包云軒,唐辟如,孫思思,陸明紅,謝曉金,劉萬才

1 南京信息工程大學氣象災(zāi)害預(yù)報和評估協(xié)同創(chuàng)新中心/南京信息工程大學,南京 210044 2 江蘇省農(nóng)業(yè)氣象重點實驗室/南京信息工程大學,南京 210044 3 農(nóng)業(yè)部全國農(nóng)業(yè)技術(shù)推廣與服務(wù)中心,北京 100125

褐飛虱,Nilaparvatalugens(St?l),是亞洲各稻區(qū)的主要害蟲之一,也是我國水稻生產(chǎn)上最為嚴重的害蟲,其大面積發(fā)生給水稻生產(chǎn)帶來了巨大的損失[1]。褐飛虱為喜溫濕、耐寒極弱、無休眠性昆蟲,由于冬季溫度較低和水稻寄主的缺乏,褐飛虱只能在熱帶和亞熱帶南部地區(qū)生存[2- 3],國內(nèi)僅能在華南南部、西南南部等部分南方地區(qū)越冬,國外主要在中南半島越冬[4],其種群發(fā)生受氣候影響明顯,褐飛虱的越冬邊界隨著氣候變暖呈現(xiàn)出北移的趨勢,相應(yīng)的越冬區(qū)也隨之增大[5- 8]。春、夏兩季自南向北遷飛,秋季則從北向南回遷。20世紀 80 年代以來,褐飛虱在我國年發(fā)生面積為1.33×107—2.0×107hm2,約占水稻種植面積的50%,年損失稻谷達1.0×109—1.5×109kg。2005—2010年,褐飛虱連續(xù)6a在我國南方稻區(qū)大發(fā)生,引起水稻大面積的虱燒和“冒穿”,造成了嚴重的損失。

近30多年來,全球氣候的變化對農(nóng)業(yè)生態(tài)系統(tǒng)產(chǎn)生了重大的影響,對農(nóng)作物害蟲而言,也不例外。為此,研究氣候變化背景下害蟲的發(fā)生規(guī)律,及時有效地控制其危害,對減輕農(nóng)作物產(chǎn)量的損失,確保我國糧食安全至關(guān)重要。近30a以來,昆蟲雷達遙感監(jiān)測技術(shù)已被應(yīng)用于研究褐飛虱的遷飛觀測,并證實了褐飛虱在中國進行著長距離的季節(jié)性往返遷飛[9- 11],另一方面,也證明了褐飛虱的遷移與天氣、氣候等因素密切相關(guān)[12- 13]。褐飛虱廣泛分布于中國、日本、朝鮮半島、東南亞、太平洋島嶼和澳大利亞等國家和地區(qū)[4]。受全球氣候變化和農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)調(diào)整等因素的影響,褐飛虱的遷入和致災(zāi)性趨于復雜化,出現(xiàn)了持續(xù)性大發(fā)生的新特點,給我國水稻的生產(chǎn)帶來了嚴重的威脅[14- 15]。

我國目前褐飛虱難以治理主要是因為對前期境外蟲源地的種群動態(tài)變化、氣候條件及其對后期遷飛過程、遷入量的影響了解和預(yù)測還不夠準確,我國水稻主產(chǎn)區(qū)位于秦嶺、淮河以南,每年的主要蟲源來自中南半島[15- 17],在國內(nèi)很難對蟲源的越冬進行有效的檢測,也無法監(jiān)測中南半島春季蟲源的遷出量,從而無法在國內(nèi)實施全方位而準確的預(yù)測和綜合治理。想要從根源上控制我國褐飛虱的危害,必須將研究區(qū)域擴展到國界以外,對境外蟲源地的褐飛虱種群動態(tài)及其氣候條件進行研究。由于前期境外蟲源地種群動態(tài)信息無法準確而全面地獲知,但天氣、氣候數(shù)據(jù)全球共享,因此,本文擬通過前期中國褐飛虱境外主要蟲源地中南半島異常氣候條件的分析及其與后期中國南方水稻主產(chǎn)區(qū)褐飛虱發(fā)生等級之間定性、定量關(guān)系的研究,探明中南半島前期異常氣候條件對中國后期褐飛虱災(zāi)變性遷入的影響,構(gòu)建以前期蟲源地異常氣候條件為關(guān)鍵預(yù)報因子的我國南方稻區(qū)褐飛虱遷入年發(fā)生等級的預(yù)測模型,為我國褐飛虱的發(fā)生機理研究和中長期測報業(yè)務(wù)提供理論和技術(shù)支持。

1 資料和方法

1.1 研究區(qū)概況

1.1.1 中國南方稻區(qū)

中國南方稻區(qū)主要分布在淮河以南,包括海南、廣西、廣東、云南、貴州、福建、浙江、江西、湖南、重慶、四川、湖北、安徽、江蘇、上海等省、市、自治區(qū),以熱帶季風氣候和亞熱帶季風氣候為主,研究區(qū)夏季炎熱多雨,冬季溫和少雨,多丘陵、山地,熱量條件較好,降水豐沛,以水田為主,多種植水稻、玉米、油菜等作物,一年可種植二至三熟作物,屬于世界上水稻產(chǎn)量最高的地區(qū)。但近40a來,這一地區(qū)水稻產(chǎn)量因受來自中南半島的遷飛性害蟲褐飛虱的嚴重危害而損失明顯。并且進入21世紀以來,褐飛虱在中國南方稻區(qū)的發(fā)生有加重和擴張的趨勢(如越冬邊界和發(fā)生區(qū)北移、發(fā)生和為害的海拔高度升高等)。

