羅偉 段修榮 鐘莉 王茹琳 李強

摘要：利用2000-2018年四川省自貢市水稻（Oryza sativa L.）二化螟[Chilo suppressalis（Walker）]發(fā)生歷史資料與氣象資料研究自貢市氣象條件對水稻二化螟發(fā)生的影響。通過對水稻二化螟燈下誘蛾量與氣象條件的分析，選取相關(guān)性顯著、生物學(xué)意義明確的氣象因子，采用多元回歸分析建立自貢市水稻二化螟發(fā)生氣象等級預(yù)報模型。結(jié)果表明，自貢市冬季平均氣溫對水稻二化螟發(fā)生氣象等級影響最為顯著，翌年各時段溫度、降水和濕度條件次之，且常年較高的冬季氣溫是導(dǎo)致二化螟發(fā)生氣象等級多年處于3～4級的最關(guān)鍵氣象因素。歷史回代檢驗氣象等級擬合準確率達72%，2018年試報檢驗氣象等級準確率達到100%，模型預(yù)測效果較好，能夠為自貢市開展水稻二化螟防治提供科學(xué)的氣象決策依據(jù)。

關(guān)鍵詞：水稻（Oryza sativa L.）;二化螟[Chito suppressalis（Walker）];氣象等級;預(yù)報研究;自貢市

中圖分類號：S435.112'.1 文獻標識碼：A

文章編號：0439-8114（2020）09-0020-04

DOI：10.14088/j.cnki.issn0439-8114.2020.09.004

水稻（Oryza sativa L.）作為四川省自貢市第一大糧食作物，常年種植面積在8萬hm2左右，占糧食種植面積的48%左右，總產(chǎn)量占糧食總產(chǎn)量的6O%左右，在保障自貢市糧食安全中作用突出。水稻螟蟲是自貢市稻區(qū)歷年受災(zāi)面積最大、為害最重的蟲害，對水稻產(chǎn)量的損失占水稻病蟲害總損失的40%以上。據(jù)自貢市植保站資料統(tǒng)計分析，二化螟[Chilosuppressalis（Walker）]受災(zāi)面積呈動態(tài)上升趨勢，21世紀較20世紀50年代前期增長近11倍;1980年以前三化螟重于二化螟，1980年以后二化螟重于三化螟，造成嚴重枯鞘、枯心、白穗、死孕穗和蟲傷株，嚴重影響水稻產(chǎn)量與品質(zhì)。水稻二化螟在自貢市全境都有發(fā)生，中西部發(fā)生2代，東部再生稻區(qū)發(fā)生3代，第二代發(fā)生時，受盛夏高溫伏旱和稻株較老的影響，不利于蟻螟侵人存活，數(shù)量大幅下降，第三代再生稻區(qū)發(fā)生量甚少，故全區(qū)以第一代二化螟為主，發(fā)生量最多。因此，本研究以第一代水稻二化螟為自貢市水稻二化螟發(fā)生氣象等級的研究對象。

氣象條件與水稻二化螟發(fā)生、發(fā)展關(guān)系極為密切[1-5]。二化螟是非遷飛性的害蟲，發(fā)生情況受當(dāng)?shù)貧庀髼l件影響明顯，而自貢市氣象條件年際波動較大，給水稻二化螟的預(yù)測、監(jiān)測以及預(yù)防等綜合治理措施開展帶來了更大難度。二化螟預(yù)報、防治技術(shù)研究一直是自貢市病蟲害防治工作的重點，開展水稻二化螟發(fā)生的氣象等級預(yù)報研究對自貢市科學(xué)開展水稻二化螟監(jiān)測防治、減少水稻產(chǎn)量損失顯得十分必要。

