信陽水稻稻瘟病發(fā)生規(guī)律及基于灰色預測模型的預測預報

寧萬光 謝瑛 史洪中 陳利軍

摘要：河南省信陽市地理環(huán)境適合水稻栽培，氣候條件適宜稻瘟病的發(fā)生與流行，在信陽地區(qū)每年發(fā)生面積 6.67萬～11.33萬hm2，造成了嚴重的經濟損失。針對信陽市水稻稻瘟病的發(fā)生規(guī)律，分析了信陽市2004—2013年稻瘟病發(fā)生面積，在無偏GM（1，1）模型基礎上采用五點滑動法優(yōu)化原始數據，構建五點滑動優(yōu)化無偏GM（1，1）模型，根據無偏GM（1，1）模型和五點滑動優(yōu)化無偏GM（1，1）模型預測的結果與實際發(fā)病情況的對比，可知利用五點滑動優(yōu)化無偏GM（1，1）模型針對信陽市近10年來的稻瘟病發(fā)生情況可以較好地進行預測，根據預測模型預測的結果，可以指導性采取有效的綜合防治方法減輕稻瘟病帶來的危害。

關鍵詞：河南信陽；稻瘟病；發(fā)生規(guī)律；灰色模型；預測預報

中圖分類號： S435.111.4+1文獻標志碼： A文章編號：1002-1302（2014）06-0102-03

收稿日期：2014-01-25

基金項目：河南省科技攻關項目（編號：112102110060）。

作者簡介：寧萬光（1978—），男，河南汝州人，講師，主要從事植物保護教學和科研工作。E-mail：nwg668@sina.com。河南省信陽市位于北亞熱帶向暖溫帶過渡區(qū)，夏季光照足、氣溫高、降水多、雨熱同步，具有發(fā)展水稻生產的優(yōu)越區(qū)位和自然條件。信陽地區(qū)水稻（秈稻）年種植面積30萬hm2以上，占信陽糧食播種面積的50%，總產量占全省70%左右[1-2]。稻瘟病又名稻熱病，是水稻主要病害之一，一般使水稻減產10%～20%，嚴重時減產40%～50%，甚至顆粒無收[3-4]。該病在信陽地區(qū)每年發(fā)生面積6.67萬～11.33萬hm2，造成很大的損失，如果能提前預測其發(fā)生趨勢和流行程度，則對稻瘟病的綜合防治和農業(yè)生產的決策管理具有非常重要的意義。自從20世紀80年代初鄧聚龍教授創(chuàng)立了灰色系統(tǒng)理論以來，灰色系統(tǒng)理論得到了較普遍的應用和廣泛的重視，在農業(yè)、林業(yè)、水利、能源、交通、經濟等領域，灰色系統(tǒng)理論在預測方面取得了令人矚目的成就。筆者針對信陽市水稻稻瘟病的發(fā)生規(guī)律，分析信陽市2004—2013年稻瘟病的發(fā)生面積，在無偏GM（1，1）模型基礎上采用五點滑動法優(yōu)化原始數據，采用五點滑動優(yōu)化無偏 GM（1，1） 模型，并將其與無偏 GM（1，1）模型預測結果進行比較，建立信陽市稻瘟病的預測模型，結合預測數據對信陽市稻瘟病的防治提出指導性建議。

1稻瘟病發(fā)生規(guī)律

1.1病原

生物學特性：菌絲體發(fā)育溫度8～37 ℃，適溫 26～28 ℃。分生孢子形成溫度 10～35 ℃，適溫 25～28 ℃。孢子萌發(fā)溫度與孢子形成相同，附著胞形成適溫24 ℃，28 ℃以上不能形成。病菌入侵適溫 24～30 ℃。孢子在有水膜或水滴和飽和濕度下才能萌發(fā)良好，其臨界相對濕度為92%～96%[5-6]。

