水稻褐飛虱危害等級的模型預報

袁昌洪 呂冬紅 王海青 劉 方 張 馳

摘要以1987～2006年泰州地區水稻褐飛虱危害程度為研究對象,在月平均氣溫、月降水量、月降水日數(≥0.1mm日數)、月平均相對濕度、月日照時數等因子中,選取相關系數較高且穩定性好的預測因子,在逐步回歸分析方法的基礎上,集成建立了水稻褐飛虱危害程度的農業氣象預報模型。經過回報檢驗,顯示該模式簡單、實用,預報效果良好。

關鍵詞水稻;褐飛虱;危害等級;農業氣象預報模型

中圖分類號 S431.3 文獻標識碼A文章編號 1007-5739(2009)08-0070-02

褐飛虱是水稻上重要的遷飛性害蟲,常年在我國淮河以南稻區發生較為普遍,長江流域及其以南地區暴發頻率高。水稻褐飛虱為喜溫性害蟲,北緯19°以南為終年繁殖區,北緯19~25°為少量越冬區,其越冬北界冬季氣溫的年度差異在北緯21~25°期間擺動。泰州屬長江中下游地區,褐飛虱的主害代為六(3)代和七(4)代,其高峰期一般為8月下旬和10月上旬。水稻褐飛虱危害成災的外部因素主要包括氣象條件、水稻耕種制度及化學藥劑防治等。近年來,受夏季臺風的影響,遷入我國的褐飛虱峰次多;遷入量大,為其暴發提供了初始蟲源,成為大發生的前提;夏涼秋暖的適宜氣候條件使褐飛虱的生殖潛能得以發揮是褐飛虱大發生的關鍵因素;水稻耕作制度及栽培方法的變化、褐飛虱種群致害力的增加、抗藥性及防治技術不到位則是褐飛虱暴發成災的客觀原因。水稻褐飛虱發生時,成、若蟲群集于稻叢下部刺吸汁液,雌蟲產卵時,用產卵器刺破葉鞘和葉片,易使稻株失水或感染菌核病。其排泄物常導致霉菌滋生,影響水稻光合作用和呼吸作用,嚴重的地區甚至棵粒無收。因此,做好褐飛虱發生的預測工作,及時組織適時適量用藥,減小褐飛虱對糧食的危害十分重要。

1資料與方法

1.1資料

水稻褐飛虱危害程度資料來自泰州所屬4個市植保部門每年8月下旬和10月上旬關于主害代高峰期田間總蟲量的監測數據,這些資料均為田間自然觀察圃的監測資料,時間序列為1987～2006年;所有的氣象資料來自于泰州市氣象部門,時間序列為1986～2006年。

1.2方法

1.2.1 水稻褐飛虱危害程度分級。主害代高峰期田間總蟲量分級方法:百穴蟲量小于500頭,輕發生,為1級;百穴蟲量在500~1 000頭,偏輕發生,為2級;百穴蟲量在1 000~2 000頭,中等發生,為3級;百穴蟲量2 000~3 000頭,偏重發生,為4級;百穴蟲量大于3 000頭,大發生,為5級。

1.2.2預測因子的選擇。在統計分析中發現預測對象和預測因子間相關系數雖然較高,但分段來看,有時前幾年相關好,但后幾年相關差;或反之。有的序列隨著樣本數的增加相關系數變小,為避免這類預測因子入選,需對達到顯著性水平的預測因子進行穩定性檢驗(表1),以提取和預測對象關系密切的預測因子。設資料有N年,每年的樣本數為n,計算時以開始序號i(i=1,2……,n-1)和結束序號j(j=2,3,……,n)之間的累加值(或平均值)組成一預測因子。

1.2.3逐步回歸判別分析

運用貝葉斯逐步判別分析方法建立判別函數,進行多類判別,從而確定樣本最可能歸類。將預測對象分成G類,對應于預測量第g類(g=1,2,……G)有m個預測因子。若最后選入的預測因子為X1,X2,……,Xk,則判別方程為:fg=C0+■CiXi…①,預測時,將某年預測因子值代入式①,計算出f1,f2,……,fg,取最大值所對應的類別即為該年的預測等級。

1.2.4逐步回歸分析。對于因變量的每一組觀測值γi,對應有一組自變量Zij,其中i=1,2,……,n;j=1,2,……,m。給定臨界值Fa,對預測因子采用雙重檢驗先剔除后引進的原則精選預測因子,若最后選入的因子為Z1,Z2,……,Zk,則得到的回歸方程為:■=C0+■CiZi…②,將某年預測因子值代入式②,計算得到■值,即為該年的預測等級。

1.2.5預測結果檢驗。預測模型的最后檢驗時,其預報檢驗結果<1時設定為1,>5時設定為5,在1~5之間時采用四舍五入法取整。水稻褐飛虱實際預報工作中都跨級預報,所以規定預測值與實際值差≤1級為準確,否則為不準確。預測準確率為預測準確的年數占預測總年數的百分比。

