空间自相关性分析能够有效揭示蚜虫种群数量在地理空间上的分布格局与聚集特征，为农业管理提供科学依据，从而优化病虫害防治策略的制订与实施。翟连荣[1]研究指出，通过整合时间维度、空间格局及管理措施等多尺度分析，可以系统识别导致害虫暴发的关键驱动因子，进而预测潜在暴发区域、种群扩散趋势及其可能影响范围，并据此提出包含作物空间配置优化在内的宏观管理方案，但该方法在操作层面存在一定的复杂性。董兆克等[2]综述了昆虫种群数据分析在SPSS软件上的实现，软件的应用有效提高了分析的准确性。通过软件将蚜虫的发生点与发生量进行有效聚类，利用发生点的空间权重矩阵精准识别出热点区域，进而在这些关键区域内，运用发生量的空间权重矩阵来全面评估蚜虫的为害程度[3]。这种综合分析方法，为蚜虫的监测与防治提供了参考，协助农业管理者更加合理地调配资源，制定出针对性更强的防治措施。基于此，本研究利用GeoDA空间分析软件和IBM SPSS Statistics 25软件，探讨蚜虫的空间分布模式与环境因素之间的相关性，为该虫害的监测和防治提供参考。
1 材料与方法
1.1 试验材料
试验地点设于开封市农林科学研究院，寄主棉花品种为开棉39。
1.2 试验设计
试验分为两组，点1～5为试验组1，点6～10为试验组2；每组在棋盘式布局中设置5个采样点，点与点之间相隔5 m，采用目测法进行调查统计。棉花于4月26日播种，从5月3日的出苗期开始调查，直至6月10日的现蕾期结束。出苗后用竹竿定位，每个点调查10株，全株调查，每5 d调查1次。5月15日进行浇水处理，用水量为13 m3/667 m2。5月26日进行化学防治蚜虫[3]，施用1 000～1 500倍的高效氯氰菊酯（有效成分6.6%）和吡虫啉（有效成分26.4%）稀释液。
1.3 试验方法
在互动地图上定位调查点的经纬度，坐标定位如表1所示。以位置点为ID变量，在基于距离空间权重变量中选择经纬度权重再分别以位置点和发生量权重为第一变量对蚜虫发生趋势进行整合分析。发生点空间权重矩阵基于地理距离进行构建。
表1 调查点经纬度坐标及权重 |
| 样地 | 纬度（N）/° | 经度（E）/° | 权重 |
|---|---|---|---|
| 调查点1 | 34.7690235 | 114.2652548 | 116 |
| 调查点2 | 34.7690091 | 114.2653567 | 582 |
| 调查点3 | 34.7690740 | 114.2653084 | 408 |
| 调查点4 | 34.7691433 | 114.2653446 | 338 |
| 调查点5 | 34.7691434 | 114.2652601 | 386 |
| 调查点6 | 34.7692050 | 114.2652628 | 642 |
| 调查点7 | 34.7691950 | 114.2653848 | 527 |
| 调查点8 | 34.7692864 | 114.2653245 | 789 |
| 调查点9 | 34.7693514 | 114.2653044 | 265 |
| 调查点10 | 34.7693436 | 114.2653567 | 316 |
1.4 数据处理
2 结果与分析
2.1 全局莫兰指数散点图
如图2A所示，发生位置的莫兰指数为-0.371，这表明数据点在空间上的分布具有显著的负相关性，数据点倾向彼此远离[4]。点6和点8位于第一象限，表明该位置点的蚜虫发生情况与其周围区域呈正空间自相关性，如果该点蚜虫的发生频率较高，其周围区域的发生频率也倾向于较高，蚜虫在该区域内的分布具有聚集性。点1、2、3、4、5位于第二象限，表明这些点的蚜虫发生情况与其周围区域呈负空间自相关性，蚜虫在这些点与周围区域之间呈现分散或不均匀的分布。点7、9、10位于第四象限，表明这些点的蚜虫发生情况与其周围区域呈正空间自相关性，但与周围区域的蚜虫发生频率相反，蚜虫在这些点与周围区域之间呈现交替或互补的分布模式。综合表明，点6和点8显示了聚集性，而点1、2、3、4、5和点7、9、10则显示了不同程度的空间异质性。