現(xiàn)有對水稻螟蟲的研究，有針對二化螟與氣象環(huán)境開展的綜合模型預(yù)報研究以及影響水稻螟蟲發(fā)生發(fā)展的氣象等級預(yù)報研究等。唐潔[5]從生態(tài)系統(tǒng)的觀點出發(fā)，以多層線性模型統(tǒng)計分析技術(shù)，建立水稻二化螟發(fā)生和地理、生態(tài)及氣象因子關(guān)系的兩水平線性模型;陳慧華等[6]、王華弟等[7]、羅菊英等[8]結(jié)合統(tǒng)計學(xué)、物候?qū)W方法分析確定水稻三化螟發(fā)生發(fā)展的適宜氣象條件，并建立水稻三化螟發(fā)生發(fā)展氣象條件等級指標。近年來，隨著數(shù)學(xué)模型被應(yīng)用到病蟲害的預(yù)報預(yù)測中，使得病蟲害預(yù)測預(yù)報的準確率有了較大的提高，但從氣象條件出發(fā)，以水稻二化螟發(fā)生發(fā)展與氣象條件的關(guān)系為基礎(chǔ)，開展水稻二化螟發(fā)生氣象等級預(yù)報研究目前仍較少。同時，由于自貢市地處亞熱帶濕潤季風(fēng)氣候區(qū)，氣候條件與其他地區(qū)差異較大，氣象條件對水稻二化螟發(fā)生發(fā)展的影響也有所不同，適宜于該地的水稻二化螟發(fā)生的氣象指標與等級預(yù)報模型仍處于空白階段。因此，本研究通過分析自貢市氣候條件與二化螟發(fā)生發(fā)展變化規(guī)律，利用相關(guān)性分析、內(nèi)插法、多元回歸等方法，篩選氣象等級預(yù)報因子并建立水稻二化螟氣象等級預(yù)報模型，旨在為自貢市制定二化螟防災(zāi)減災(zāi)措施和進行風(fēng)險轉(zhuǎn)移提供氣象參考。

1 資料來源與方法

1.1 資料來源

氣象資料來自自貢市氣象觀測站，包括自貢市2000-2018年12月至翌年8月逐日氣象資料，包括氣溫、降水量、相對濕度等。二化螟資料來自自貢市植檢植保站，包括2000-2018年水稻二化螟逐年發(fā)生始見期、發(fā)生高峰期、燈下誘蛾量、發(fā)生面積、二化螟高峰期加權(quán)卵塊量、未防治田水稻枯心率。

1.2 研究方法

1.2.1 二化螟發(fā)生氣象等級劃分 利用二化螟發(fā)生面積、燈下誘蛾量、二化螟高峰期加權(quán)卵塊量、未防治田水稻枯心率與各氣象要素進行相關(guān)分析，結(jié)合植保專家經(jīng)驗，確定以燈下誘蛾量為預(yù)報量。根據(jù)逐年燈下誘蛾發(fā)生量（每個監(jiān)測點），按照0～100個、101～200個、201～300個、301～400個、401～500個對應(yīng)劃分為5個二化螟發(fā)生氣象等級，分別是不適宜、適宜、較適宜、次適宜、最適宜。

1.2.2 關(guān)鍵氣象因子確定 參照文獻[9-12]的方法，利用SPSS進行相關(guān)分析，篩選出與水稻二化螟燈下誘蛾量相關(guān)性顯著、生物學(xué)意義明確的氣象預(yù)報因子。

1.2.3 氣象因子等級劃分 為消除各氣象因子不同量綱的影響，取2000-2017年各關(guān)鍵氣象因子歷史同期最小值和最大值為下限和上限，等差分為5個等級，各等級對應(yīng)的數(shù)值同樣按燈下誘蛾量從小到大來劃分，用直線內(nèi)插法計算位于該等級內(nèi)的氣象因子級別值。以氣象因子級別值為預(yù)報因子，燈下誘蛾量為預(yù)報對象，采用多元回歸方法建立預(yù)報模型。

1.2.4 氣象因子通徑分析 采用通徑分析方法，以直接通徑系數(shù)來確定各關(guān)鍵氣象因子對水稻二化螟發(fā)生氣象等級的貢獻率，以此客觀反映出各關(guān)鍵氣象因子與水稻二化螟發(fā)生氣象等級的真實關(guān)系。

1.2.5 模型檢驗 用建立的回歸方程對2000-2017年自貢市水稻二化螟發(fā)生氣象等級分別進行歷史擬合檢驗和2018年試報檢驗。擬合檢驗是將構(gòu)建預(yù)報模型的歷史氣象資料進行回代，對擬合值與實際值進行比較。試報檢驗是將2018年的預(yù)報因子代入預(yù)報模型中，對預(yù)報值與實際值進行比較。

