风险性进行分析。旨在为该病害的防控工作提供科学依据。主要结果如下:1、中国东北地区杨树腐烂病的发生趋势与纬度区间的相关性并不显著,但相同纬度下高海拔地区的发病率明显低于低海拔地区。...
【文章来源】：北京林业大学北京市211工程院校教育部直属院校
【文章页数】：102 页
【学位级别】：博士
【部分图文】：
杨树腐烂病的病原菌多样性及系统关系(引自Fan et al.,2020)
时空扫描统计一般包括回顾性时空扫描统计、时空重排扫描统计、前瞻性时空扫描统计、指数模型扫描统计等多个模型(Kulldorff et al.,1998,2001;Kulldorff,2005;Huang et al.,2007),其中回顾性时空扫描统计可用于分析历史数据,做回顾性分析(韩贵锋等,2006);前瞻性时空扫描统计能够对事件(疾病)发生发展动向进行定期的预测(Singhasivanon et al.,2000),本文是回顾性统计分析2002-2015年东北杨树腐烂病灾害的时空聚集模式,因此使用回顾性时空扫描统计方法。(2)选取概率分布模型
该地区地带性植被属于长白山红松阔叶林南亚区,其南缘过渡到华北植物区系(宋玉双,1995)。主要树种有红松、落叶松、云杉、蒙古栎、白杨、桦木等,其中杨树栽植区主要分布在佳木斯、通化、丹东、延边朝鲜族自治州一带,有数据记载的种植面积8.7万公顷,主要为水源涵养林。该地区气候环境条件适宜林木生长,动植物资源极为丰富,也是林木病害种类较多的地区,且基本集中在以针叶树为寄主植物的病害中。如红松腐烂病,红松松针锈病Coleosporium saussureae等,杨树腐烂病也在沿线的一些地区长期存在。图2.2研究区域县级行政区划图
【参考文献】：
期刊论文
[1]基于最大熵模型预测东北地区红松潜在分布[J]. 张劳模,庞丽峰,许等平,唐小明. 江西农业大学学报. 2020(01)
[2]有害生物风险分析工作回顾[J]. 梁忆冰. 植物检疫. 2019(06)
[3]《植物病害流行与预测》课程质量标准研究探索与实践[J]. 汪章勋,檀根甲,宛琼. 赤峰学院学报(自然科学版). 2019(03)
[4]北方林业有害生物预测预报方式方法探讨[J]. 贾国强. 现代园艺. 2018(08)
[5]杨树烂皮病研究现状[J]. 彭儒胜,尹杰,彭建东,李晓鹏. 生物灾害科学. 2018(01)
[6]辽宁三北防护林退化林分的现状、成因及修复措施[J]. 任广明. 林业科技情报. 2018(01)
[7]2011-2015年我国乙肝空间聚集性探讨[J]. 张利萍,唐丹丹,靳圆圆,郑彦玲. 数学的实践与认识. 2018(02)
[8]杨树腐烂病菌表观特征及遗传多样性分析[J]. 张俊娥,范鑫磊,梁英梅,田呈明. 北京林业大学学报. 2017(07)
[9]辽阳地区林业危险性有害生物杨树烂皮病风险分析[J]. 范大庆. 安徽农业科学. 2017(15)
[10]基于Maxent模型的不同气候变化情景下我国草地螟越冬区预测[J]. 唐继洪,程云霞,罗礼智,张蕾,江幸福. 生态学报. 2017(14)
博士论文
[1]小麦条锈病早期检测与预测预报关键技术研究[D]. 姚志凤.西北农林科技大学 2019
[2]我国布鲁氏菌病流行时空分析与患者健康相关生命质量研究[D]. 陈秋兰.中国疾病预防控制中心 2017
[3]基于时空聚集面板模型的肺结核病高危区域探测及影响因素研究[D]. 饶华祥.山西医科大学 2017
[4]中国黄河流域壳囊孢属的分类和系统学研究[D]. 范鑫磊.北京林业大学 2016
[5]基于扫描统计方法的上海犯罪时空热点分析[D]. 王占宏.华东师范大学 2013
[6]中国林业生物安全风险评价与管理对策研究[D]. 赵宇翔.北京林业大学 2012
[7]气象因素对黑龙江省三种病虫害的影响及预测预报[D]. 张福丽.东北林业大学 2009
[8]时—空扫描统计量在传染病早期预警中的应用研究[D]. 殷菲.四川大学 2007
硕士论文
[1]基于最大熵模型预测孑遗植物银杏和珙桐的适生区[D]. 许瑶.华北电力大学(北京) 2019
[2]基于Kulldorff扫描统计量的聚类方法研究及应用[D]. 董倩楠.中国石油大学(华东) 2016
[3]气候变化对三种常用药用植物分布的潜在影响[D]. 崔晋亮.陕西师范大学 2015
[4]中国东北地区壳囊孢属真菌的分类研究[D]. 张玉博.北京林业大学 2013
[5]嘉兴市南湖区林业害虫调查及其风险性评价研究[D]. 江挺.浙江农林大学 2011
[6]极端气候时空聚集性预测模型初探[D]. 谢柯.四川师范大学 2011
[7]江苏杨树烂皮病发生与防治技术研究[D]. 徐明.南京林业大学 2010
[8]空间统计学方法在某市淋病疫情时空聚集性特征研究中的应用[D]. 罗珍胄.中南大学 2010
[9]外来入侵物种风险评估和风险分析体系的初步构建[D]. 陈晨.南京农业大学 2007
[10]植物病害流行时间模拟与预测系统Epitimulator开发及应用[D]. 李成文.西南大学 2007
