江蘇省小麥赤霉病多因子綜合風險評估與區劃
2020-08-25 10:03:25曹璐高蘋吳洪顏
植物保護 2020年4期
曹璐 高蘋 吳洪顏
摘要 根據小麥赤霉病的發生特點和災害風險分析理論，確定小麥赤霉病綜合風險評估指標。本文利用江蘇省1961年-2017年67個氣象站氣象數據和農業統計資料，結合地理信息和土壤數據構建了綜合風險評估模型，基于GIS空間分析技術將江蘇省劃分為小麥赤霉病發生低風險區、中等風險區、高風險區和極高風險區。結果表明：江蘇省小麥赤霉病的高風險區位于淮河以南地區，其中里下河和沿江東部赤霉病流行風險最高，需加強預防和治理。
關鍵詞 小麥赤霉病; 氣候條件; 風險區劃; 應災能力
中圖分類號：
S 435.121.45
文獻標識碼： A
DOI： 10.16688/j.zwbh.2019216
Multi-factor comprehensive risk assessment and zoning map of wheat scab epidemics in Jiangsu province
CAO Lu， GAO Ping， WU Hongyan*
（Jiangsu Provincial Meteorological Bureau， Nanjing 210008， China）
Abstract
Based on the characteristics of wheat scab occurrence and the theory of disaster risk analysis， a set of comprehensive risk indexes of wheat scab were derived. In this study， we used meteorological and agricultural statistics datasets of 67 stations in Jiangsu province from 1961 to 2017， combined with geographic information and soil data， to construct a comprehensive risk assessment model. With GIS spatial analysis technology， four zones， i.e.， low-risk， medium-risk， high-risk and very-high-risk zones for wheat scab in Jiangsu， were differentiated according to the assessment model. The results showed that the high-risk areas of wheat scab in Jiangsu were located in the south of Huaihe River， and the risk of wheat scab was the highest in Lixia River and the eastern part of the Yangtze River， where the prevention and management of wheat scad need to be strengthened.
Key words
wheat scab; meteorological conditions; risk zoning; disaster-bearing capability
江蘇是小麥赤霉病的常發區和重發區，流行頻率高、感染程度重，近年來，還有向北蔓延的趨勢[1]。被赤霉病感染后的小麥不僅大幅減產，還可產生脫氧雪腐鐮刀菌烯醇（DON）等毒素沉積于籽粒中，嚴重威脅著江蘇的糧食安全生產。小麥對赤霉病的抗性是由多基因控制的，目前國內尚無絕對的抗赤霉病品種。為更好地防治赤霉病，許多學者從赤霉病發生和防治實踐出發，不僅分析了栽培管理、菌源量、品種差異、防治措施及氣象條件等多種成因[2-5]，還采用多種統計方法，建立赤霉病發生程度和流行趨勢的預報方法[6-12]。此外，也有學者對小麥赤霉病進行了多方位的氣候分區，并取得了一些研究成果，分區界線也與實況基本吻合。趙圣菊等[13]通過收集我國冬、春麥區氣象資料， 結合暖雨日日數及出現頻率確定了赤霉病的致病界線和敏感指標，并將我國的赤霉病發生區細分為4個氣候亞帶、10個氣候小區;馮成玉等[14]利用小麥赤霉病易感時期濕熱天氣的出現頻率和持續時間構成氣候分區指標，將江蘇劃分為4個氣候區;商鴻生等[15]則在氣候分區的基礎上，又根據地下水位和發病率的關系，對關中地區小麥赤霉病分區，在一定程度上考慮了地理復雜性。然而，小麥赤霉病的流行不僅取決于氣候條件、土壤和菌源量，還受地形、種植面積、種植方式和應災能力等因素影響。本文基于災害風險分析理論[16]，嘗試對小麥赤霉病流行從孕災環境、致災因子和承災體3個方面進行評估，充分考慮多因子影響，建立綜合風險評估模型，開展赤霉病流行風險評估和精細化分區，有望為江蘇小麥種植結構調整和赤霉病防控提供科學指導。