2 結(jié)果與分析

2.1 氣象因子的選擇

以單旬或整月氣象要素作為預(yù)報因子顯著性更強，預(yù)報準確率更高，但預(yù)報因子變異度較大，生物學(xué)意義不夠明顯，模型穩(wěn)定性較差，因此，盡可能選取相關(guān)性顯著、符合明確生物學(xué)意義且使模型更為穩(wěn)定的氣象要素平均值。將自貢市水稻二化螟燈下誘蛾量與12月至翌年8月各氣象因子逐旬平均值進行相關(guān)分析，結(jié)合自貢市水稻二化螟各生育期發(fā)生時段，篩選出影響自貢市水稻二化螟蟲量發(fā)生顯著的5個關(guān)鍵氣象因子。

2.1.1 溫度 溫度影響越冬蟲源基數(shù)[13]，且冬季氣溫的高低與來年二化螟發(fā)生蟲量關(guān)系密切[14];此外，冬季極端低溫的高低是決定幼蟲能否抵抗寒冷避免死亡的主要因素[15，16]。因此，將歷年冬季平均氣溫、冬季極端最低氣溫、五日滑動極端最低氣溫與二化螟燈下誘蛾量進行了相關(guān)分析，結(jié)果表明，二化螟燈下誘蛾量與冬季（上年12月至翌年2月）平均氣溫呈極顯著正相關(guān)（P<0.01），相關(guān)系數(shù)為0.608，與冬季極端最低氣溫、五日滑動極端最低氣溫相關(guān)性均不顯著（P>0.05），相關(guān)系數(shù)僅為0.114、0.075，表明冬季極端最低氣溫對二化螟燈下誘蛾量并沒有明顯影響，故未將此列為影響因子。

一般來說，溫度不僅影響二化螟的生長發(fā)育速率，還影響二化螟卵孵化率、幼蟲存活率、化蛹率、羽化率的高低[13]，進而影響成蟲的發(fā)生量。自貢市水稻二化螟卵孵化期至羽化期在4月下旬至6月上旬，將此時段內(nèi)逐旬平均溫度的不同組合分別與二化螟燈下誘蛾量進行相關(guān)分析，結(jié)果顯示，二者呈顯著正相關(guān)（P<0.05），相關(guān)系數(shù)為0.409。

2.1.2 降水 春季和夏季的降水對二化螟影響顯著[17]。在春季，二化螟處于耗氧旺盛的化蛹期，若降水偏多，易淹沒導(dǎo)致幼蟲和蛹大量死亡，蟲口基數(shù)減少，當(dāng)年發(fā)生量少;在夏季，頻發(fā)的暴雨、大暴雨降水過程不利于二化螟成蟲的飛行和成活。自貢市水稻二化螟幼蟲至化蛹期在4月下旬至5月下旬，成蟲期在5月底至6月中旬，分別將這2個時段內(nèi)逐旬降雨總量的不同時段組合與二化螟燈下誘蛾量進行相關(guān)分析，結(jié)果表明，二化螟燈下誘蛾量與4月下旬至5月上旬、6月中旬的降水總量均呈顯著負相關(guān)（P<0.05），相關(guān)系數(shù)分別為-0.270、-0.409。

2.1.3 濕度 濕度是影響二化螟發(fā)生數(shù)量的又一重要因素，相對較高的濕度有利于二化螟數(shù)量的增長，特別是幼蟲至化蛹期濕度影響最為明顯[18]。將自貢市水稻二化螟幼蟲至化蛹期內(nèi)逐旬平均相對濕度的不同時段組合與二化螟燈下誘蛾量進行相關(guān)分析，結(jié)果顯示，二化螟燈下誘蛾量與4月下旬至5月下旬的平均相對濕度呈顯著正相關(guān)（P<0.05），相關(guān)系數(shù)為0.297。

2.2 預(yù)報量及預(yù)報因子等級劃分

取2000-2017年各氣象因子歷史同期最小值和最大值作為下限和上限，等差分為5個等級，各等級對應(yīng)的數(shù)值從小到大按照誘蛾量為0～100個、101～200個、201～300個、301～400個、401～500個劃分;同時，將水稻二化螟發(fā)生氣象等級對應(yīng)燈下誘蛾量劃分為5個等級。