本文编号：3624126
【文章来源】：北京林业大学北京市211工程院校教育部直属院校
【文章页数】：102 页
【学位级别】：博士
【部分图文】：
杨树腐烂病的病原菌多样性及系统关系(引自Fan et al.,2020)
时空扫描统计一般包括回顾性时空扫描统计、时空重排扫描统计、前瞻性时空扫描统计、指数模型扫描统计等多个模型(Kulldorff et al.,1998,2001;Kulldorff,2005;Huang et al.,2007),其中回顾性时空扫描统计可用于分析历史数据,做回顾性分析(韩贵锋等,2006);前瞻性时空扫描统计能够对事件(疾病)发生发展动向进行定期的预测(Singhasivanon et al.,2000),本文是回顾性统计分析2002-2015年东北杨树腐烂病灾害的时空聚集模式,因此使用回顾性时空扫描统计方法。(2)选取概率分布模型
该地区地带性植被属于长白山红松阔叶林南亚区,其南缘过渡到华北植物区系(宋玉双,1995)。主要树种有红松、落叶松、云杉、蒙古栎、白杨、桦木等,其中杨树栽植区主要分布在佳木斯、通化、丹东、延边朝鲜族自治州一带,有数据记载的种植面积8.7万公顷,主要为水源涵养林。该地区气候环境条件适宜林木生长,动植物资源极为丰富,也是林木病害种类较多的地区,且基本集中在以针叶树为寄主植物的病害中。如红松腐烂病,红松松针锈病Coleosporium saussureae等,杨树腐烂病也在沿线的一些地区长期存在。图2.2研究区域县级行政区划图
【参考文献】：
期刊论文
[1]基于最大熵模型预测东北地区红松潜在分布[J]. 张劳模,庞丽峰,许等平,唐小明. 江西农业大学学报. 2020(01)
[2]有害生物风险分析工作回顾[J]. 梁忆冰. 植物检疫. 2019(06)
[3]《植物病害流行与预测》课程质量标准研究探索与实践[J]. 汪章勋,檀根甲,宛琼. 赤峰学院学报(自然科学版). 2019(03)
[4]北方林业有害生物预测预报方式方法探讨[J]. 贾国强. 现代园艺. 2018(08)
[5]杨树烂皮病研究现状[J]. 彭儒胜,尹杰,彭建东,李晓鹏. 生物灾害科学. 2018(01)
[6]辽宁三北防护林退化林分的现状、成因及修复措施[J]. 任广明. 林业科技情报. 2018(01)
[7]2011-2015年我国乙肝空间聚集性探讨[J]. 张利萍,唐丹丹,靳圆圆,郑彦玲. 数学的实践与认识. 2018(02)
[8]杨树腐烂病菌表观特征及遗传多样性分析[J]. 张俊娥,范鑫磊,梁英梅,田呈明. 北京林业大学学报. 2017(07)
[9]辽阳地区林业危险性有害生物杨树烂皮病风险分析[J]. 范大庆. 安徽农业科学. 2017(15)
[10]基于Maxent模型的不同气候变化情景下我国草地螟越冬区预测[J]. 唐继洪,程云霞,罗礼智,张蕾,江幸福. 生态学报. 2017(14)
博士论文
[1]小麦条锈病早期检测与预测预报关键技术研究[D]. 姚志凤.西北农林科技大学 2019
[2]我国布鲁氏菌病流行时空分析与患者健康相关生命质量研究[D]. 陈秋兰.中国疾病预防控制中心 2017
[3]基于时空聚集面板模型的肺结核病高危区域探测及影响因素研究[D]. 饶华祥.山西医科大学 2017
[4]中国黄河流域壳囊孢属的分类和系统学研究[D]. 范鑫磊.北京林业大学 2016
[5]基于扫描统计方法的上海犯罪时空热点分析[D]. 王占宏.华东师范大学 2013
[6]中国林业生物安全风险评价与管理对策研究[D]. 赵宇翔.北京林业大学 2012
[7]气象因素对黑龙江省三种病虫害的影响及预测预报[D]. 张福丽.东北林业大学 2009
[8]时—空扫描统计量在传染病早期预警中的应用研究[D]. 殷菲.四川大学 2007
硕士论文
[1]基于最大熵模型预测孑遗植物银杏和珙桐的适生区[D]. 许瑶.华北电力大学(北京) 2019
[2]基于Kulldorff扫描统计量的聚类方法研究及应用[D]. 董倩楠.中国石油大学(华东) 2016
[3]气候变化对三种常用药用植物分布的潜在影响[D]. 崔晋亮.陕西师范大学 2015
[4]中国东北地区壳囊孢属真菌的分类研究[D]. 张玉博.北京林业大学 2013
[5]嘉兴市南湖区林业害虫调查及其风险性评价研究[D]. 江挺.浙江农林大学 2011
[6]极端气候时空聚集性预测模型初探[D]. 谢柯.四川师范大学 2011
[7]江苏杨树烂皮病发生与防治技术研究[D]. 徐明.南京林业大学 2010
[8]空间统计学方法在某市淋病疫情时空聚集性特征研究中的应用[D]. 罗珍胄.中南大学 2010
[9]外来入侵物种风险评估和风险分析体系的初步构建[D]. 陈晨.南京农业大学 2007
[10]植物病害流行时间模拟与预测系统Epitimulator开发及应用[D]. 李成文.西南大学 2007
本文编号：3624126
本文链接：https://www.wllwen.com/shoufeilunwen/nykjbs/3624126.html