利用WaspSim建立入侵昆虫生物防治的MATLAB仿真模型-2023年研究成果

软件X 21（2023）101321原始软件出版物利用WaspSim建立入侵昆虫生物防治的MATLAB仿真模型放大图片作者：Oscar J. Hestera，b，a澳大利亚新南威尔士州阿米代尔新英格兰大学UNE商学院b澳大利亚维多利亚州帕克维尔墨尔本大学生物安保风险分析卓越中心ar t i cl e i nf o文章历史记录：2022年10月26日收到2023年1月17日收到修订版，2023年数据集链接：https：//github。com/ocacho/WaspSim保留字：入侵物种经典生物防治德国胡蜂控制可行性仿真模型a b st ra ct在全球范围内，各国政府花费大量资金试图使用不同的策略来预防或减轻入侵物种的负面影响，包括对在景观中广泛分布的物种进行经典的生物控制。达到生物控制释放的点需要大量的时间和资金投入用于研究和测试，并且生物控制剂的成功是不确定的。我们提出了一个数值模型，旨在帮助在这个过程中。该模型的基础建立在人口增长和扩散的公式上。生物防治方案的技术可行性根据害虫和生物防治剂的种群参数进行评估版权所有©2023作者。由爱思唯尔公司出版这是CC BY-NC-ND下的开放获取文章许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）。代码元数据当前代码版本1.0用于此代码版本的代码/存储库的永久链接https://github.com/ElsevierSoftwareX/SOFTX-D-22-00344可复制胶囊的永久链接合法代码许可证MIT许可证。使用的代码版本控制系统无软件代码语言，工具和服务使用Matlab编译要求、操作环境和依赖关系在MATLAB 2019 a或更高版本中运行的MATLAB代码如果可用，请链接到开发人员文档/手册https://github.com/ocacho/WaspSim问题支持电子邮件ocacho@une.edu.au1. 动机和意义虽然昆虫是生态系统过程中不可或缺的一部分，但它们也具有入侵能力，影响人类健康，基础设施，农业和环境。入侵昆虫的负面影响是巨大的- Bradshaw等人[1]估计它们每年在全球造成至少700亿美元的损失，而相关的健康成本每年超过69亿近年来，利用模拟模型进行的决策分析对入侵物种的管理做出了*通讯作者。电子邮件地址：ocacho@une.edu.au（Oscar J. Cacho），shester@une.edu.au（Susan M.Hester）。https://doi.org/10.1016/j.softx.2023.101321年[2基于生态学原理的模型使生物安全机构能够在潜在的重大投资发生之前确定人工计划成功的条件。入侵的蔓延是一个复杂的时空和随机过程，不容易在作战环境中建立模型。在本文中描述的软件，WaspSim，提供了一个工具，用于模拟两个物种的传播和它们之间的相互作用，作为害虫和生物控制剂。WaspSim模型是作为一个项目的一部分开发的，该项目旨在评估入侵昆虫是否是经典生物控制（CBC）的良好候选者[7]，其目的是永久建立一种控制害虫的代理。CBC可以是一种经济上可行的选择，以控制在景观中广泛存在的害虫，但筛选通常需要很长的时间框架和大量的预算2352-7110/©2023作者。由爱思唯尔公司出版。这是一篇开放获取的文章，使用CC BY-NC-ND许可证（http://creativecommons.org/licenses/by-nc-nd/4.0/）。可在ScienceDirect上获得目录列表SoftwareX期刊主页：www.elsevier.com/locate/softx奥斯卡·J作者声明：Susan M.海丝特软件X 21（2023）1013212（）=（7）=W（8）β=B，t=（）（）22=−+ −（2）Ws，t+1=Wa，t=1−Eµ，t黄蜂生长，春季πγ1+表1模型方程。