1.2發(fā)生規(guī)律

稻瘟病的發(fā)生流行，主要與品種的抗病性、氣候、栽培技術等因素有很大關系。其中氣象因素中，最主要的是溫度和濕度，其次是光和風。溫度主要影響水稻和病菌的生長發(fā)育；濕度則影響病菌孢子的形成、萌發(fā)和侵入。溫度、濕度、降雨、霧露、光照等對稻瘟菌的繁殖和稻株的抗病性都有很大影響。當氣溫在20～30 ℃、相對濕度在90%以上時，有利于稻瘟病發(fā)生。在24～28 ℃范圍內，濕度越高發(fā)病越重。溫度和病害潛育期的關系：9～10 ℃為13～18 d，17～18 ℃為8 d，24～25 ℃為5～6 d，26～28 ℃為4～5 d。信陽地區(qū)在水稻生長期平均氣溫25 ℃左右，稻瘟病的流行主要取決于降雨的遲早和降雨量。天氣時晴時雨，或早晚常有霧、露時，最有利于病菌的生長繁殖。低溫和干旱也有利于發(fā)病，尤其抽穗期忽遇低溫，水稻的生活力削弱，抽穗期延長，感病機會增加，穗頸瘟較重。陽光和風與發(fā)病關系也很密切。日光不足時，稻株光合作用緩慢，淀粉與氨態(tài)氮的比例低，硅化細胞數量少，植株柔軟，抗病性下降，加重病害的發(fā)生和蔓延。風是傳播病菌的動力，病菌孢子借風傳播的距離可達400 m以上，故風力和風向直接關系病菌傳播的距離和方向，距病田及初侵染源近的田塊受影響大，發(fā)病重[5-6]。

2基于灰色預測模型的預測預報

2.1灰色預測模型

灰色系統(tǒng)理論是華中理工大學鄧聚龍教授1982年首先提出的一種理論，是部分信息已知、部分信息未知的系統(tǒng)。灰色系統(tǒng)理論能更準確地描述這些系統(tǒng)的狀態(tài)和行為，研究基于灰色系統(tǒng)理論的灰色預測模型，則對這些系統(tǒng)預測具有重要意義。灰色預測，是指對系統(tǒng)行為特征值的發(fā)展變化進行的預測，對既含有已知信息又含有不確定信息的系統(tǒng)進行的預測，也就是對在一定范圍內變化的、與時間序列有關的灰過程進行預測。盡管灰過程中所顯示的現象是隨機的、雜亂無章的，但畢竟是有序的、有界的，因此得到的數據集合具備潛在的規(guī)律。灰色預測是利用這種規(guī)律建立灰色模型對灰色系統(tǒng)進行預測。

目前使用最廣泛的灰色預測模型就是關于數列預測的一個變量、一階微分的GM（1，1）模型。它是基于隨機的原始時間序列，經按時間累加后所形成的新的時間序列呈現的規(guī)律可用一階線性微分方程的解來逼近。經證明，經一階線性微分方程的解逼近所揭示的原始時間序列呈指數變化規(guī)律，因此，當原始時間序列隱含著指數變化規(guī)律時，灰色模型 GM（1，1） 的預測是非常成功的。

2.2灰色系統(tǒng)預測模型無偏GM（1，1）

設有原始數據序列：X（0）=（X（0）（1），X（0）（2），…，X（0）（n）），其中，X（0）（k）≥0，k=1，2，…，n。利用該數據序列建立GM（1，1）模型步驟如下：

（1）對X（0）進行一次累加（1-AGO）生成一次累加序列：

X（1）=（X（1）（1），X（1）（2），…，X（1）（n））

其中

X（1）（k）=∑ki=1X（0）（i）=X（1）（k-1）+X（0）（k）（1）

（2）建立預測模型的白化形式方程

dx（1）dt+ax（1）=u（2）

式中：a、u為待估計參數，分別稱為發(fā)展灰數和內生控制灰數。設a^為待估計參數向量，則a^=a

u。

按最小二乘法求解，有：

a^=（BTB-1）BTyn（3）

其中

B=-0.5{x（1）（2）+x（1）（1）}1

-0.5{x（1）（3）+x（2）（2）}1

-0.5{x（1）（n）+x（1）（n-1）}1，Yn=x（0）（2）

x（0）（3）

x（0）（n）

白化微分方程的解為：

X^（1）（k+1）=（x（0）（1）-μα）eαk+μα（4）

然后進行累減，可以得到預測值：

X^（0）（k）=X^（1）（k）-X^（1）（k-1）（5）

2.3五點滑動優(yōu)化無偏GM（1，1）模型

對原始時間數據序列X（0）=（X（0）（1），X（0）（2），…，X（0）（n）），用五點滑動法優(yōu)化后建立的無偏GM（1，1）模型，稱為五點滑動優(yōu)化無偏 GM（1，1）模型。

對原始時間數據序列X（0）=（X（0）（1），X（0）（2），…，X（0）（n））采用五點滑動處理后得到新的數據系列：P（0）=[P（0）（1）=x（0）1+x（0）2+x（0）3+x（0）4+x（0）55，P（0）2=x（0）2+x（0）3+x（0）4+x（0）5+x（0）65，…，P（0）n=x（0）n+x（0）n+1+x（0）n+2+x（0）n+3+x（0）n+45]（6）