1.1.2 中南半島

中南半島(2°—28°N,90°—110°E)包括越南、老撾、柬埔寨、緬甸、泰國五國以及馬來西亞西部,屬于典型的熱帶季風氣候。由于柬埔寨和馬來西亞西部與中國沒有直接的蟲源交換[17],所以本文不作研究。該研究區(qū)全年高溫,最冷月平均氣溫在18℃以上,降水豐沛,年降水量大部分地區(qū)為1500—2000mm,且光熱資源充足,多河流沖積平原,土壤肥沃,優(yōu)越的氣候條件和自然資源為水稻的種植提供了有利的生態(tài)環(huán)境,同時也利于多種稻作病蟲害的發(fā)生,其中褐飛虱蟲害的發(fā)生程度最為嚴重,并且春、夏季褐飛虱種群會隨氣流北遷到中國境內(nèi),對中國水稻的生產(chǎn)帶來嚴重的影響。

1.2 數(shù)據(jù)來源及處理方法

1.2.1 蟲情資料

基于資料的完整性和系統(tǒng)性考慮,本文收集了中國南方稻區(qū)20個植物保護站1980—2016年褐飛虱逐日燈誘資料,該資料由農(nóng)業(yè)部全國農(nóng)業(yè)技術(shù)推廣服務(wù)中心測報處提供,站點分布見圖1。結(jié)合中國農(nóng)業(yè)部1995年頒發(fā)的稻飛虱單站發(fā)生程度等級標準[18],將中國南方稻區(qū)這20個站點褐飛虱發(fā)生危害程度分為5個等級,全區(qū)平均的褐飛虱年發(fā)生等級定義為：某年各等級發(fā)生站點數(shù)與相應(yīng)等級的乘積除以總站點數(shù),分別統(tǒng)計1980—2016年單站褐飛虱年發(fā)生等級、年內(nèi)遷入總量的對數(shù)值、始見期、終見期,再通過加權(quán)平均計算出區(qū)域年褐飛虱發(fā)生等級等。

1.2.2 氣象資料

中南半島1979—2016年18個氣象臺站(圖1)冬春季溫度場、濕度場資料來源于美國國家環(huán)境預(yù)測中心(National Center for Environmental Prediction,NCEP)提供的水平分辨率為2.5°×2.5°的氣象再分析資料。

1.2.3 氣候分析

分別統(tǒng)計好18個站點37年冬季和春季的平均氣溫和平均相對濕度,根據(jù)陳正洪等的冷冬和暖冬等級標準[19],對其進行冷暖劃分。

(1)單站冷暖冬劃分標準：單站冬季(春季)平均氣溫距平ΔT≤-0.5℃,定義為單站冷冬(冷春)；反之,ΔT≥0.5℃,定義為單站暖冬(暖春)；若-0.5℃<ΔT<0.5℃,則定義為氣溫正常冬(春)。

(2)區(qū)域冷暖冬劃分標準：區(qū)域內(nèi)冷冬站數(shù)與該區(qū)域總站數(shù)的百分比定義為冷冬指數(shù)Icw (%),若Icw ≥50%,則為區(qū)域冷冬；同理,區(qū)域內(nèi)暖冬站數(shù)與該區(qū)域總站數(shù)的百分比定義為暖冬指數(shù)Iww (%),若Iww≥50%,則為區(qū)域暖冬；若區(qū)域內(nèi)冷冬指數(shù)Icw <50%且暖冬指數(shù)Iww<50%,則根據(jù)冷冬單站數(shù)、暖冬單站數(shù)和相應(yīng)的Icw和Iww值對冷暖冬進行劃分,若冷冬單站數(shù)多于暖冬單站數(shù),則定義為區(qū)域正常偏冷冬,反之,暖冬單站數(shù)多于冷冬單站數(shù),則定義為區(qū)域正常偏暖冬。利用同樣的方法可統(tǒng)計出單站冷春、暖春和氣溫正常春,并劃分出區(qū)域冷春、暖春和區(qū)域正常偏冷春、區(qū)域正常偏暖春。

依據(jù)相對濕度進行氣候干濕劃分：

(1)單站干濕冬劃分標準：單站平均相對濕度距平ΔRH≤-3,定義為單站干冬,反之,ΔRH≥3,定義為單站濕冬；若-3<ΔRH<3,則定義為單站濕度正常冬；類似的可以定義出單站干春、單站濕春、單站濕度正常春。

(2)區(qū)域干濕冬劃分標準：利用與氣溫相同的方法定義和劃分出區(qū)域干冬、區(qū)域濕冬和區(qū)域正常偏干冬、區(qū)域正常偏濕冬及區(qū)域干春、區(qū)域濕春和區(qū)域正常偏干春、區(qū)域正常偏濕春。

為了便于預(yù)測,定義：溫度正常冬季(春季)為2,冷冬(春)及正常偏冷冬(春)為3,暖冬(春)及正常偏暖冬(春)為1；相對濕度正常冬季(春季)為2,干冬(春)及正常偏干冬(春)為3,濕冬(春)及正常偏濕冬(春)為1。

圖1 中國南方稻區(qū)褐飛虱蟲情監(jiān)測站點分布和中南半島氣象站點分布Fig.1 Distribution of BPH′s monitoring stations in the main rice-growing region of the south China and the distribution of meteorological observational stations in the Indochina Peninsula

根據(jù)上述對區(qū)域氣候冷暖、干濕的定義及相關(guān)數(shù)據(jù)處理的結(jié)果,本文分別對中南半島前期異常溫濕條件進行了下列時空分布特征的分析：