N方程描述（1）Wa，t=αW（1−（Eα，t）W）s，te−βWWs，t黄蜂生长，秋季(3)Ba，t=αBBs，te−βB，tBs，t生物控制生长，秋季(4)Bs，t+1=Ba，（t（1−µB））春季生物控制（6）EµtminBBs，t，1对黄蜂死亡率的生物防治作用βlnαWκW θWlnαBκBWs，t1生长指数，胡蜂生长指数，生物防治(9)i，j =（（di，j）2）分散核γ(10)Wd PW Wt扩散后的分布，黄蜂(11)Bd PB Bt扩散后的分布生物(12)pd=1−e−δWWa，tH检测概率(13)Kt=pd Wa，t(14)Wa，t=Wa，t（1−pd）剩余蜂巢(15)f（u） ωNN obsN pred（u i）ωAA obs一种pred（u i）似然遗传算法功能测试、繁殖和释放生防剂。技术可行性是经济可行性的先决条件，如果生物防治剂在技术上不可行，则不需要进行经济评价。CBC意义上的技术可行性意味着害虫和生物防治种群在低密度下达到平衡，其中害虫造成的损害保持在低水平，而无需额外费用。WaspSim允许评估技术可行性，因此在筛选潜在候选物种时，将最有益地用于生物防治剂性能的早期评估。在WaspSim中修改了Barlow等人[8]的模型，以表示黄蜂和生物控制剂种群的增长及其相互作用，并引入两个物种空间传播的扩散方程。WaspSim最近由Cacho和Hester应用[9]，他们专注于澳大利亚东南部欧洲黄蜂（Vespula germanica）的入侵。欧洲黄蜂是一种社会性昆虫，依靠一个或多个蜂王繁殖，其种群在模型中表示为每单位面积的巢穴或殖民地。输入数据由感兴趣区域的地图组成，表示随着时间的推移害虫的存在，人口密度和害虫的栖息地适合性。该模型是专为一般的社会昆虫，其中一个殖民地（巢）有一个固定的位置，并通过女王发生时间遍布景观。这类似于入侵植物的情况，其中成虫具有固定的位置，并且通过种子传播进行传播。在这两种情况下，核心种群（巢或植物）在空间上是固定的，传播通过繁殖体（蚁后或种子）发生。该模型可以应用于非社会性入侵昆虫或其他动物，只要核心种群的空间范围（测量种群密度的变量）在地图上的单元格内2. 软件描述WaspSim是一个免费的MATLAB软件包，用于评估入侵昆虫是否是经典生物控制程序的良好候选者。它可用于基于公共数据估计不确定的人口动态参数示例以独立脚本的形式提供。Cacho和Hester [9]中详细解释了数学模型，这里不再重复细节。本文的重点是数值模型的应用。选择Matlab是因为它提供了一个基于矩阵的集成建模环境，它有几个有用的工具箱，具有通用语法，并且可以快速解决大型问题 。 缺 点 是访 问 Matlab 环 境 有成 本 ， 而 不 是 其他 语 言 ， 如Python。2.1. 软件构架模型方程列于表1中。这些是种群动态和扩散的常规方程。假设生物防治对害虫的影响是线性的（参见方程5和6），但如果有证据表明其他功能形式更合适，它们可以很容易地进行调整。模型中的生物控制剂通过两种方式影响害虫种群，即降低新蚁后的生长速度和增加巢穴的死亡率。可以调整模型参数以代表以这种方式起作用的生物控制的其他作用模式可以通过针对害虫的其他生长和扩散参数来表示该模型的完整代码是公开的，因此如果需要，用户可以进行这些更改。将表1中的方程封装在一系列MATLAB函数中，以进行害虫和生物防治种群的随机时空模拟。运行仿真模型需要访问MATLABBase软件。为了加快执行速度，如果并行计算模块可用，模型将并行运行此外，统计和机器学习工具还需要运行一些处理模型输出的功能。 图 1以流程图的形式显示了模拟运行的步骤。该图代表了用于运行Cacho和Hester [9]进行的分析模型的策略。进行模拟的其他方法可以通过操纵模型中的不同参数和创建不同的实验设计来实现。第一步（图） 1）是基于两个决策变量选择生物控制释放策略：释放的空间覆盖度（x c）和每个位点的释放强度（x p）。