1 材料與方法
1.1 數據來源
1961年-2017年江蘇省67個氣象站逐日氣溫（℃）、相對濕度（%），由江蘇省氣候中心提供;1971年-2017年分區赤霉病的病穗率觀測值來自江蘇省植保站;江蘇省1∶25萬基礎地理信息數據由國家基礎地理信息中心提供;1∶100萬土壤屬性數據由南京土壤研究所提供;1961年-2017年江蘇各縣（市）小麥產量和種植面積數據由江蘇省統計局提供。以上所需數據經標準化后，利用地理信息系統的空間分析進行處理，通過反距離權重和克里金插值法進行空間插值[17]。
1.2 赤霉病氣象達標日
小麥抽穗開花至乳熟期間，陰雨連綿、潮濕多霧、天氣悶熱，對赤霉病的發生極為有利。根據小麥赤霉病始見病日至病情穩定期病情系統消長動態監測數據統計，將同時滿足日平均氣溫≥15.0℃、日平均相對濕度≥85%的當天作為誘發赤霉病的達標日[18]，又以持續時間長短作為赤霉病流行等級的劃分標準（表1）。
1.3 構建綜合風險評估模型
小麥赤霉病發生流行受菌源、氣象條件、作物品種和栽培方式等多因素影響。從孕災環境、致災因子及承災體3個方面考慮，構建江蘇冬小麥赤霉病綜合風險評估模型：
Dr=Ds×Dh×Dv（1）
其中Dr為赤霉病綜合風險評估值，Ds為孕災環境敏感性，Dh為致災因子綜合強度，Dv為承災體脆弱性。Dr的值越大，赤霉病發生流行風險越大。
1.3.1 孕災環境敏感性評估
赤霉病的孕災環境包含了地形地貌、土壤屬性及栽培措施等方面，其中地勢低洼、排水不暢、土壤黏重、植株密度過大等都會加重赤霉病。因植株密度、管理措施等可人為控制，因此本文僅選擇坡度、田間持水量（0～20 cm）作為孕災環境因子構建環境敏感性模型Ds，其中坡度（Sl）是影響地表徑流的重要因素之一，同等降雨條件下，坡度越大越易引起坡面流，水流下滲少，不易積水。田間持水量（Fc）是土壤的一個重要屬性，能較好地反映土壤質地的差異，土壤黏滯或地下水位高，田間持水量較大，反之，砂質土壤孔隙大，田間持水量也小[19]。
Ds=w1Fc+w2（1-Sl）（2）
式中，Ds為環境敏感性指數，w1，w2為影響權重系數，用層次分析法確定[20]。
1.3.2 致災因子危險性評估
調查表明，稻麥茬種植區尤其是秸稈還田以后，田間菌源廣泛存在[21]，那么，抽穗揚花期的氣象條件則成為赤霉病流行的主因。因此，可根據氣象達標日的出現頻率和可能的病穗率構建致災危險性評估模型Dh：
Dh=∑4i=1Pi×Ci（3）
其中i為等級數，Pi為各等級達標日發生頻率，Ci為相應的可能小麥病穗率中間值。
1.3.3 承災體脆弱性評估
采用相對小麥種植面積作為承災體物理暴露性指標，即為各縣（市）小麥的種植面積與各縣（市）耕地面積之比。其計算公式如下：
Vε=AwAa（4）
其中，Vε為承災體物理暴露性指數，Aw為各縣（市）冬小麥種植面積，Aa 為《江蘇省統計年鑒》提供的縣（市）耕地面積，取近5年平均值。
Vd反映的是區域人類社會為保障承災體免受、少受某種災害威脅而采取的基礎的及專項的防備措施力度。本文采用某區域單產占整個研究區單產總和的平均值所代表的區域農業水平指數來表示區域應災能力。
Vd=1n∑ni=1YiSi（5）
Si=∑mj=1Yij（6）
其中，Vd為區域應災能力，Yi為縣級第i 年的實際單產，Si為第i年全省各縣（市）實際單產總和，Yij為第i年j縣（市）的實際單產，n為年代長度，m為縣（市）個數。
利用承災體的物理暴露性和區域應災能力2個指標構建承災體脆弱性綜合評估模型Dv：
Dv=w3Vε+w4（1-Vd）（7）
式中，Vε為承災體物理暴露性，Vd為區域應災能力;w3，w4分別為承災體物理暴露性和區域應災能力的權重，用層次分析法確定。
2 結果與分析
2.1 赤霉病流行氣象條件空間分布特征
統計1961年以來小麥抽穗-乳熟期（4月-5月）逐日平均氣溫和相對濕度發現，江淮之間南部和蘇南大部分地區年平均誘發達標日超過10 d，其中，蘇南南部和南通地區超過12 d、局部達到14～15 d;江淮之間北部有8～10 d;淮北地區年平均4～8 d（圖1）。進一步分析流行程度發現（表2），全省平均年發生輕-中度誘發赤霉病氣象條件1～3次;較重以上程度的氣象條件淮北地區每年出現0.3次左右，江淮之間0.6～0.7次，蘇南地區則在0.73次以上。江淮之間和蘇南地區出現誘發赤霉病的氣象條件幾率遠高于淮北地區。