2.3 預(yù)報模型的建立

將2000-2017年水稻二化螟發(fā)生氣象等級和各氣象預(yù)報因子按表1進行分級賦值，采用內(nèi)插法獲得氣象預(yù)報因子級別值，利用多元回歸建立水稻二化螟發(fā)生氣象等級預(yù)報方程。

Y=-46.2869+0.737 OX₁+0.618 6X₂+0.320 5X₃-0.374 3X₄-0.189 4X₅（1）

式中，X₁為12月至翌年2月冬季平均氣溫級別賦值，X₂為4月下旬至6月上旬平均氣溫級別賦值，X₃為4月下旬至5月上旬降水總量級別賦值，X₄為6月中旬降水總量級別賦值，X₅為4月下旬至5月下旬平均相對濕度級別賦值，Y為二化螟發(fā)生數(shù)量的預(yù)報值。方程的判定系數(shù)R²=0.8974，F(xiàn)=10.7624，方程通過了a=0.01的顯著性水平檢驗。

為進一步反映出各氣象要素與水稻二化螟發(fā)生氣象等級的真實關(guān)系，采用通徑分析確定各氣象要素對水稻二化螟發(fā)生氣象等級的影響程度，直接通過各氣象要素對水稻二化螟發(fā)生氣象等級的直接通徑系數(shù)可以看出，冬季平均氣溫影響最大，即冬季平均氣溫的高低是決定來年二化螟發(fā)生蟲量多少的最關(guān)鍵氣象因素，4月下旬至5月下旬平均相對濕度影響最小，此結(jié)果與相關(guān)性分析結(jié)果相符合。

2.4 預(yù)報模型檢驗

利用以上回歸方程分別對2000-2017年自貢市水稻二化螟發(fā)生氣象等級進行歷史擬合檢驗和2018年試報檢驗（圖1）。結(jié)果顯示，在18組歷史擬合年份里，正確13組，錯誤5組，發(fā)生氣象等級主要集中在3～4級，且擬合錯誤的年份氣象等級誤差均為1個級別，水稻二化螟發(fā)生氣象等級歷時擬合準確率為72%;2018年的綜合氣象等級試報準確率為100%，總體來看氣象等級預(yù)報準確率較好，模型可用于自貢市水稻二化螟發(fā)生氣象等級預(yù)報業(yè)務(wù)。

3 小結(jié)與討論

自貢市冬季平均氣溫對水稻二化螟發(fā)生影響最為顯著，翌年各時段溫度、降水和濕度條件次之。自貢市冬季氣溫常年處于9℃左右，較高的氣溫非常有利于二化螟越冬蟲源基數(shù)的增加和來年的暴發(fā)，是導(dǎo)致自貢市二化螟發(fā)生氣象等級多年處在3～4級的主要因素。

在預(yù)報模型的構(gòu)建過程中，選取與氣象因子相關(guān)性較強、符合生物學(xué)特征的二化螟燈下誘蛾量作為預(yù)報量，同時以燈下誘蛾量劃分預(yù)報因子級別值，基本能反映二化螟發(fā)生發(fā)展的自然狀態(tài);通過進行歷史擬合檢驗和2018年試報檢驗，模型效果較好。

水稻二化螟發(fā)生氣象等級預(yù)報是一項復(fù)雜的工作，由于二化螟發(fā)生世代較多，各世代發(fā)生受氣象條件影響不同，本研究僅以第一代水稻二化螟作為自貢市水稻二化螟發(fā)生氣象等級的研究對象，仍然不夠客觀。另外，預(yù)報量、預(yù)報因子的等級劃分、合理賦值對成功建立模型起到了關(guān)鍵性的作用，在等級劃分和賦值過程中，對應(yīng)的燈下誘蛾量界限值存在爭議，相鄰等級之間不免有交叉現(xiàn)象，燈下誘蛾量與氣象要素的賦值機理較為模糊。因此，在今后的水稻二化螟氣象等級預(yù)報工作中還需進行完善和提高。

參考文獻：

[1]陳懷亮，張弘，李有.農(nóng)作物病蟲害發(fā)生發(fā)展氣象條件及預(yù)報方法研究綜述[J].中國農(nóng)業(yè)氣象，2007，28（2）：212-216.