两个x c和xp表示为百分比，xc是基于每个地点的害虫密度，地图上将接种生物防治的地点的百分比，xp是比例 每一个地方都有一个接种点第二步是(5)Eα，t=minρBBs，t，1对胡蜂生长的生物防治效果奥斯卡·J作者声明：Susan M.海丝特软件X 21（2023）1013213×=-×× ×图1.一、 胡蜂生防模拟模型流程图。设置实验设计，包括选择模型参数和待测试值的组合在Cacho和Hester [9]中，我们使用了一个全因子设计，每个因子有三个水平，得到了ne34 81个实验处理。每个处理是实验矩阵（bparm）中的一行，其具有维度814。接下来的一系列步骤由两个循环组成，根据每行（bparm）设置生物防治参数，并对所需的随机迭代次数（nr）运行Monte Carlo模拟。在每个随机迭代中，模拟运行所需的时间段数（nt）。每个模拟产生害虫和生物防治种群的输出矩阵（分别为wt和bt这些矩阵的维数为nc nt，其中nc是感兴趣区域的地图中网格单元的数量。本质上，wt和bt的每一列都是对应于随机运行的时间t处的入侵状态的映射，表示为每个单元的每单位面积的密度随机模拟的结果被保存在三维矩阵Wt和Bt中，维度为nc nt nr，其中沿着第三维度的每个矩阵表示Wt和Bt的实现。使用该过程，我们产生81组Wt和Bt矩阵（参见下面的示例1），一组用于实验设计矩阵bparm的每一行。在这个阶段，分析师需要决定如何打包这些结果。选项包括：(1) 引入第四维来包含每个参数集的结果。(2) 在MATLAB中使用一个包含n个 Struct或Cell变量的数组(3) 产生一个二维数据集，其中包含每个地图单元、时间段、随机运行和实验处理的wt和bt的单独观测值;或(4) 计算随机运行的汇总统计量，并将汇总结果打包到新的Struct变量中。最佳选择部分取决于分析师的个人偏好和技能，部分取决于进一步分析的需要，部分取决于可用的内存和存储空间。它也会受到预期受众的影响。可以将数TB的数据取决于地图的大小和分辨率（Nc）、期望的时间范围（Nt）、实验设计矩阵的行数（Ne）、随机迭代的次数（Nr）和要模拟的生物控制释放策略的次数，快速产生。在下面的示例中，我们使用选项（4）来节省存储空间，并更快地访问保存在磁盘上的数据，以进行进一步分析。策略3非常适合生成CSV 格 式 的 输 出 文 件 ， 这 些 文 件 可 以 读 入 其 他 软 件 （ 如 R 或Python），以进一步分析结果。选项1和2允许全套的结果保存，但会导致非常大的二进制文件（.mat）文件，可能是缓慢的访问后，特别是当存储 在远程服务器上。我们将随机运行的汇总结果保存在每个实验的一个输出文件中，因此每个生物控制释放策略都有自己的文件。补充数据（SD）中对模型输出进行了更详细的解释（见表SD.3）。将结果保存为具有期望值（ev）、标准偏差（sd）以及地图上每个单元中黄蜂和生物防治存在的概率（prob）的数据结构。这三个变量具有相同的结构（图SD.4），包含黄蜂（Wt）和生物防治（Bt）的三维矩阵，尺寸nc×nt×ne。2.2. 软件功能MATLAB模型的组件列于表2中。有4个脚本和12个函数。大多数工作都发生在函数中，但普通用户只需要熟悉脚本就可以有效地运行模型。希望引入更复杂的变化的用户，例如修改对害虫的生物防治效果的性质（等式5和等式6），将需要修改函数内的代码。为了简化此过程，表2中的函数与表1中的公式交叉引用，从而更容易定位需要针对特定目的进行修改的函数。运行模型要开始，请在MATLAB环境中打开Sim_cluster_script.m此脚本允许您生成报告的结果奥斯卡·J作者声明：Susan M.海丝特软件X 21（2023）1013214表2MATLAB模型组件。过滤器描述脚本Sim_cluster_script. m运行模型Wasp_GA_script.m主脚本用于运行GA参数估计过程Plot_figs.m读取结果文件并绘制本文中显示的图形的脚本。