从图2B所示，发生量莫兰指数为0.679，表明蚜虫发生量在空间上表现出正空间自相关性[5]。这表明在空间分布上，这10个点蚜虫发生量具有显著的聚集性。拟合直线的存在进一步支持了这一点。第一象限点2、6、7、8的权重较高，且相邻发生的加权平均也较高，表明这些位置点有较高的发生量，并且周围也有类似的高发生量。第二象限无发生点，意味着在所研究的区域内，未观察到低值被低值包围的明确模式。蚜虫可能更倾向在某些特定条件下聚集，而在其他条件下则分布较为分散。如果第二象限代表的环境条件不利于蚜虫聚集，那么该象限就可能没有点。第三象限点1、3、4、5、9、10的权重较低，且相邻发生的加权平均也较低，表明这些位置点有较低的发生量，并且周围也有类似的低发生量。第四象限无数据点意味着没有位置点的权重较高。图中正斜率回归线表明，随着空间滞后变量的增加，实际观测值也倾向增加，进一步支持了正空间自相关性的结论。
2.2 局部莫兰指数要素
当发生量局部莫兰指数为正值时，相似的发生量倾向聚集。高高（HH）聚类表示一个“热点”区域或点具有高发生量，且其周围区域或点也具有高发生量，这些区域提供了对蚜虫特别有利的条件，如5月9日、5月15日点2和5月25日点6，P<0.05，表明区域密度显著高于其他区域。高低（HL）聚类表示一个区域或点具有高发生量，而其周围区域或点具有低发生量，如6月6日点9，P<0.001，表明这个区域的发生量高于其周围区域，周围环境不利于蚜虫生存或分布。低高（LH）聚类表示一个区域或点具有低发生量，而其周围区域或点具有高发生量，表明该区域是蚜虫密度低的“边缘”区域，受到周围高密度区域的影响，本研究中蚜虫发生量无该特点。低低（LL）聚类表示一个区域或点具有低发生量，并且其周围区域或点也具有低发生量，如5月9日点1等，P<0.01，表明这个区域的蚜虫密度显著低于其他区域（表2）。
表2 苗期蚜虫空间分析聚类分析 |
| 日期（月-日） | 默认距离带 | 莫兰指数 | 局部莫兰指数发生量、位置聚类 | 显著性水平 | ||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 | 0.001 | 0.01 | 0.05 | ||||
| 发生量聚类 | 05-09 | 0.879 646 | 0.640 | LL | HH | LL | LL | LL | 9 | 1、2、5、7 | ||||||
| 05-15 | 0.637 519 | 0.806 | LL | HH | LL | LL | LL | LL | 9 | 1、2、5、7、8 | ||||||
| 05-19 | 0.889 854 | 0.705 | LL | LL | LL | HH | LL | LL | 1、10 | 5、6、9 | 8 | |||||
| 05-25 | 1.428 201 | 0.327 | LL | LL | LL | HH | 1、4 | 3、6 | ||||||||
| 05-31 | 0.775 452 | 0.808 | LL | LL | LL | 1、9 | 10 | |||||||||
| 06-06 | 1.603 059 | 0.277 | LL | LL | HL | HL | 9 | 7 | 3、5 | |||||||
| 位置点聚类 | 05-09 | 0.879 646 | -0.346 | |||||||||||||
| 05-15 | 0.637 519 | 0.225 | LH | LL | 1、4 | |||||||||||
| 05-19 | 0.889 854 | -0362 | LH | HL | 1、8 | |||||||||||
| 05-25 | 1.428 201 | 0.021 | ||||||||||||||
| 05-31 | 0.775 452 | -0.246 | LH | HL | 1 | 7 | ||||||||||
| 06-06 | 1.603 059 | 0.084 | ||||||||||||||