在溫度異常的時間變化上,從表1中可以看出,20世紀80年代和90年代初春季和冬季溫度較正常偏冷,21世紀初溫度較正常偏暖,符合全球氣溫變暖的大背景。

在濕度異常的時間變化上,可以看出,20世紀80年代初期和末期、90年代末以及21世紀10年代前,冬季濕度較正常偏干,20世紀80年代中期、90年代初以及21世紀10年代后,冬季濕度較正常偏濕。20世紀末,春季濕度較正常偏干,21世紀初,春季濕度較正常偏濕。

表1 1980—2016年中南半島的異常溫度場和濕度場

冬季數(shù)據(jù)為前一年12月至當年2月的數(shù)據(jù),春季數(shù)據(jù)為當年3—5月的數(shù)據(jù);CW:冷冬,cold winter; WW:暖冬,warm winter; NCW:正常偏冷冬,normal partial cold winter; NWW:正常偏暖冬,normal partial warm winter; DW:干冬,dry winter; MW:濕冬,moist winter; NDW:正常偏干冬,normal partial dry winter; NMW:正常偏濕冬,normal partial moist winter; CS:冷春,cold spring; WS:暖春,warm spring; NCS:正常偏冷春,normal partial cold spring; NWS:正常偏暖春,normal partial warm spring; MS:濕春,moist spring; DS:干春,dry spring; NMS:正常偏濕春,normal partial moist spring; NDS:正常偏干春,normal partial dry spring

在空間變化上,圖2反映了中南半島1979—2016年單站溫度場的空間分布情況,從圖2可以看出,緬甸北部異常冬發(fā)生次數(shù)較高,37a里異常冬出現(xiàn)次數(shù)大于20次。而中南半島南部異常冬出現(xiàn)次數(shù)大都在9次以下。還可以看出,緬甸地區(qū)異常春發(fā)生次數(shù)也較高,其中37a里異常春出現(xiàn)次數(shù)高于20次,而中南半島南部地區(qū)異常春出現(xiàn)次數(shù)大多在5次以下。

圖2 中南半島1979—2016年氣溫異常冬、異常春發(fā)生次數(shù)的空間分布Fig.2 Spatial number distribution of abnormal winter and abnormal spring of temperature field in Indochina Peninsula during the period from 1979 to 2016

圖3 反映了中南半島1979—2016年單站濕度場的空間分布情況,從圖3可以看出,緬甸、泰國、老撾和越南北部地區(qū)冬季濕度異常次數(shù)均較高,其中37a里濕冬出現(xiàn)次數(shù)在7次以上,干冬出現(xiàn)次數(shù)在6次以上,而中南半島東南沿海地區(qū)異常冬出現(xiàn)次數(shù)均較低,越南的堅江和平順等地區(qū)異常冬出現(xiàn)次數(shù)均低于2次。還可以看出,緬甸東北部、泰國北部濕春發(fā)生次數(shù)較高,37a里濕春出現(xiàn)次數(shù)大于10次。而中南半島東南部地區(qū)濕春出現(xiàn)次數(shù)大都在5次以下。緬甸、泰國和老撾的交界處干春發(fā)生次數(shù)較高,37a干春出現(xiàn)次數(shù)在9次以上。而泰國、越南南部干春發(fā)生次數(shù)大多在4次以下。

圖3 中南半島1979—2016年濕度場異常冬、異常春次數(shù)的空間分布Fig.3 Spatial distribution of abnormal winter number and abnormal spring number of relative humidity field in Indochina Peninsula during the period from 1979 to 2016

從中南半島溫、濕度空間分布圖中可以看出,中南半島37a中冬、春季的溫度異常和冬、春季的濕度異常發(fā)生次數(shù)在空間上呈現(xiàn)出驚人的相似性,均呈現(xiàn)出北高南低的規(guī)律,并從北向南成環(huán)狀遞減。

1.2.3 基礎(chǔ)地理信息

研究所用的基礎(chǔ)圖層為國家基礎(chǔ)地理信息中心提供的1∶4000000世界電子地圖。

1.2.4 模型的建立及效果分析

在考慮數(shù)據(jù)的完整性和站點空間分布的代表性等因素下,本研究在中國水稻主產(chǎn)區(qū)20個站點中選取龍州、全州、秀山、吉安、監(jiān)利和太倉6個站作為預(yù)測的代表站點。將代表站點褐飛虱資料從始見期到終見期的逐日燈誘蟲量(頭數(shù))進行累加,記為年內(nèi)總遷入量(Y),再對其進行對數(shù)處理Lg(Y+1)。1980—2005年數(shù)據(jù)用于建模,2006—2016年數(shù)據(jù)用于預(yù)檢。分別利用SVM、BP神經(jīng)網(wǎng)絡(luò)和逐步回歸分析方法來進行預(yù)測,并比較3種方法的優(yōu)劣。

(1) 預(yù)報因子的選取和多元線性回歸預(yù)測模型的建立

通過SPSS軟件對6個單站的年內(nèi)褐飛虱遷入總量的對數(shù)值與前期中南半島氣象因子之間進行相關(guān)性分析,選取相關(guān)系數(shù)通過P<0.05顯著性水平的因子作為預(yù)報因子,建立以下統(tǒng)計預(yù)報模型(表2)。

(2) BP人工神經(jīng)網(wǎng)絡(luò)模型

BP(Back Propagation)神經(jīng)網(wǎng)絡(luò)是一種通過誤差逆?zhèn)鞑ニ惴▉碛柧毜亩鄬忧梆伨W(wǎng)絡(luò),可以學習和存貯大量的輸入-輸出模式映射關(guān)系,而無需事前揭示描述這種映射關(guān)系的數(shù)學方程。它的學習規(guī)則是使用梯度下降法,通過反向傳播來不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值,具有較強的非線性處理的能力[20]。