功能Disp_Kernel.m分散内核（等式10）九、Extract_Results.m将随机黄蜂模拟的汇总结果打包以节省内存Grow_Ricker.mRicker增长函数（等式1、2、3、4）Lik_fn.m通过GA最 小 化 以估计黄蜂参数的 李 克 森 函 数 （等式第十五章）Rand_Spread.m使用用于被侵入站点的 循 环 的 随 机 扩 展 函 数 （ 等式1）（第10、11段）使用全矩阵（慢）的 随 机 扩 展 函 数 （ 等 式 1 0 2 ）（第10、11段）Run_experiment.m一组处理的模拟模型实验，生防参数Run_Wasp_GA.m对给定的随机种子Sim_Biocontrol.m黄蜂生物防治的随机模拟给定参数集Solve_W0.m基于存在报告估计黄蜂侵染的初始数量，检测概率（Eq. 第十二章）Spread_Stoch_Biocontrol.m是黄蜂生物防治模拟的 一 个 步 骤 ，持续n t年（Eqs. 五六七八十二（第13、14段）Spread_Stoch_control.m一步模拟黄蜂nt年，没有生物防治，但破坏检测到的巢（方程（第7、12、13、14段）数据base_data_nsw.matbase_data_vic.matga_data_nsw.matga_data_vic.matnsw_0.matvic_0.matnsw_20_10_1.matnsw_50_01_1.matvic_50_01_1.matW0_prm_nsw.matW0_prm_vic.mat用于初始化在GA估计中使用的黄蜂入侵输入数据的反事实（无生物防治）模拟结果生物控制释放策略的模拟结果xp=每个位点的释放比例（20%或50%）xc=空间覆盖率（10%或1%）主模拟的输入数据，基于先前用W_W0.m在Cacho和Hester [9]。在运行代码之前，请考虑完成模拟可能需要几天时间，具体取决于所使用的计算机您可能希望更改实验设计，并仅模拟单个空间集群的几种情况，以了解模型。有 两 个 可 用 的 输 入 数 据 文 件 （ W0_prm_nsw.mat 和W0_prm_vic.mat），代表澳大利亚维多利亚州（VIC）和新南威尔士州（NSW）的黄蜂入侵。在MATLAB环境中加载这些文件中的任何一个都允许用户检查运行模型所需的变量。熟悉这些变量是那些希望将模型应用于其他地区或不同种类的害虫的人的必要步骤这两个输入文件的工作区如图所示。二、注意两个聚类的变量之间的对称性，唯一的区别是表示映射的矩阵的维度。在新南威尔士州有389个网格单元（n c）。 2A）和658在VIC（图。 2 B）。由于矩阵的维数较大，与NSW相比，VIC的模拟将需要更长的时间来求解回到Sim_cluster_script.m文件，注意代码与图1中所示步骤的对应性。在步骤（1）中，使用因子设计为25种xc和xp组合设定生物控制释放策略。在步骤（2）中，使用针对81种生物防治参数值的组合的析因实验来在步骤（3）中，首先针对VIC然后针对NSW运行实验。最后一步在循环中调用Run_experiment.m，并将每个生物控制释放策略的文件保存在结果文件夹。随机运行（蒙特卡洛迭代）的数量由初始状态矩阵W0中的列数预先确定，该矩阵W0是先前使用脚本W0_W0.m创建的。如果需要，可以通过截断W0的列来运行较少的迭代，或者再次运行W0_W0.m以获得所需的迭代次数。在后一种情况下，最好使用不同的名称保存文件，以避免混淆。例如，如果为1200次随机运行创建了新版本的W0，则文件可以命名为W0_prm_nsw_1200.mat和W0_prm_vic_1200.mat。3. 说明性实例例1.生物防治可行性在这个例子中，我们展示了如何复制Cacho和Hester [9]中这项研究的主要目的在传统的生物防治意义上，可行性意味着害虫和生物防治种群达到某种形式的平衡，其中害虫保持在低密度，并且在初始投资之后，未来的成本可以忽略不计。