由表2可知，蚜虫发生位置的局部莫兰指数可为正值也可为负值，反映了空间异质性，即在不同的环境里决定蚜虫种群动态以及蚜虫发生规律的关键因素有所不同[6]。高发生位置显著性表明该区域是蚜虫迁移路径上的关键点或具有特定的微气候条件，使得蚜虫倾向在这些位置聚集或避开。低发生位置显著性表明该区域在空间分布上没有特别突出的特征。当发生位置莫兰指数为负值时，相似的发生位置倾向于相互远离。发生位置聚类高高（HH）表示某些特定的地理位置频繁发生蚜虫，这些位置可能具有吸引蚜虫的共同特征，如特定的植物种类或环境条件。本研究中的区域无该聚类特点。高低（HL）模式表明某些特定位置经常发生蚜虫事件，而相邻位置则很少发生。如5月9日的点8，5月31日的点7这与特定位置的微环境条件或人为干预有关。低高（LH）表示一个区域或点具有低发生次数，而其周围区域或点具有高发生频率，这表明该区域是蚜虫密度低的“边缘”区域。如5月15日和19日点1，可能受到周围高密度区域的影响，即蚜虫通常不在这些位置发生，但周围有频繁发生害虫的点。低低（LL）表明这些位置很少发生蚜虫为害，其缺乏蚜虫生存和繁殖的条件，如5月15日的点4。
2.3 蚜虫发生量与气象要素间的相关性
表3 蚜虫发生量与气象要素间的相关性 |
| 试验组 | 日平均气温 | 相对湿度 | |
|---|---|---|---|
| 试验组1 | 若蚜 | -0.217 | 0.907* |
| 无翅成蚜 | -0.076 | 0.900* | |
| 有翅蚜 | -0.337 | 0.516 | |
| 试验组2 | 若蚜 | -0.969** | 0.842 |
| 无翅成蚜 | -0.988** | 0.873 | |
| 有翅蚜 | 0.090 | 0.100 | |
|
3 结论与讨论
试验调查期间，5月9日、5月15日当温度升至15 ℃以上时有翅蚜开始迁入棉田繁殖，与张燕燕等[8]在河南省三门峡地区蚜虫向寄主作物转移的时间吻合。点2发生量聚类为HH，相邻点1发生量为LL，与发生位置聚类LH吻合且稳定为频发的边缘区域。5月15日浇水后至下个调查日5月19日点8发生量为HH，这与当天发生位置聚类HL完全吻合，即当天此位置发生频率比周围要高且发生量较大，表明湿度相对较低的试验组2的5个点位置因浇水导致相对湿度提升，变得适宜苗蚜繁殖。5月21日受北风4级和湿度逐渐下降的影响，蚜虫发生量中心向南转移，到了5月25日，点8的蚜虫数量已不再形成明显的热点，点8发生量聚类无数据是因为蚜虫的分布相对均匀，或当天的观察数据不足以揭示出明显的空间模式。此外，本试验调查期间无异常天气出现，苗蚜峰值在汤建国等[9]推测的5月26日人工防治后，5月31日未形成新的发生量热点，点7位置聚类为HL形成一个热点与冷点相邻的模式，这与5月26日人工防治有关。在6月6日，位置点7和9发生量为HL聚类，表明蚜虫的分布已经转移到了这些新的区域，导致了新的热点和冷点的形成。在同一个位置，5月31日出现位置聚类HL，而6月6日出现发生量聚类HL，表明在两个不同的时间点，该位置蚜虫分布和数量表现出不同的模式。
通过全局和局部莫兰指数分析，各个调查点在发生量上呈现明显聚集性，特别是在某些特定条件下，倾向在某些区域聚集。同时，通过气象相关性分析，蚜虫的空间分布模式受环境因素影响显著，不同区域的气候条件对蚜虫的发生量的影响有所不同。蚜虫倾向在某些特定条件下聚集，而在其他条件下则分布较为离散。高密度区域可能需要更密集的监控和干预措施，而低密度区域可能需要进一步研究其环境条件，以了解其不利于蚜虫生存或分布的原因。宋哲和[10]研究表明，当虫口密度未达防治指标时，采用较高的误差估计值（即要求更严格的取样标准），以避免过早实施防治而影响药剂控制效果；而当虫口密度超过防治指标时，则采用较低的误差估计值（放宽取样要求），以便快速实施防治，从而有效减少虫害造成的损失。蚜虫的空间分布模式受环境因素影响显著，且存在明显的聚集分布，这与朱荣华等[11]利用Iwao方法计算棉花苗蚜属聚集分布的结果一致。
综上，通过全局和局部莫兰指数分析识别蚜虫发生的位置热点区域及发生量，并分析其发生量与环境的相关性。结果表明，相似的发生量倾向聚集，而发生位置高频地区与低频地区呈现分散，蚜虫发生量与日平均温度和湿度具有一定的相关性，进一步证实了蚜虫的空间分布模式受环境因素影响显著，并且需采取针对性的监控和干预措施来管理蚜虫种群。