由于每個站點的預(yù)報因子已經(jīng)確定,使用反向傳播算法對網(wǎng)絡(luò)的權(quán)值和誤差進行調(diào)整,從而使輸出層的誤差平方和小于初定的精度0.001,利用網(wǎng)絡(luò)結(jié)構(gòu)和初始條件,用1980—2005年的數(shù)據(jù)為訓練樣本,預(yù)測2006—2016年褐飛虱年內(nèi)遷入總量的對數(shù)值,并通過歷史回代和預(yù)報準確率來驗證模型的準確性和穩(wěn)定性。

(3) 支持向量機模型

支持向量機 (Support Vector Machine,簡稱SVM) 是一項功能強大的分類和回歸的技術(shù),可將模型的預(yù)測準確度最大化,善于處理小樣本、高維數(shù)和非正態(tài)的數(shù)據(jù)[21- 22]。SVM的工作原理是將原始數(shù)據(jù)通過變換映射到高維的特征空間,這樣針對那些不是線性可分的數(shù)據(jù),也可以對該數(shù)據(jù)點進行分類。接著,使用變換后的新數(shù)據(jù)進行預(yù)測分類。

表2中國南方水稻主產(chǎn)區(qū)代表性站褐飛虱年遷入量對數(shù)的多元回歸預(yù)測模型

Table2MultipleregressivepredictingmodelsofBPH′sannuallogarithmimmigrationamountattherepresentativestationsinthemainrice-growingregionsofthesouthChina

站點Stations模型ModelsFrP因子Factors龍州Y=8.635-0803×X1-0.04×X2-1.248×X310.3490.79??0.000X1:平順冷暖冬??BinhThuancww??X2:那空帕依冷暖冬?NakhonPhanomcww?X3:依洛瓦底干濕冬??Ayeyarwadydmw??全州Y=2.479+0.535×X110.3440.65??0.004X1:依洛瓦底冷暖冬??Ayeyarwadycww??秀山Y(jié)=1.672+0.961×X115.9700.76??0.000X1:克欽冷暖冬??KachinStatecww??吉安Y=4.546+0.35×X14.8370.61?0.038X1:克欽干濕春?KachinStatedms?監(jiān)利Y=1.041+1.1×X114.9510.71??0.001X1:清萊干濕冬??ChiangRaidmw??太倉Y=4.539-0.323×X1-0.609×X25.2840.68??0.003X1:克欽干濕冬?KachinStatedmw?X2:依洛瓦底冷暖春?Ayeyarwadycws?

** 表示通過P<0.01的顯著性檢驗,* 表示通過P<0.05的顯著性檢驗

在本研究中,采用模型class-rbf,內(nèi)核設(shè)置為RBF,用1980—2005年的數(shù)據(jù)作為訓練樣本,對數(shù)據(jù)進行分類,再使用變換后的新數(shù)據(jù)進行預(yù)測分類,從而預(yù)測2006—2016年6個代表站點的褐飛虱年內(nèi)遷飛總量的對數(shù)值,并將歷年數(shù)據(jù)進行回代檢驗。

1.2.5 誤差分析

選取平均平方誤差(Mean squared error,MSE)和預(yù)測準確率(R)等指標來評價三種預(yù)測模型誤差的大小及預(yù)報準確率。

(1)

(2)

式中,At：某一時段t的實際值；Ft：某一時段t的預(yù)測值；n：整個預(yù)測期內(nèi)的時段個數(shù)(或預(yù)測總次數(shù))。MSE表示預(yù)測值相對于實測值的離散程度,MSE越小,表示模型的穩(wěn)定性能越好。R為預(yù)測準確度(%),R值越大,預(yù)測模型的效果越好。

2 結(jié)果與分析

2.1 中國南方水稻主產(chǎn)區(qū)褐飛虱發(fā)生情況

從表3中可以看出,1980—1983、1985、1987、1988、1991、1995、2005—2010年為偏重以上發(fā)生年,其余均為中等或偏輕以下發(fā)生年。

結(jié)合表3、圖4可以看出,1980—2016年中國南方稻區(qū)20個站褐飛虱始見期在每年的3月到6月之間,1996年之前,始見期出現(xiàn)較遲,其中最晚的始見期出現(xiàn)在1996年5月16日,該年我國褐飛虱發(fā)生等級為偏輕發(fā)生,1996年到2014年始見期呈現(xiàn)出提前的趨勢,其中最早的始見期出現(xiàn)在2010年的3月2日和2013年的3月2日,這兩年我國褐飛虱發(fā)生程度分別為重發(fā)生和偏重發(fā)生。終見期出現(xiàn)在每年的9月到11月之間,1992年之前,終見期出現(xiàn)較早,其中最早的終見期出現(xiàn)在1992年9月26日,該年我國褐飛虱發(fā)生等級為輕發(fā)生,1992年到2014年終見期呈現(xiàn)出推遲的趨勢,其中最晚的終見期出現(xiàn)在2010年11月30日,該年我國褐飛虱發(fā)生等級為重發(fā)生。

表31980—2016年中國南方稻區(qū)20個站點褐飛虱年發(fā)生等級及其區(qū)域平均

Table3BPH′soccurrencegradesof20stationsinmainrice-growingregionofChinaandtheaverageoccurrencegradesofthewholeregionduringtheperiodfrom1980to2016

