日照市茶樹小綠葉蟬發(fā)生面積預測預報模型的建立

遲慶紅 朱秀紅 寇文冠

摘 要 為科學防治茶樹蟲害，提高茶葉產(chǎn)量和品質(zhì)，根據(jù)2011—2020年山東省日照市氣象資料和茶樹小綠葉蟬蟲害資料，利用多元線性回歸的方法進行小綠葉蟬發(fā)生面積與氣象資料相關性分析，找出顯著相關的7個氣象因子，建立日照市茶樹小綠葉蟬發(fā)生面積預測預報模型。結果表明，該模型擬合效果好，預報準確率高，能很好地預報小綠葉蟬發(fā)生面積，為提前進行蟲害防治提供了科學依據(jù)。

關鍵詞 小綠葉蟬；預測模型；線性回歸；山東省日照市

中圖分類號：S161 文獻標志碼：A DOI：10.19415/j.cnki.1673-890x.2023.14.064

自1966年“南茶北引”成功引種以來，山東省日照市逐步發(fā)展為秦嶺—淮河以北最大的綠茶生產(chǎn)基地。據(jù)日照市農(nóng)業(yè)科學研究院統(tǒng)計，截至2020年底，日照市茶園總面積1.95萬hm2，總產(chǎn)值33億元，日照市茶園面積和年產(chǎn)量已分別占山東省的60%和75%以上。茶樹蟲害是造成日照綠茶減產(chǎn)和品質(zhì)降低的重要因素，其中小綠葉蟬相比其他蟲害發(fā)生次數(shù)偏多、危害偏重[1-2]。研究日照市茶樹小綠葉蟬發(fā)生發(fā)展的氣象條件，建立日照市茶區(qū)小綠葉蟬預測預報模型，對于指導茶農(nóng)提前預防和科學治理蟲害，提高茶葉產(chǎn)量和品質(zhì)具有重要意義。

1 日照市茶樹小綠葉蟬情況介紹

1.1 小綠葉蟬發(fā)生規(guī)律

茶小綠葉蟬屬同翅目，是日照市茶園最主要的害蟲，在日照市茶區(qū)一般一年發(fā)生9代，世代重疊明顯。4月下旬越冬成蟲在氣溫超過10 ℃時開始出現(xiàn)危害活動，蟲卵產(chǎn)于茶樹新梢皮層，第一代若蟲于5月上旬出現(xiàn)，每發(fā)生一代需要15～30 d。茶小綠葉蟬在日照茶區(qū)每年有2個高峰期，第1個高峰期出現(xiàn)在5月下旬至6月上旬，第2個高峰期出現(xiàn)在8月下旬至9月中旬[3-4]。小綠葉蟬喜歡生活在茶葉芽梢，陰雨天氣利于其發(fā)生和發(fā)展，如果雨強大且降水量大，雨水沖淋害蟲，會造成害蟲數(shù)量減少，推遲高峰期出現(xiàn)時間。10月下旬溫度≤10 ℃時成蟲進入越冬期。

1.2 小綠葉蟬生活習性

小綠葉蟬成蟲和若蟲均具有趨嫩性，在芽葉背面棲息取食，第二、三葉背面較多見，懼雨霧和強光，當晴日早晨露水變干后，頻繁在葉面活動，10：00前后隨著太陽升高、光照增強，害蟲在茶叢內(nèi)徒長枝芽葉或雜草上集中活動并進行為害。成蟲喜歡在防風帳、茶叢葉背或松樹柏樹組成的防護林帶越冬。茶樹芽葉汁液被小綠葉蟬成蟲、若蟲刺吸后，受害茶葉沿邊緣變成黃色，葉片脈絡變成紅色，呈現(xiàn)粗老、卷曲狀，危害嚴重時葉緣和葉尖會呈現(xiàn)紅褐且焦枯狀，芽葉停止生長，有的整個葉片因焦枯而脫落，茶葉產(chǎn)量和品質(zhì)受到嚴重影響。雌成蟲在茶樹嫩梢上產(chǎn)卵，茶樹疏導組織被破壞，導致茶樹生長受阻[5-6]。