[2]葉彩玲，霍治國，丁勝利，等.農(nóng)作物病蟲害氣象環(huán)境成因研究進展[J].自然災(zāi)害學(xué)報，2005，14（1）：91-97.

[3]蔣運志，熊英明，夏小曼，等.作物病蟲害與氣象條件的關(guān)系及病蟲氣象條件預(yù)報[J].氣象研究與應(yīng)用，2009，30增刊1）：122-123.

[4]張蕾.氣候變化背景下農(nóng)作物病蟲害的變化及區(qū)域動態(tài)預(yù)警研究[D].北京：中國氣象科學(xué)研究院，2013.

[5]唐潔.水稻二化螟災(zāi)變風(fēng)險分析多水平模型研究[D].杭州：浙江大學(xué)，2006.

[6]陳慧華，王華，黃珍珠.廣東省三化螟發(fā)生發(fā)展氣象條件等級指標[J].廣東氣象，2011，33（1）：43-45.

[7]王華弟，張左生，程家安，等.水稻三化螟預(yù)測預(yù)報與防治對策研究[J].中國農(nóng)業(yè)科學(xué)，1997，30（3）：14-20.

[8]羅菊英，隗釗，馬運潮，等.第1代水稻三化螟發(fā)生發(fā)展的氣象條件等級預(yù)報方法研究[J].現(xiàn)代農(nóng)業(yè)科技，2009（19）：153-155.

[9]程海霞，王叢梅，帥克杰，等.山西省晉城市小麥病蟲害氣象預(yù)報模型[J].江蘇農(nóng)業(yè)科學(xué)，2010（6）：159-163.

[10]陳士強，張容，王建華，等.長江中下游高產(chǎn)小麥產(chǎn)量與農(nóng)藝性狀的相關(guān)性研究[J].江蘇農(nóng)業(yè)科學(xué)，2019，46（6）：63-66.

[11]劉政，孫艷，李保成SPSS逐步回歸分析法構(gòu)建北疆棉蚜年發(fā)生程度的預(yù)報模型[J].安徽農(nóng)業(yè)科學(xué)，2009，37（6）：2815-2817.

[12]馬興祥，李萬希，蘭曉波，等.石羊河流域玉米紅蜘蛛發(fā)生的氣象條件分析[J].中國農(nóng)業(yè)氣象，2010，31（2）：320-323.

[13]葉藝林，王紅秀.溫度和濕度對二化螟存活率與繁殖力影響的回歸模型[J].江西農(nóng)業(yè)學(xué)報，2007，19（11）：31-32.

[14]劉波，陳小虎，吳姑，等.河北省冬小麥白粉病氣候預(yù)報的貝葉斯網(wǎng)絡(luò)模型研究[D].石家莊：河北師范大學(xué)，2017.

[15]張珺，吳孔明，林克劍，等.二化螟溫帶和亞熱帶地理種群的滯育特征與抗寒性差異[J].中國農(nóng)業(yè)科學(xué)，2005，38（12）：2451-2456.

[16]黃曉勤，蔣宏華.二化螟滯育及抗寒性的初步研究[J].湖南農(nóng)業(yè)科學(xué)，2005（5）：49-51.

[17]王山，劉年喜，王金輝.湖南水稻二化螟無害化治理研究進展[J].中國植保導(dǎo)刊，2006，26（7）：12-1s.

[18]楊光平.二化螟滯育幼蟲的生理特性及溫濕度對其抗寒性的影響[D].北京：中國農(nóng)業(yè)科學(xué)院，2013.

收稿日期：2020-02-18

基金項目：高原與盆地暴雨旱澇災(zāi)害四川省重點實驗室科技發(fā)展基金項目（省重實驗室2018-重點-05-11;省重實驗室-SCQXKJQN2019034）

作者簡介：羅偉（1987-），男，四川自貢人，工程師，主要從事農(nóng)業(yè)氣象和公共氣象服務(wù)研究工作，（電話）18708358335（電子信箱）304448599@qq.com;通信作者，段修榮，男（1966-），高級工程師，主要從事天氣氣候、氣候變化、應(yīng)用氣象服務(wù)研究工作，（電子信箱）1377917123@qq.com。