年份Year1級Grade 12級Grade 23級Grade 34級Grade 45級Grade 5全區(qū)年發(fā)生等級Annual occurrence grade in the whole region(Yi)19802304113.95(4)19812311134.0(4)19821301154.35(5)19834210133.8(4)1984944032.2(3)19851313124.1(5)19861030162.5(3)19875002133.9(4)19884302113.65(4)1989922072.7(3)1990733162.8(3)19913212123.9(4)19921431021.65(2)1993822082.9(3)1994821272.9(3)1995334283.45(4)19961142032.0(2)1997761062.6(3)19981142032.0(2)19991431111.6(2)20001621012.4(3)2001745042.5(3)2002923062.6(3)2003843142.45(3)2004724072.9(3)20052000184.6(5)20060010194.9(5)20071131144.3(5)20081112154.45(5)2009722183.05(4)2010622283.2(4)20111130152.3(3)20121022062.5(3)2013833242.55(3)20141320142.05(3)20151332111.7(2)20161530011.3(2)

表3中“()”內(nèi)數(shù)字為近似發(fā)生等級,當0.0

圖4 1980—2016年中國南方稻區(qū)褐飛虱遷入始見期、終見期Fig.4 Beginning dates and ending dates of BPH′s immigration in the southern china from 1980 to 2016

20世紀90年代末至21世紀初期,褐飛虱始見期推遲、終見期提前,此時,我國褐飛虱發(fā)生等級多為輕發(fā)生和偏輕發(fā)生。20世紀80年代、21世紀初至今,褐飛虱始見期提前、終見期推遲,我國褐飛虱發(fā)生等級多為重發(fā)生和偏重發(fā)生。

圖5為中國水稻主產(chǎn)區(qū)1980—2016年單站褐飛虱發(fā)生等級次數(shù)空間分布圖,發(fā)生等級依次為一級、二級、三級、四級和五級。由圖5可知,江蘇一帶褐飛虱發(fā)生程度為一級的次數(shù)最多,達到25次；貴州東北部二級發(fā)生次數(shù)最多,為4次；安徽西南部三級發(fā)生次數(shù)最多,為4次；廣東、福建南部地區(qū)四級發(fā)生次數(shù)都較多,最多為10次；廣西、湖南、貴州、江西西南部和安徽南部地區(qū)五級發(fā)生次數(shù)較多,最多為23次。37a里發(fā)生某等級的次數(shù)超過18次,則該區(qū)域定義為該等級發(fā)生較多,由此可見,褐飛虱在我國水稻主產(chǎn)區(qū)分布較廣,發(fā)生程度都較大。

圖5 中國南方稻區(qū)1980—2016年褐飛虱發(fā)生等級次數(shù)的空間分布Fig.5 Spatial distribution of the frequencies of BPH′s different occurrence grades in the main rice-growing region of Southern China during the period from 1980 to 2016

2.2 支持向量機(SVM)、BP神經(jīng)網(wǎng)絡(luò)和逐步回歸分析3種預(yù)測模型的準確性比較

對褐飛虱的年內(nèi)遷入總量的對數(shù)值與中南半島冬、春季溫濕條件進行相關(guān)分析,篩選出通過P<0.05顯著性水平的氣象因子,分別用SVM、BP人工神經(jīng)網(wǎng)絡(luò)和多元線性回歸模型3種方法對我國南方水稻主產(chǎn)區(qū)代表站點的褐飛虱年遷入量進行模擬和預(yù)測。

2.2.1 3種方法歷史回代準確率比較

表4為反映3種預(yù)測模型的歷史回代檢驗情況,從表中可知,1980—2005年3種模型的平均歷史擬合率都在80%以上,3種模型的預(yù)報效果都較好。但是,三者之間的模型穩(wěn)定性和相關(guān)性還是存在明顯的差異。支持向量機模型(SVM)的預(yù)測值與實際值的相關(guān)系數(shù)最大,其平均值為0.713,明顯高于BP神經(jīng)網(wǎng)絡(luò)模型的0.645和多元線性回歸模型的0.662,說明SVM模型預(yù)測值與實際值的變化趨勢更為接近。SVM模型的平均均方誤差為0.500,低于多元回歸模型的0.547,也低于BP神經(jīng)網(wǎng)絡(luò)模型的0.540,顯然 SVM模型的穩(wěn)定性大于其他兩種模型。由此可見,3種預(yù)測模型中, SVM模型更具有實際推廣價值。

表41980—2005年6個代表站褐飛虱遷入量對數(shù)的3種預(yù)測模型擬合效果評價

Table4FittingeffectevaluationofBPH′sannualimmigrationamountbasedonthethreemodelsat6representativestationsduringtheperiodfrom1980to2005

站點Stations多元線性回歸Regression analysisBP人工神經(jīng)網(wǎng)絡(luò)Back propagation neural network支持向量機Support vector machineR/%MSErR/%MSErR/%MSEr龍州850.430.77??810.570.69??850.410.80??全州900.180.65??900.270.65??740.940.73??秀山810.860.65??830.680.75??800.900.66??吉安840.610.61?870.410.63?870.410.61?監(jiān)利740.940.63??741.000.60??930.090.80??太倉850.260.66??830.310.55?860.250.68??平均值A(chǔ)verage83.20.5470.66283.00.5400.64584.20.5000.713

2.2.2 3種預(yù)測模型的預(yù)測準確性比較

以1980—2005年褐飛虱遷入量為訓練樣本,比較支持向量機(SVM)模型、BP神經(jīng)網(wǎng)絡(luò)和逐步回歸模型預(yù)測2006—2016年褐飛虱遷入量的效果。將褐飛虱的預(yù)測值換算成褐飛虱的發(fā)生等級,與褐飛虱實際發(fā)生等級進行對比,預(yù)報結(jié)果以一個級別的差距認為是基本正確,3個模型預(yù)測準確率見表5。