2 材料與方法

2.1 資料來源與處理

氣象資料來源于日照市國家氣象觀測站，包括2011—2020年日照市茶樹發(fā)育期內(nèi)氣溫、降水量、相對濕度、日照時間等氣象要素。蟲害資料部分來源于日照市茶葉科學研究所，部分來源于代表性茶園。茶樹種植面積資料來源于日照市統(tǒng)計局。

分別統(tǒng)計2011— 2020年以來日照市茶樹小綠葉蟬蟲害發(fā)生面積、發(fā)生程度、造成茶葉產(chǎn)量損失大小等資料，以及小綠葉蟬危害期間的光、溫、水等氣象資料。

2.2 分析方法

利用SPSS統(tǒng)計分析軟件，篩選出與茶樹主要蟲害發(fā)生面積相關性顯著、生物學意義明確、預報時間相對提前的氣象預報因子，以發(fā)生面積為預報對象，采用多元回歸方法建立預報模型。

3 茶樹小綠葉蟬發(fā)生面積預測預報模型的建立

3.1 國內(nèi)專家學者對病蟲害預測預報模型研究思路

茶樹蟲害的發(fā)生、發(fā)展、流行都與氣象條件關系密切，一旦遇到適宜的氣候條件，就會大面積暴發(fā)流行，對茶樹安全生產(chǎn)構成威脅。目前，國內(nèi)學者對作物病蟲害的研究主要集中在氣象條件和預報方法，高迎娟等運用統(tǒng)計學原理，建立病蟲害發(fā)生程度氣象等級預測模型[7]。高霞創(chuàng)建了基于貝葉斯分類的農(nóng)作物病蟲害等級預測模型，用于分析河北省保定市主要作物主要病害氣象條件與病害發(fā)生程度的關系，明確病害的氣象條件等級[8]。為科學防治茶樹蟲害，利用相關性分析篩選氣象預報因子，建立茶樹小綠葉蟬發(fā)生趨勢預報模型，為日照市開展茶樹主要蟲害的綜合預報和防治提供決策依據(jù)。

3.2 茶樹小綠葉蟬發(fā)生面積預測模型建模思路

由于日照市茶樹小綠葉蟬越冬病蟲源基數(shù)歷史資料不足，故未將小綠葉蟬越冬病蟲源基數(shù)和冬季氣溫納入預報因子?；谟绊懖铇湫【G葉蟬發(fā)生的最主要氣象條件，結合中、長期預報業(yè)務實際情況，選取2011—2020年3月下旬至10月上旬各旬平均氣溫、平均相對濕度、降水量、日照時間與茶樹小綠葉蟬發(fā)生面積做相關性分析，選取相關性顯著、生物學意義明確、預報時間相對提前的氣象因子，以茶樹小綠葉蟬發(fā)生面積（y）為預報對象，采用多元回歸方法，建立日照市茶樹小綠葉蟬預報模型[9]。多元線性回歸方程的經(jīng)驗模型為

y=b0+b1x1+b2x2+…+bnxn（1）

式中：b0為常數(shù)項；假設有n個自變量，b1，b2，…，

bn為y對應于x1，x2，…，xn的偏回歸系數(shù)。

3.3 茶樹小綠葉蟬蟲害發(fā)生面積預測預報模型的建立

通過對小綠葉蟬蟲害發(fā)生面積與氣象因子進行相關性分析，尋找對發(fā)生面積影響較大的氣象因子，排除影響較小的氣象因子。對2011—2020年日照市茶園小綠葉蟬蟲害發(fā)生期間有關氣象條件進行分析統(tǒng)計，找出顯著性相關氣象因子，并結合小綠葉蟬發(fā)生發(fā)展和危害時間情況進行篩選，最終確定7個顯著相關氣象因子。

將小綠葉蟬發(fā)生面積定義為因變量y，將x1～x7定義為自變量，輸入SPSS數(shù)據(jù)編輯器，經(jīng)過計算，得出模型摘要、方差分析表和回歸系數(shù)表（見表1～3）。