在本实施例中，我们测试了生物防治剂的四个参数（图1中的步骤2）：生长速率（αB）、每个蜂巢的承载能力（μB）、中值扩散距离（γB）和生物防治抑制蜂巢的有效性（εB）。我们使用了一个完整的析因设计，每个因素三个水平，导致在NE=34= 81实验治疗。每个奥斯卡·J作者声明：Susan M.海丝特软件X 21（2023）1013215×图二. 加载输入文件W0_prm_nsw.mat（A）和W0_prm_vic.mat（B）后的工作区。 表SD.2给出了工作区中变量的含义。图三. 模拟结果呈现为VIC簇的相图，生物控制释放覆盖率（XC）为20%，释放强度（XP）为10%。 每个模拟从图的左上方开始，对应于高黄蜂密度和低寄生蜂密度，并且一般向下和向右朝向稳定状态颜色代表（81）不同的时间轨迹。处理是实验矩阵（Bparm）中的一行，其具有81 × 4的维度。找到可行的解决方案的一个有用的方法是绘制相图，显示害虫和生物防治相互作用的时间轨迹（图10）。 3）。在控制意义上，在平衡状态下朝向图的底部（在低黄蜂密度下）结束的轨迹是可行的回想一下，Sim_cluster_script.m生成的每个输出文件都代表一个采用不同生物控制释放策略的实验。每个实验都将与相图相关联，因此在这种情况下，我们将为两个集群（VIC和NSW）中的每个集群提供81个图表。相图和实验之间的这种联系变得明显，检查清单1中的MATLAB代码，用于构造Fig. 3.第三章。请注意，加载文件vic_20_10.mat以创建绘图。此指令可以替换为不同的文件名（并调整图的标题），以表示任何实验。清单1中的MATLAB代码显示了一种使用ev（期望值）数据结构访问模拟结果的方法用命令图（Bmean变量Bmean和Wmean为奥斯卡·J作者声明：Susan M.海丝特软件X 21（2023）1013216××× ×××××图四、V I C 集群中两种不同实验处理的黄蜂入侵图。整个地图上生物防治和黄蜂种群的平均密度。创建后一个变量的命令是：Wmean=permute（sum（ev. W. （garea）./ sum（garea），[3， 2， 1]）;这里的关键变量是ev.W和ev.B，它们包含1000个随机模拟的平均值，这些随机模拟被打包为维度为（658 60 81）的三维矩阵，alent to（nc nt ne）for the VIC cluster.为了计算地图上658个单元格的平均黄蜂密度，我们首先将到每个单元格的巢穴总数，所有单元格的总和除以地图的总面积。我们需要这样做，因为并非所有像元都是相同的区域（由于沿海岸线的截断）。命令和（ev.W .* garea）./ sum（garea）根据地图中单元的面积计算黄蜂密度的加权平均值。此命令将生成一个维度矩阵（1 60 81），通过使用置换交换第一维度和第三维度将其转换为二维（8160）。将相同的操作应用于ev.B以获得Bmean。Wmean和Bmean行表示实验处理，列表示年份。绘制这些矩阵的转置结果在图81中的时间轨迹。3 .第三章。在上面，我们对整个地图进行了聚合，以处理平均人口密度，并且没有捕获数据中的空间变化。我们还可以使用ev.W来查看黄蜂密度的空间模式，使用命令Wmap = permute（mean（ev.W，2），[1在这种情况下，我们估计第二维（时间）的平均值，以计算整个时间范围内地图上每个细胞的平均黄蜂密度，并且permute命令交换第二维和第三维。这导致维度（658）的矩阵Wmap81），其中每一列是不同实验处理的平均黄蜂密度图。图图4显示了实验中第一次和最后一次处理的地图，根据一段时间内的平均黄蜂密度显示了失败和成功之间的差异。绘制这些映射的代码在Plot_figs.m函数中，从第17行开始实施例2.用遗传算法估计黄蜂参数值任何物种的参数值都可以根据现有数据和分析的空间尺度，使用不同的这可以通过将仿真模型嵌入其他类型的算法中来实现，以使模型适合数据。