由表5可知,3種模型的平均預(yù)測準確率(即預(yù)測等級一致或基本一致)在65%—80%之間,3種模型的預(yù)報效果較好。其中SVM模型的預(yù)測準確率為79%,明顯高于BP神經(jīng)網(wǎng)絡(luò)的68%和逐步回歸模型的67%,再比較預(yù)測等級與實測等級在二個級別以上的出現(xiàn)次數(shù),發(fā)現(xiàn)逐步回歸預(yù)報出現(xiàn)次數(shù)為16,高于BP神經(jīng)網(wǎng)絡(luò)模型的7次和SVM模型的11次,說明就精確性而言,SVM模型和BP神經(jīng)網(wǎng)絡(luò)優(yōu)于逐步回歸模型。由表4和表5可知,3種預(yù)測模型的比較結(jié)果為：SVM模型優(yōu)于BP神經(jīng)網(wǎng)絡(luò)模型,也優(yōu)于逐步回歸模型。

表5 三種模型預(yù)測結(jié)果的比較

3 結(jié)論與討論

本文利用1980—2016年中國南方水稻主產(chǎn)區(qū)褐飛虱燈誘數(shù)據(jù)、1979—2016年中南半島氣象數(shù)據(jù),從時間和空間上揭示了褐飛虱的遷入規(guī)律,分析了中南半島前期溫濕異常氣候的時空特征,利用SVM、BP人工神經(jīng)網(wǎng)絡(luò)和多元線性回歸方法對我國南方水稻主產(chǎn)區(qū)代表站點褐飛虱年遷入量進行了預(yù)測,在此基礎(chǔ)上比較了3種模型的歷史回代率和預(yù)測準確率,得到如下結(jié)論：

(1)中南半島氣候異常區(qū)主要分布在北部一帶,異常氣候發(fā)生頻率在中南半島呈現(xiàn)出北高南低的規(guī)律,并從北向南呈環(huán)狀遞減。這可能與中南半島獨特的地形有關(guān)。中南半島地勢具有3個明顯的特征,首先,中南半島地勢大致北高南低,多山地、高原,山川大致為南北走向,且山川相間排列,整個半島地勢猶如掌形。其次,其地勢久經(jīng)侵蝕而呈現(xiàn)出準平原狀,喀斯特地形發(fā)育旺盛。第三,平原多分布在東南部沿海地區(qū),主要是大河下游面積廣大的沖積平原和三角洲。中南半島上山脈、河流多由北向南延伸,形成了山河相間、縱列分布的特點。因此,在中南半島的北部地勢高,且多山川河流相間,地勢復雜,一旦冷暖空氣入侵不易排出,導致該地區(qū)異常天氣出現(xiàn)次數(shù)增加。而中南半島東南部地勢平坦,靠近沿海地區(qū),多平原和三角洲,冷暖空氣暢通無阻,使得東南部沿海地區(qū)異常氣候次數(shù)相對較少。有研究表明,海拔越高,氣溫變化率越明顯,氣候變化很大程度上取決于海拔的高低、地形的復雜程度以及所處的緯度等[23]。中南半島北部地區(qū)多高山,海拔高、山川相間,地勢復雜,南部(特別是東南沿海)地形比較平坦,因此,中南半島北部異常氣候發(fā)生頻率明顯高于東南沿海地區(qū)。

