在不同空间建模条件下玛瑙菊蕾蝽分布的全球与区域评估

体积微小但影响全球的一种小虫

大多数人从未注意到菊花蝽这种仅如斑点大小的昆虫，它以花园花卉和农作物为食。但这个小小的搭乘者可以借助贸易路线和公路进入新的大陆，造成植被损害并增加防治成本。本研究提出一个务实的问题：这种入侵害虫现在和未来在哪些地区最可能繁衍生息？科学家应如何最好地做出这些预测，以便政府和农户及时采取行动？

为何预测害虫很重要

入侵物种日益扰乱当地野生动植物和农业，从挤占本地植物到减少昆虫和鸟类的食物来源。一旦像菊花蝽（Corythucha marmorata）这样的物种到达，便很难根除。由于它已经从北美扩散到日本、中国和韩国，管理者需要工具在暴发蔓延之前标示出高风险区域。作者使用物种分布模型，将已知的观测记录与气候和环境数据相连，以估算何处条件适宜。这些地图有助于把监测、检疫和控制集中在最关键的区域。

研究者如何绘制这些地图

研究团队从全球生物多样性数据库和野外调查中汇集了超过一千条蝽类记录，然后谨慎过滤，以避免点簇偏倚结果。他们将这些存在点与汇总全球温度和降水格局的气候图层结合，例如最暖季节的降雨量或季节间温差强度。接着他们运行了十种不同的建模算法，从经典统计方法到现代机器学习方法，采用了三种定义“物种缺失”区域的方式。由于真实缺失点很少确知，他们通过不同规则生成所谓的“伪缺失”点，例如随机散布、限制在环境差异显著的区域，或在距已知出现点一定距离的环形区域内放置。

将多种模型融合为单一图景

作者没有信赖任何单一方法，而是构建了将多种方法输出合并的集成模型。他们测试了四种平均方式，包括简单均值、中位数、委员会式投票系统，以及对表现更优模型赋予更大权重的加权平均。通过两种标准评分衡量模型在区分适宜与不适宜区域方面的准确度。表现最强的是委员会式平均和以环境对比区域抽取伪缺失点构建的加权平均。这些组合产生了很高的准确度评分，表明关于如何表示“缺失”以及如何对单个模型加权的谨慎选择，能显著提升预测清晰度。

菊花蝽最可能扩散到哪里

利用其表现最佳的集成模型，研究者绘制了蝽类在全球的潜在分布，并放大分析了韩国。全球范围内，模型不仅突出了昆虫已知的北美和东亚分布区，还显示了尚未入侵的高适宜区域，包括欧洲部分地区、澳大利亚东部、乌拉圭和阿根廷。在韩国境内，大多数内陆地区现在看起来适宜，并在2050年强烈气候变化情景的投影中依然适宜。相比之下，南方岛屿济州持续表现为不适宜，与当前野外观察到该害虫尚未在此扎根的事实一致。交通密集且路边植被丰富的地区显示为可能的热点，反映出车辆如何帮助该虫在宿主植物斑块间传播。

对未来入侵管理的意义

对非专业读者而言，主要结论是，我们构建预测工具的方式与我们研究的昆虫同样重要。通过测试多种建模“配方”，这项工作表明融合模型并谨慎选择假定物种缺失的位置，可以从全球到国家尺度产生可靠的风险地图。对于菊花蝽而言，这些地图警示世界上许多温带季节性湿润地区可能支持未来的入侵，同时也确认韩国大部将继续面临风险，只有少数避难所如济州例外。更广泛地说，这项研究为在入侵种到来之前预测其他害虫提供了实用蓝图，使监测和防控努力能有针对性地部署，发挥最大效益。

引用: Byeon, Dh., Lee, WH. Global and regional evaluation of Corythucha marmorata distribution under different spatial modeling conditions. Sci Rep 16, 13283 (2026). https://doi.org/10.1038/s41598-026-42897-y

关键词: 入侵物种, 物种分布建模, 菊花蝽（lace bug）, 气候适宜性, 集成生态模型