然后用處理后的公式（6）代替原始數據系列建立的新模型即為五點滑動優(yōu)化無偏GM（1，1）模型[7-12]。

2.4模型建立與求解

年份發(fā)病率實際數據五點滑動處理無偏模型預測值相對誤差五點滑動預測值相對誤差20040.037 20.142 60.037 20.000 00.142 60.000 020050.097 40.163 40.161 10.655 00.176 40.079 720060.170 00.188 80.166 10.023 20.182 00.036 320070.259 30.203 70.171 10.340 20.187 70.078 620080.148 90.190 70.176 30.184 20.193 60.015 020090.141 30.192 70.181 70.285 80.199 70.036 220100.224 50.187 20.165 920110.244 40.192 90.210 820120.194 40.198 80.022 420130.158 70.204 80.290 8平均相對誤差0.217 80.041 0

表3預測精度檢驗等級參數

精度等級相對誤差小誤差概率均方差比值C優(yōu)<0.01>0.95<0.35合格<0.05>0.80<0.50勉強合格<0.10>0.70<0.65不合格≥0.10≤0.70≥0.65

表4模型預測值的平均相對誤差和均方差比值

模型平均相對誤差均方差比值C無偏GM（1，1）0.217 80.419 1五點滑動優(yōu)化無偏GM（1，1）0.041 00.264 7

3結果和討論

信陽市氣候條件適宜稻瘟病的發(fā)生和流行，從2006年以來發(fā)病面積都在7萬hm2左右，受災面積較大，給水稻生產帶來了嚴重的影響。根據無偏GM（1，1）模型和五點滑動優(yōu)化無偏GM（1，1）模型預測的結果和實際發(fā)病情況的對比，可知利用五點滑動優(yōu)化無偏GM（1，1）模型針對信陽市近10年來的稻瘟病發(fā)生情況可以較好地進行預測，根據預測模型預測的結果，可以指導性采取有效的綜合防治方法減輕稻瘟病帶來的危害。

但是由于近年來全球性氣候異常變化，信陽市近年來的氣候比往年也發(fā)生了很大變化，要針對突然出現的異常性氣候稻瘟病的發(fā)生情況，政府機關部門要加大稻瘟病防治的力度；同時五點滑動優(yōu)化無偏GM（1，1）模型也需要不斷地進行調整和完善。

參考文獻：

[1]吳騫，方立清，溫濤，等. 信陽市水稻種植氣候條件分析[J]. 中國農學通報，2010，26（2）：285-290.

[2]趙輝，劉慶偉. 信陽水稻農業(yè)氣候資源分析與農業(yè)氣候指標確定[J]. 河南氣象，2006（2）：59-60.

[3]徐未未，王興，黃永相，等. 水稻抗稻瘟病基因的分子標記與標記輔助育種研究進展[J]. 江蘇農業(yè)學報，2013，29（4）：898-906.

[4]張曉娟，張羽，張辰露，等. 分子標記在稻瘟病抗性育種中應用的研究進展[J]. 江蘇農業(yè)科學，2013，41（8）：73-75.

[5]范懷忠，王煥如. 植物病理學[M]. 北京：中國農業(yè)出版社，1988：71-74.

[6]侯明生，黃俊斌. 農業(yè)植物病理學[M]. 北京：科學出版社，2006：2-6.

[7]鄧聚龍. 灰預測與灰決策[M]. 武漢：華中科技大學出版社，2002.

[8]王淑華，魏勇. 改進的灰色預測模型的應用[J]. 西華師范大學學報：自然科學版，2008，29（2）：157-160.

[9]張雷，燕亞菲，劉志紅，等. 灰色人工神經網絡在稻瘟病發(fā)生預報中的應用[J]. 中國農學通報，2010，26（12）：238-241.

[10]魏代俊，曾艷敏，鄒迎春.基于無偏灰色馬爾科夫鏈的稻瘟病預測研究[J]. 安徽農業(yè)科學，2010，38（34）：19399-19400，19427.

[11]周世健，賴志坤，臧德彥，等. 加權灰色預測模型及其計算實現[J]. 武漢大學學報：信息科學版，2002，27（5）：451-455.

[12]吉培榮，黃巍松，胡翔勇.無偏灰色預測模型[J]. 系統(tǒng)工程與電子技術，2000，22（6）：6-7，80.李志英，田岳娟，徐惠娟，等. 小葉錦雞兒內生拮抗菌株的篩選與分子鑒定[J]. 江蘇農業(yè)科學，2014，42（6）：105-107.