(2)進一步分析可知,1980年到1989年,中南半島偏冷冬出現(xiàn)概率為90%,冷春出現(xiàn)概率為50%,則該段時期內(nèi)中南半島氣溫較往年都偏冷。偏濕冬出現(xiàn)概率為60%,偏干冬出現(xiàn)概率為30%,其余為正常冬；濕春出現(xiàn)概率為30%,其余為正常春,則該段時期中南半島相對濕度較大,同時,我國褐飛虱發(fā)生程度為4級及以上的概率為70%,其余年份均為中等發(fā)生,大發(fā)生和偏重發(fā)生的概率明顯高于中等發(fā)生的概率。調(diào)查資料發(fā)現(xiàn),20世紀80年代,東南亞國家推廣了高產(chǎn)、矮桿、耐肥的品種和多肥、密植的栽培技術(shù)以及濫用廣譜性、殺生性化學農(nóng)藥,破壞了生態(tài)系統(tǒng),削弱了自然因素的控制,從而改善了褐飛虱發(fā)生的生態(tài)條件,促使褐飛虱種群爆發(fā)成災(zāi)[4]。因此,盡管該段時間氣溫偏冷,冬季平均氣溫在20—21℃,溫度不是褐飛虱生長發(fā)育的最適溫度,但是能滿足其種群生存的熱量條件。由于外界人為因素的原因,導致褐飛虱種群密度急劇增大,并且相對濕度偏濕為種群提供了較適宜的濕度條件,在外界人為因素和濕度條件的共同作用下導致了該段時間內(nèi)中國南方稻區(qū)褐飛虱始見期早、終見期晚、持續(xù)時間長、發(fā)生程度大。1990年到2005年,該段時間內(nèi)中南半島偏冷冬出現(xiàn)概率為44%,偏暖冬出現(xiàn)概率為56%,偏冷春出現(xiàn)概率為38%,偏暖春出現(xiàn)概率為62%,則該段時期中南半島氣溫偏暖。而相對濕度表現(xiàn)為：偏濕冬和偏干冬出現(xiàn)概率同為50%,偏濕春出現(xiàn)概率為38%,偏干春出現(xiàn)概率為62%,則該段時間內(nèi)中南半島相對濕度較往年偏干,該段時間內(nèi),我國褐飛虱發(fā)生程度為4級及以上的概率僅為19%,大發(fā)生和偏重發(fā)生的概率明顯低于中等及中等以下發(fā)生的概率。分析原因,雖然全球氣候變暖給褐飛虱北遷和大發(fā)生提供了有利的熱量條件,但是要造成褐飛虱在中國境內(nèi)大發(fā)生,氣象因素并不是唯一的影響因子,通過查閱資料,發(fā)現(xiàn)上世紀九十年代高效低毒的噻嗪酮和吡蟲啉及綜合防治技術(shù)在中國的研制與推廣[24- 25],較好地控制了褐飛虱的北遷和南返,使得遷飛種群的密度和遷入峰次整體下降,從而從蟲量上遏制了褐飛虱的大發(fā)生,此外,氣候偏干也不利于褐飛虱的遷飛,因此,這段時期在自身和外部因素共同作用下褐飛虱在中國的發(fā)生程度偏輕。2006年到2014年,中南半島偏冷冬出現(xiàn)概率為22%,偏暖冬出現(xiàn)概率為78%,偏冷春出現(xiàn)概率為33%,偏暖春出現(xiàn)概率為67%,則該段時間中南半島氣候偏暖。相對濕度表現(xiàn)為偏濕冬出現(xiàn)概率為44%,偏干冬出現(xiàn)概率為56%,偏濕春出現(xiàn)概率為67%,偏干春出現(xiàn)概率為33%；則該段時間相對濕度總的來說偏濕,該段時間內(nèi),褐飛虱在我國發(fā)生程度為5級的概率為56%,其余年份均為中等發(fā)生,大發(fā)生的概率略高于中等發(fā)生。在具備良好溫濕條件的前提下,沒有外界對褐飛虱種群的抑制作用,這段時期褐飛虱遷入始見期提前,終見期推遲,在我國發(fā)生時間長,發(fā)生程度大。通過上述分析可以發(fā)現(xiàn)：在沒有外界人為因素嚴重干擾下,中南半島前期溫度偏暖(暖冬、暖春)、濕度偏濕(濕冬、濕春),易引起褐飛虱在中國南方稻區(qū)的偏重以上發(fā)生；而氣候偏冷(冷冬、冷春)、偏干(干冬、干春),則易導致褐飛虱在中國南方稻區(qū)的偏輕以下發(fā)生。這與筆者以往研究的有關(guān)溫場影響的結(jié)論相一致[26]。此外,前期中南半島溫濕氣候條件的變化是由低緯大氣環(huán)流變化所決定的,大氣環(huán)流的異常會導致溫濕氣候條件的異常；而前期溫濕氣候條件的異常會反過來影響中南半島夏季風的開始期,中南半島夏季風開始是以印度洋上空低層西南季風向東北方向推進和來自蘇門答臘群島的熱帶對流向北增強和擴展為特征的[27],西南季風的發(fā)生早晚和強弱會顯著地影響到中南半島蟲源地褐飛虱種群的遷出,繼而影響到褐飛虱遷入中國的始見期、遷入量、降落區(qū)和分布范圍[28]。

(3)通過比較3種模型的歷史回代率和預(yù)測準確率,發(fā)現(xiàn)SVM模型的預(yù)測效果最好,BP神經(jīng)網(wǎng)絡(luò)次之,多元線性回歸模型最差。多元線性回歸的歷史回代的準確率低于SVM模型、優(yōu)于BP人工神經(jīng)網(wǎng)絡(luò),但是預(yù)測準確率最低,不能從機理上很好的解釋氣象因子對褐飛虱遷入量影響的非線性關(guān)系,而其它兩個模型則能更好的反映出氣象因子與生物之間的關(guān)系[29- 30],因此預(yù)測效果較好。由于BP神經(jīng)網(wǎng)絡(luò)模型參數(shù)的選定和初始值的隨機性對網(wǎng)絡(luò)結(jié)構(gòu)的不穩(wěn)定有較大的影響[31],不利于推廣使用,而SVM模型在結(jié)構(gòu)風險最小化的基礎(chǔ)上,提高了結(jié)論的規(guī)范化和精確度[30],更加適用于農(nóng)業(yè)生產(chǎn)實際中的褐飛虱發(fā)生程度預(yù)測預(yù)報的推廣。

參考文獻(References):

[1] 湯金儀, 胡伯海, 王建強. 我國水稻遷飛性害蟲猖獗成因及其治理對策建議. 生態(tài)學報, 1996, 16(2): 167- 173.

[2] 陳若篪, 程遐年, 楊聯(lián)民, 殷向東. 褐飛虱卵巢發(fā)育及其與遷飛的關(guān)系. 昆蟲學報, 1979, 22(3): 280- 288.

[3] Kisimoto R, Sogawa K. Migration of the brown planthopper Nilaparvata lugens and the white-backed planthopper Sogatella furcifera in east Asia: the role of weather and climate // Drake V A, Gatehouse A G, eds. Insect Migration: Tracking Resources Through Space and Time. Cambridge: Cambridge University Press, 1995: 67- 92.

[4] 張強翔, 任應(yīng)黨, 林克劍, 侯茂林, 魯傳濤, 劉紅彥, 黃興奇. 沿黃稻區(qū)灰飛虱越冬種群的時空分布及抽樣技術(shù)研究. 應(yīng)用昆蟲學報, 2011, 48(3): 616- 621.

[5] Otuka A, Zhou Y J, Lee G S, Matsumura M, Zhu Y Q, Park H H, Liu Z W, Sanada-Morimura S. Prediction of overseas migration of the small brown planthopper,Laodelphaxstriatellus(Hemiptera: Delphacidae) in East Asia. Applied Entomology & Zoology, 2012, 47(4): 379- 388.

[6] Hu C X, Hou M L, Wei G S, Shi B K, Huang J L. Potential overwintering boundary and voltinism changes in the brown planthopper,Nilaparvatalugens, in China in response to global warming. Climatic Change, 2015, 132 (2): 337- 352.

