中国森林虫害的风险区划分分析

对森林虫害风险指标值进行分析处理的步骤如下。

（1）KMO和Bartlett's球形检验

对虫害风险9个指标进行检验，得出结果如表5-18所示，KMO和Bartlett's球形检验结果均表明对虫害风险指标适合进行因子分析，能够保证因子解释指标的大部分信息。

表5-18　KMO and Bartlett's球形检验
Tab.5-18 KMO and Bartlett's Test

（2）因子的确定和命名。

使用SPSS 25.0软件，当满足累计贡献率大于85%的条件时，采用方差最大正交旋转法对因子旋转后得到的载荷矩阵和方差贡献率如表5-19所示。

表5-19　旋转后的因子载荷矩阵和方差贡献率
Tab.5-19 Factor loading matrix and variance contribution by varimax rotation

和森林虫害指标体系结果类似，根据上表中的载荷矩阵，选出与各因子相关性高的变量加以分析归类，得出如下因子命名。

第一个因子为森林虫害发生因子，它包括发生面积C11、成灾面积C12以及表示相对大小的发生率C13共三个指标。根据指标设置原则，它们从不同角度共同组成了虫害的损失变量，即已经发生了的损失情况。

第二个因子在成灾率C14、易损指数C3上载荷较高。其中，成灾率C14表示森林虫害中度、重度发生面积占总发生面积的比，反映了森林资源遭受虫灾的严重程度；易损指数C3反映了森林因受虫灾而导致严重损失的可能性，故该因子可以命名为为森林虫害成灾因子。

第三个因子为病害防治因子，它在防治率C2和森林病虫鼠害防灾能力指数C6这两个指标上有较大载荷，且在现实意义上都代表虫害的防治情况，因此将它命名为虫害防治因子。

第四、第五个因子为虫害通用因子，分别在森林规模指数C4和森林效率指数C5两个通用指标上载荷较大。

（3）各省区诸因子得分。

SPSS 25.0的运算结果给出了各省区9项指标标准化后的值和各因子得分系数矩阵，据此进一步计算得出各省区森林虫害5个因子的得分以及综合得分，如表5-20所示。(www.xing528.com)

表5-20　各省区森林虫害风险因子及综合值得分
Tab.5-20 Factor and comprehensive value score of each province in forest insect risk

续表

（4）聚类分析。

依据上述5个因子计算的综合得分，使用SPSS25.0进行聚类分析，可以看出各省区森林虫害在五类风险等级内的分布情况。据此列出各省区森林虫害风险等级分区，如表5-21所示。

表5-21　各省区森林虫害风险等级分区结果
Tab.5-21 Zoning result of the forest insect risk rating for each province

我国森林虫害的风险等级分区结果表明：全国大部分省份属于虫害风险的较高风险区和中风险地区，可见虫害的发生在我国具有普遍现象，确实成为我国森林生态安全的重要威胁之一。目前而言，有11个省（区）灾虫害防治方面取得了良好的效果，仅有青海、广西、广东3省防治率小于50%，因此，虫害除对个别省份造成较大危害外，大部分地区因防治及时、防治措施合理而取得了良好的治理效果，造成的森林损失大小总体处于可控范围之内。

森林虫害的高风险区有内蒙古、黑龙江、四川、广东、吉林和云南6个省（区），主要集中在东北、西南林区，这类地区的损失因子与风险因子得分高，故总体风险水平被划分至第一梯队。中高风险区包括陕西、西藏、辽宁、江西、福建、广西、海南、湖南、湖北、陕西、甘肃在内的11个省份，主要分布在我国中部、中南地区和西藏地区，这类省（区）虫害风险因子和损失因子得分并不高，但在虫害防治方面显现短板，故综合风险水平较高。青海、新疆、贵州、安徽、河南、重庆、河北、浙江、宁夏9省（区）属于中风险区，其中，河南、新疆、河北、安徽在虫害损失因子上得分高，但风险因子较低；浙江、重庆、贵州、青海、宁夏损失因子得分低，但通用因子得分高，总体上归为中风险区。北京、山东、江苏、天津、上海5个区域均属于低风险类区域，虫害发生面积小、成灾比例低，防治效果出色，尤以天津、上海风险最小。

近些年全球气候变化对我国各地产生了或轻或重的影响，高温、干旱的年份或季节，易发生虫害，成灾的面积也比较大；而降水丰富，湿度大的天气虫害发生也较少，因此我国森林虫害风险形成了较为明显的区域差异。