最終得到日照市茶樹小綠葉蟬發(fā)生面積預測預報回歸方程為

y=4 764.227-6.362x1-8.444x2+7.248x3+29.575x4-23.417x5-12.934x6-15.333x7（2）

式中，x1～x7分別為4月下旬降水量、5月上旬降水量、8月下旬降水量、6月下旬日照時間、7月下旬日照時間、8月上旬日照時間及8月下旬日照時間。

選取的7個因子均相關性較高。復相關系數(shù)R取值在0～1，R越大，說明線性回歸關系越密切，上述方程R為0.993，接近1，說明自變量和因變量線性回歸關系密切程度極高。調(diào)整后的R2值越大，模型擬合效果越好，上述方程R2為0.986，調(diào)整后的R2為0.939，接近1，說明擬合效果好。F值為20.621，p值0.047小于顯著性水平0.05，該方程通過了a=0.05檢驗，該模型具有統(tǒng)計學意義，因變量和自變量之間線性關系是顯著的。偏回歸系數(shù)的t值分別為-1.408、-3.747、3.719、4.837、-6.543、-4.292、-4.077，偏相關系數(shù)顯著不等于0。

3.4 日照茶樹小綠葉蟬發(fā)生面積預報模型檢驗

利用以上預報模型，對2011—2020年日照市茶樹小綠葉蟬發(fā)生面積進行歷史擬合檢驗和2021年試報檢驗。在10組歷史擬合檢驗里，小綠葉蟬發(fā)生面積擬合檢驗誤差為1.7%，2021年預報準確率98.3%，

2021年發(fā)生面積預報誤差為0.9%（見表4）?？傮w來看小綠葉蟬發(fā)生面積預報準確率較高。

4 結論

統(tǒng)計日照市茶園小綠葉蟬預測模型影響因子，發(fā)現(xiàn)4個日照因子、3個降水因子對小綠葉蟬發(fā)生有顯著影響，氣溫因子影響較小。根據(jù)日照市茶樹小綠葉蟬預報發(fā)布時間，可將預報發(fā)布時間之前的因子實況值納入預報模型，還可從預報發(fā)布時間之后臨近的中長期預報中獲取因子預報值；日照時間、降水量作為構成模型的預報因子，能夠方便快捷地從預報中獲取。

日照市茶樹病蟲害發(fā)生除了與天氣因素密切相關外，還受茶樹品種、地形地勢、栽種密度及茶園管理水平等因素影響，存在個體差異，本預測模型很難將全部因素考慮進去，其預測精度也有待進一步完善和提高。

參考文獻：

[1] 邱忠蓮.日照市茶樹病蟲害發(fā)生與防治情況的調(diào)查[J].茶葉通訊，2001（2）：44-46.

[2] 段永春，袁洪剛，張永亮，等.山東茶樹蟲害的種類及主要品種的發(fā)生規(guī)律研究[J].中國農(nóng)學通報，2010，26（11）：284-289.

[3] 段永春，鄭海濤，董書強，等.北方茶園綠盲蝽年種群動態(tài)規(guī)律研究[J].山東農(nóng)業(yè)大學學報（自然科學版），2017，48（1）：24-27.

[4] 孔曉君，侯劍，尚曉陽，等.日照市推進茶園病蟲害綠色防控的措施及成效[J].安徽農(nóng)學通報，2021，27（9）：90-91.

[5] 丁德恩，鄭海濤，王超，等.日照市茶葉安全生產(chǎn)病蟲害控制技術[J].現(xiàn)代農(nóng)業(yè)科技，2010（21）：206-207.

[6] 段永春，劉加秀，董書強，等.山東生態(tài)茶園建設模式初探[J].中國農(nóng)學通報，2010，26（10）：281-286.

[7] 高迎娟，焦煥杰，崔金平.吉林通化地區(qū)稻瘟病發(fā)生程度氣象等級預報方法[J].中國農(nóng)學通報，2014，30（19）：308-311.

[8] 高霞.創(chuàng)建基于貝葉斯分類的農(nóng)作物病蟲害等級預測模型[C]//中國氣象學會農(nóng)業(yè)氣象與生態(tài)學委員會，南京信息工程大學，中國農(nóng)學會農(nóng)業(yè)氣象分會，中國農(nóng)科院環(huán)境與可持續(xù)發(fā)展研究所.第26屆中國氣象學會年會農(nóng)業(yè)氣象防災減災與糧食安全分會場論文集.2009：189-192.

[9] 羅偉，段修榮，鐘莉，等.自貢市玉米主要病蟲害氣象等級預報模型[J].江蘇農(nóng)業(yè)科學，2020，48（7）：118-123.