[7] 盧小鳳, 霍治國, 申雙和, 黃大鵬, 王麗, 肖晶晶, 于彩霞. 氣候變暖對中國褐飛虱越冬北界的影響. 生態(tài)學雜志, 2012, 31(8): 1977- 1983.

[8] 林光國. 閩中褐飛虱越冬情況的初步調(diào)查. 昆蟲知識, 1986, 23(4): 150- 152.

[9] 包云軒, 翟保平, 程遐年. 褐飛虱遷飛參數(shù)的數(shù)值模擬. 生態(tài)學報, 2005, 25(5): 1107- 1114.

[10] Riley J R, Cheng X N, Zhang X X, Reynolds D R, Xu G M, Smith A D, Cheng J Y, Bao A D, Zhai B P. The long-distance migration ofNilaparvatalugens(St?l) (Delphacidae) in China: radar observations of mass return flight in the autumn. Ecological Entomology, 1991, 16 (4): 471- 489.

[11] 程遐年, 陳若篪, 習學, 楊聯(lián)民, 朱子龍, 吳進才, 錢仁貴, 楊金生. 稻褐飛虱遷飛規(guī)律的研究. 昆蟲學報, 1979, 22(1): 1- 21.

[12] 齊會會, 張云慧, 蔣春先, 武俊杰, 孫明陽, 楊秀麗, 程登發(fā). 桂東北稻區(qū)第七代褐飛虱遷飛規(guī)律及蟲源分析. 生態(tài)學報, 2014, 34(8): 2039- 2049.

[13] 江廣恒, 談涵秋, 沈婉貞, 程遐年, 陳若篪. 褐飛虱遠距離向北遷飛的氣象條件. 昆蟲學報, 1981, 24(3): 251- 261.

[14] 程家安, 祝增榮. 2005年長江流域稻區(qū)褐飛虱暴發(fā)成災(zāi)原因分析. 植物保護, 2006, 32(4): 1- 4.

[15] 齊國君, 蘆芳, 胡高, 王鳳英, 程遐年, 沈慧梅, 黃所生, 張孝羲, 翟保平. 2007年廣西早稻田褐飛虱發(fā)生動態(tài)及蟲源分析. 生態(tài)學報, 2010, 30(2): 462- 472.

[16] 沈慧梅, 呂建平, 周金玉, 張孝羲, 程遐年, 翟保平. 2009年云南省白背飛虱早期遷入種群的蟲源地范圍與降落機制. 生態(tài)學報, 2011, 31(15): 4350- 4364.

[17] 中日稻飛虱越冬考察組. 云南稻飛虱冬季蟲源考察. 云南農(nóng)業(yè)科技, 2000, (4): 3- 6.

[18] 國家技術(shù)監(jiān)督局. GB/T 15794—1995稻飛虱測報調(diào)查規(guī)范. 北京: 中國標準出版社, 1996.

[19] 陳正洪, 馬德栗. 湖北省1961—2008年冷冬時空變化特征 // 中國氣象局國家氣候中心暨氣候研究開放實驗室2010年度學術(shù)年會論文集. 北京: 國家氣候中心,中國氣象局氣候研究開放實驗室, 2011.

[20] 李祚泳, 彭荔紅. 基于人工神經(jīng)網(wǎng)絡(luò)的農(nóng)業(yè)病蟲害預(yù)測模型及其效果檢驗. 生態(tài)學報, 1999, 19(5): 759- 762.

[21] Cristianini N, Shawe-Taylor J. Support vector and Kernel methods // Berthold M, Hand D J, eds. Intelligent Data Analysis. Berlin Heidelberg: Springer, 2007: 169- 197.

[22] 張學工. 關(guān)于統(tǒng)計學習理論與支持向量機. 自動化學報, 2000, 26(1): 32- 42.

[23] Shao J A, Li Y B, Ni J P. The characteristics of temperature variability with terrain, latitude and longitude in Sichuan- Chongqing Region. Journal of Geographical Sciences, 2012, 22(2): 223- 244.

[24] 田茂仁, 蒲正國, 謝雪梅, 譙青春. 撲虱靈控制稻飛虱的效果評價.昆蟲知識, 1996, 33(3): 129- 132.

[25] 顧正遠, 劉賢金, 韓麗娟, 肖英方. 吡蟲啉的殺蟲機制及配套應(yīng)用技術(shù)研究. 西南大學學報, 1998, 20(5): 397- 400.

[26] 包云軒, 薛周華, 劉垚, 蔣蓉, 謝曉金, 楊榮明, 朱鳳. 江蘇省褐飛虱遷入量的中長期預(yù)測模型. 中國農(nóng)業(yè)氣象, 2016, 37(1): 98- 110.

[27] Widrow B, Lehr M A. 30 years of adaptive neural networks: perceptron, Madaline, and backpropagation. Proceedings of the IEEE, 1990, 78(9): 1415- 1442.

[28] 包云軒, 黃金穎, 謝曉金, 陸明紅. 季風進退和轉(zhuǎn)換對中國褐飛虱遷飛的影響. 生態(tài)學報, 2013, 33(16): 4864- 4877.

[29] Rumelhart D E, Hinton G E, Williams R J. Learning representations by back-propagating errors. Nature, 1986, 323(6088): 533- 536.

[30] 陳永義, 俞小鼎, 高學浩, 馮漢中. 處理非線性分類和回歸問題的一種新方法(I)——支持向量機方法簡介. 應(yīng)用氣象學報, 2004, 15(3): 345- 354.

[31] 魯娟娟, 陳紅. BP神經(jīng)網(wǎng)絡(luò)的研究進展. 控制工程, 2006, 13(5): 449- 451, 456- 456.