在Cacho和Hester [9]的案例研究中，澳大利亚欧洲胡蜂种群动态的参数值不可用，但四个关键参数的实际范围是已知的：增长率（αW），承载力（κW），中值扩散距离（γW）和检测概率（δW）。在本例中，我们使用模型估计这些参数的值，遗传算法（GA）结合澳大利亚生物地图集（ALA）的发生率数据（见表SD.1）。GA估计的详细信息见SD。在我们的案例研究中，两个集群的参数分布在图中进行了比较。 五、有关生成此图的代码，请参见Plot_figs.m脚本4. 影响WaspSim被设计成一种评估生物防治方案技术可行性的工具。这将是一个有用的工具，为生物安保从业人员之前，投入大量的时间和资金到CBC方案，可能在技术上是不可行的，往往失败[10]。最初的研究是由国家生物安全机构为此目的委托进行的。该模型的第一个应用程序最近发布[9]，但我们希望随着从业者了解该工具并学会使用它，其他应用程序也会随之而来。该模型可以由任何访问MATLAB的用于校准和填充模型的数据WaspSim的创新之处在于它集成了数据和代码，为复杂的时空问题提供了一个实施例1涉及基于害虫和生物防治物种的生物参数评估生物防治方案的技术可行性。这本身就可以通过只关注最有可能成功的候选物种来节省大量资金。该评估可以扩展到评估经济可行性。通过叠加受害虫影响的行业和环境的地图，我们可以估计任何害虫控制方案随着时间的推移而避免的损失该模型可以通过修改种群参数值应用于其他社会性昆虫物种。它也可以用于传播建模的一个单一的物种，独立的生物控制组件。这对于划定可能的入侵区域、设计遏制战略和进行根除建模的时间是必要的。所有这些都是生物安保机构需要在不太理想的分析工具下定期采取的行动。WaspSim满足了一个重要的需求，我们希望它能在生物安全和入侵物种社区中产生影响。该模型的应用需要关于生防剂和害虫的种群动态的参数的可能值的信息，这些信息可以来自文献或拟合奥斯卡·J作者声明：Susan M.海丝特软件X 21（2023）1013217图五. 两个地理集群（VIC和NSW）的黄蜂种群参数结果的比较，表示为增长率（A）、承载力（B）、中值扩散距离（C）和检测概率（D）的密度分布。使用具有20个不同随机种子的GA估计的值方程式到数据这意味着，一旦一个或多个潜在的生物控制剂已被确定，并存在一些知识，他们的人口动态模型是适用的。该模型可用于确定应选择哪些物种进行进一步投资。5. 结论实施经典的生物防治方案可能需要大量的时间和金钱，并且成功是不确定的。生物防治的数学模型可以利用关于害虫传播的现有信息和可能的药剂在其将被引入的环境中的性能，给出药剂的技术可行性的早期指示。WaspSim就是为此而开发的。我们已经展示了它在控制欧洲黄蜂中的应用，给出了关于害虫传播的可用数据和关于生物控制剂性能的假设。生物防治计划能否成功，关键在于生物防治剂能否建立和扩散，以及生物防治剂能否有效地抑制害虫的生长和扩散。了解使生物防治剂有效的条件可以帮助筛选潜在的候选者，并将精力集中在那些可能成功的人身上。CRediT作者贡献声明概念化，方法论，软件，形式分析，写作Susan M.数据管理，写作&-原始草稿，写作-审查编辑，项目管理.竞合利益作者声明，他们没有已知的竞争性财务利益或个人关系，可能会影响本文报告的工作数据可用性研究数据/代码的链接在https://github.com/ocacho/WaspSim中。确认本研究由墨尔本大学澳大利亚生物安全风险分析卓越中心通过CEBRA项目190804“使用生物控制剂重新评估包括欧洲黄蜂Vespula germanica在内的已建立害虫的补充数据与本文相关的补充材料可以在https://doi.org/10.1016/j.softx.2023.101321上找到。引用[1] Bradshaw CJA，Leroy B，Bellard C，等.大量但被严重低估的全球入侵昆虫 成 本 。 