2.2 赤霉病流行年際特征
以泰興為例，統計1961年以來歷年赤霉病氣象誘發達標日發現，分別在1963、1964、1966、1977、1983、1985、1994、1998、2002及2016等年份出現峰值，均超過15 d，有逐年波動減弱趨勢，這與當地小麥赤霉病的流行情況基本吻合（圖2）。年代際分布看，氣象誘發平均日數亦有下降趨勢，2001年-2010年間達到最少，2011年-2017年平均日數又有回升，這說明氣象條件在逐漸好轉的過程中，出現波動回升。尤其是2016年，氣象誘發達標日出現了22 d，有2次天氣過程達到重度、3次達到中度的溫濕指標，滿足了赤霉病大流行誘發條件。而來自農業部門的調查也證實了這一情況，2016年全省赤霉病發病面較廣，沿江和蘇南小麥病穗率超過50%，江淮之間部分地區達到40%左右，淮北地區病穗率也普遍超過10%，造成全省小麥品質下降，嚴重影響了夏糧收購。
2.3 冬小麥脆弱性評估
冬小麥脆弱性評估主要從物理暴露性和應災能力兩方面考慮，江蘇冬小麥的物理暴露性指數（圖略）在淮北、江淮之間中西部及沿江和蘇南的中部地區較高，該地超過50%的耕地種植小麥，其中宿遷、淮安甚至超過60%，物理暴露性最高;東部沿海、蘇南南部及寧鎮丘陵地區小麥種植面積較小，南京地區僅有10%～20%，物理暴露性較低。應災能力（圖3a）空間分布以江淮之間為最強，超過0.014，包括宿遷、鹽城、淮安、泰州及揚州和南通部分地區，這些地區小麥單產高且穩定;淮北和沿江大部分地區略低一些，在0.013～0.014之間;蘇南南部和寧鎮丘陵地帶產量穩定性最差，種植面積小，單產波動大，應災能力也相對最弱。
綜合分析（圖3b），江蘇冬小麥脆弱性較高的地區主要在長江以北，其中徐州南部、宿遷、淮安、揚州及泰州和鹽城的部分地區最高，脆弱性相對較低的地區為寧鎮丘陵、蘇南東部和南通南部地區，北部沿海和蘇南南部地區呈中等脆弱性。
2.4 孕災環境敏感性評估
坡度分析顯示，江蘇大部分地區坡度≤2°，地勢平緩，低洼地較多，僅在蘇南西部和連云港地區有部分丘陵崗地。全省0～20 cm的田間持水量在0～0.52之間，高值區分布在沿江、江淮之間，范圍較廣，這些地區的土壤保水性好，偏黏滯。分析孕災環境敏感性指數發現，江淮之間中西部、沿江和蘇南的部分地區數值較高，大于0.65;沿江東部、沿海和江淮部分地區敏感指數在0.55～0.65之間，土壤砂性較強;敏感指數小于0.55的區域多為水體（圖4）。
2.5 赤霉病綜合風險區劃
利用地理信息系統的柵格計算功能，根據公式（1）求得江蘇冬小麥赤霉病風險值。經風險綜合分析，確定如下4個等級：低風險區（Dr≤0.2）、中等風險區（0.2
中等風險區包括南京、沿淮及淮北南部地區，這些地區氣象致災的達標日平均少于10 d，旱澇時有發生，土壤多為潮土，肥力性能較好，適宜于小麥生長，但需加強改良和合理利用。
低風險區主要在淮北北部，壤性土質，肥力得當，非常適宜強筋小麥的生長。雖然小麥種植面積超過50%，但由于春季降水常年偏少，并不利于赤霉病的發生。
3 結論與討論
利用對小麥赤霉病成災影響最直接的因子，構建赤霉病綜合風險評估模型，是開展小麥赤霉病綜合風險評估的一個有益探索，模型評估結果與災情實況也基本吻合。
江蘇冬小麥赤霉病綜合風險指數呈東南-西北向分布，空間差異較大，與氣象致病日的空間分布基本一致。其中，極高風險區主要位于里下河南部和沿江東部地區，包括揚州、泰州、南通、蘇州、鎮江及常州地區的20縣（區）;高風險區包括極高風險區外圍的一定區域，分布在淮河以南的平原和沿海地區，寧鎮丘陵除外;中等風險區主要分布在沿淮、淮北南部和寧鎮丘陵，包括南京大部、淮安北部、鹽城北部及睢寧、沭陽、泗陽、灌南等地;低風險區主要分布在淮北北部地區，由于春季降水偏少，干旱為小麥生長主要影響因素。
本文考慮氣象、地理和農業統計等多因素構建小麥赤霉病綜合風險評估模型，利用該模型的輸出結果能夠較為真實地反映1961年以來江蘇赤霉病的風險分布及地域差異。但由于模型中并未考慮赤霉病菌源和植株密度的差異，所得評估結果勢必存在一定偏差。同樣，種植面積和小麥品種的逐年調整，也會給赤霉病風險指數帶來年際變化。這些問題都有待于進一步改進。
參考文獻
[1] 姚克兵， 莊義慶， 尹升， 等. 江蘇小麥赤霉病綜合防控關鍵技術研究[J]. 植物保護， 2018， 44（1）： 205-209.