1.2.6預報時效。統一將8月下旬和10月上旬褐飛虱危害程度的預報起報時間定為8月上旬,其預報時效分別為20d和70d。

2水稻褐飛虱危害程度的農業氣象模式

遷飛性害蟲的發生與氣象條件密切相關。季節遇有雨日多、雨量大有利于褐飛虱的遷飛和降落,遷入時容易大發生;褐飛虱生長發育適宜溫度為20～30℃,26℃最適,長江流域遇夏季不熱、晚秋氣溫偏高時利于其發生,適宜的氣候條件是褐飛虱大發生的關鍵。

根據植保部門對六(3)代和七(4)代高峰期(分別是8月下旬和10月上旬)的測報數據,統計1987～2006年褐飛虱危害前期各月平均氣溫、降水量、降水日數、平均相對濕度、日照時數,分別與泰州8月下旬和10月上旬褐飛虱影響程度的相關程度(通過0.05信度檢驗),選擇相關性好、穩定度高的氣象預報因子,分別建立回歸預報模式。

2.1水稻褐飛虱危害程度模式

Y1=2.587-0.465 X1+0.031 X2-0.025 X3-0.010 X4+0.036 X5-0.011 X6+0.219 X7…③,式中:Y1表示8月下旬水稻褐飛虱危害程度的預報模式,其中X1、X2、X3、X4、X5、X6、X7分別表示4月平均氣溫、5月降水量、4月日照時數、2月日照時數、3月日照時數、4月降水量、5月平均氣溫。

Y2=8.405-0.602 X1+0.026 X2-0.057 X3+0.011 X4+0.227 X5-0.343 X6+0.016 X7+0.173 X8+0.256 X9…④,式中:Y2表示10月上旬水稻褐飛虱危害程度的預報模式,其中X1、X2、X3、X4、X5、X6、X7、X8、X9分別表示4月平均氣溫、3月日照時數、4月日照時數、4月降水量、3月平均氣溫、4月降水日數、3月降水日數、7月份降水日數、5月平均氣溫。

2.2模式檢驗

分別將③、④預測模型進行回報檢驗,將檢驗結果按照事先設定的函數邊界和取整方法進行確定,結果顯示,③式檢驗結果(表2)1988年、1997年和2002年均報錯,其余正確,準確率為85%;④式檢驗結果(表3)1987年、1994年、1997年和2005年均報錯,準確率80%。從圖1和圖2看,模式在大發生年的趨勢均預報得很好,其中圖1中1991年、1997年和2006年均預報到了3~4級,圖2中1988年~1991年、1997年和2006年也都體現了發生趨勢。

3結語與討論

(1)分析了影響水稻褐飛虱危害程度的有指示作用的氣象因子,主要是相關時段的平均氣溫、降水量、降水日數和日照時數,褐飛虱危害程度與平均相對濕度沒有明顯關聯。在褐飛虱發生前期的氣象因子中選取通過信度檢驗的因子,建立褐飛虱發生程度的預報模式,回報檢驗顯示本模式簡單、實用,預報效果良好。

(2)盡管遷飛性蟲害的發生、發展和流行與氣象條件密切相關,或與氣象災害相伴發生,但畢竟影響水稻褐飛虱危害程度的原因有很多,而水稻褐飛虱也并不主要是氣象型蟲害,在本模式中沒有考慮其他因素,是本模式的不足之處。

(3)關于水稻褐飛虱的預報模式也有人做過大氣環流模式、海溫模式以及人工神經元模式等,都取得了一些進展,在以后的工作中要進行多方面的比較驗證,以完善現有模式。

4參考文獻

[1] 江蘇省植物保護站.農作物主要病蟲害預測預報與防治[M].南京:江蘇科學技術出版社,2006.

[2] 魏淑秋.農業氣象統計[M].福州:福建科學技術出版社,1985.

[3] 朱盛明.相關系數穩定性分析方法及其應用[J].氣象學報,1982,40(4):497-501.

[4] 胡永宏,賀思輝.綜合評價方法[M].北京:科學出版社,2000.

[5] 王馥棠,馮定原,張宏銘,等.農業氣象預報概論[M].北京:農業出版社,1991.

[6] 許昌燊.農業氣象指標大全[M].北京:氣象出版社,2004.

[7] 程遐年,吳進才,馬飛.褐飛虱研究與防治[M].北京:中國農業出版社,2003.

[8] 高希武,彭麗年,梁帝允.對2005年水稻褐飛虱大發生的思考[J].植物保護,2006,32(2):23-25.

[9] 王艷青.近年來中國水稻病蟲害發生及趨勢分析[J].中國農學通報,2006,22(2):343-347.