NatureCommun2016;7 ： 12986.得 双 曲 正 切 值 .doi.org/10.1038/ncomms12986网站。[2] Cacho OJ，Spring D，Hester SM，Mac Nally R.在入侵物种管理中分配监测 工作 ： 一 个空 间 明确 模 型。 环 境 模 型软 件 2010;25（ 4 ） ： 444-54 。http://dx.doi.org/10.1016/j.envsoft.2009的网站。十点零四分[3] Carrasco LR，Baker R，MacLeod A，Knight JD，Mumford JD.均匀景观中外来入侵物种扩散 的最优鲁棒控制。J R Soc接口。 2010;7 ：529-40.http://dx.doi.org/10.1098/rsif的网站。2009.0266。[4]放大图片作者：Epanchin-Niell RS，Hastings A.控制已建立的入侵者：整合经济学和传播动力学，以确定最佳管理。生态文学2010;13（4）：528-41.http://dx.doi.org/10.1111/j.1461-0248.2010的网站。01440.x。[5]Portela R，Vicente JR，Roiloa SR，Cabral JA.一个基于动态模型的框架来测试针对新植物的生物防治的有效性奥斯卡·J作者声明：Susan M.海丝特软件X 21（2023）1013218入 侵 者 - 在 伊 比 利 亚 半 岛 的 空 心 莲 子 草 的 情 况 下 。 J Environ Manag2020;264 ： 110349.http://dx.doi.org/10.1016/j.jenvman 的 网 站 。2020.110349。[6] Yemshanov D，Haight RG，Koch FH，Lu B，Venette R，Fournier RE，etal.使用情景优化方法对入侵物种进行鲁棒监视和控制。Ecol Econ. 2017;133：86-98. http://dx.doi.org/10的网站。1016/j.ecolecon.2016.11.018.[7] Cacho O，Hester S，Tait P.重新评估包括欧洲黄蜂在内的既定害虫的管理。在 ： 生 物 安 全 风 险 分 析 卓 越 中 心 ; 2021 年 11 月 项 目 190804 报 告 。 墨 尔 本（ VIC ： 使 用 生 物 防 治 剂 的 德 国 胡 蜂 ， https://cebra.unimelb.edu.au/data/assets/pdf_file/0007/3949891/190804-Final-Report-updated-November-2021.pdf。[8] Barlow ND ， Moller H ， Beggs JR. 一 个 模 式 的 效 果 Sphecophagavesparum vesparum作为生物控制剂的共同黄蜂在新西兰。应用生态学杂志1996;33（1）：31-44. http://dx.doi.org/10.2307/2405013.[9] Cacho OJ，Hester SM.入侵昆虫的生物控制模型：在澳大利亚的欧洲黄蜂（Vespulagermanica）Ecol模型2022;467：109930。http://dx.doi.org/10.1016/j.ecolmodel.2022.109939，检索自https://www.sciencedirect.com/science/article/pii/S0304380022000618。[10]公鸡MJW，墨菲ST，凯罗MTK，汤普森E，墨菲RJ，弗朗西斯AW。昆虫对害虫的传统生物控制趋势：BIOCAT数据库的更新。生物控制。2016;61（4）：349-63。得双曲正切值. doi.org/10.1007/s10526-016-9726-3网站。