[2] 徐雍皋.小麥赤霉病防治理論研究與實踐[M]. 南京： 江蘇科學技術出版社， 1993.
[3] 肖晶晶， 霍治國， 李娜， 等. 小麥赤霉病氣象環境成因研究進展 [J]. 自然災害學報， 2011， 20（2）： 146-152.
[4] 殷平， 包志軍， 卜鋒， 等. 談談小麥赤霉病的發生及防治[J]. 上海農業科技， 2011（4）： 115.
[5] 陳云， 王建強， 楊榮明， 等. 小麥赤霉病發生危害形勢及防控對策[J]. 植物保護， 2017， 43（5）： 11-17.
[6] 南都國， 吳溪涌， 周霞. 小麥赤霉病灰色災變長期預測模型[J]. 中國農業科學， 1987， 20（6）： 64-69.
[7] 馮成玉， 張光旺， 劉建邦， 等. 濕段天氣在小麥赤霉病定量預報中的應用[J]. 植物保護學報， 1998， 25（3）： 231-234.
[8] 高蘋， 居為民. 冬小麥赤霉病流行程度長期預報模型[J]. 氣象， 1998， 24（6）： 55-58.
[9] 高蘋， 居為民， 陳寧， 等. 人工神經網絡方法在赤霉病預報中的應用研究[J]. 中國農業氣象， 2001， 22（2）： 21-24.
[10]賈金明. 黃河中下游小麥赤霉病氣象指數的建立與應用[J]. 氣象， 2002， 28（3）： 50-53.
[11]李軍， 蔣耀培， 蔣建忠， 等. 小麥赤霉病發生程度的氣象動態預測模型[J]. 西南農業大學學報（自然科學版）， 2004， 26（6）： 776-780.
[12]徐云， 高蘋， 繆燕， 等. 江蘇省小麥赤霉病氣象條件適宜度判別指標[J]. 江蘇農業科學， 2016， 44（8）： 188-192.
[13]趙圣菊， 姚彩文， 霍治國. 我國小麥赤霉病地域分布的氣候分區[J]. 中國農業科學， 1991， 24（1）： 60-66.
[14]馮成玉， 張光旺， 陳正岸. 江蘇省小麥赤霉病地域分布的氣候分區[J]. 植物病理學報， 1995， 25（2）： 111-115.
[15]商鴻生， 井金學， 張文軍. 關中麥區小麥赤霉病流行的分區研究[J]. 植物保護學報， 1999， 26（1）： 40-44.
[16]史培軍. 五論災害系統研究的理論與實踐[J]. 自然災害學報， 2009， 18（5）： 1-9.
[17]李軍龍，張劍，張叢.氣象要素空間插值方法的比較分析[J].草業科學，2006，23（8）：6-11.
[18]張旭暉，高蘋，居為民，等. 小麥赤霉病氣象等級預報模式研究[J]. 安徽農業科學， 2008， 36（23）： 10030-10032.
[19]許廣波， 呂龍石， 廉浩燮， 等. 影響田間持水量主要因子的通徑分析[J]. 延邊大學農學學報， 1997， 19（4）： 242-245.
[20]張旭暉，吳洪顏，許祥， 等. 江蘇省雷暴災害脆弱性分析[J]. 氣象科學， 2007， 27（5）： 536-542.
[21]鄔榮世，吳翠翠. 江淮麥區小麥赤霉病大發生的原因與防治對策[J]. 農技服務， 2012， 29（10）： 1141-1142.
（責任編輯：田 喆）
