解 鋒, 王世鋒, 蘇海燕, 廖淑霞, 胡想順

(1.楊凌職業技術學院 ，陜西 楊凌 712100；2.陜西省西安市臨潼區穆寨街辦農業綜合服務中心，陜西 西安 710600；3.陜西省西安市臨潼區園藝工作站，陜西 西安 710600；4.楊陵區委考核督查辦，陜西 楊凌 712100；5.西北農林科技大學 植保學院，陜西 楊凌 712100)

我國是小麥種植大國，麥長管蚜Sitobionavenae是小麥穗期最主要的害蟲種類，防治主要依靠化學農藥[1]。但化學防治不可避免地會殺死天敵，增加麥長管蚜的抗藥性，還會污染環境，破壞田間生態系統的穩定。及時對麥長管蚜的發生與發展做出準確的預測，可以及時指導、制定麥田小麥蚜蟲防治的綜合治理措施。

氣象因素如溫度、濕度、干旱和降雨等氣象因子是影響麥長管蚜發生的重要因素[2～7]。氣象因素如何影響蚜蟲的種群發展，與各地的氣象因素密切相關。筆者根據楊凌(武功)1980-1987、2004-2008、2010-2016的百株蚜量和氣象因子，利用多元線性相關分析和回歸法構建了麥長管蚜發生百株蚜量值與氣象因子間的多元回歸模型，這對麥長管蚜發生的預測及預報，及時精準防控麥長管蚜意義重大。

1 材料與方法

1.1 數據來源

麥長管蚜種群動態數據來源于西北農林科技大學昆蟲生態學研究團隊于1980-1987年，2004-2008年以及2010-2016年的統計數據。數據收集的地點是陜西楊凌西北農林科技大學實驗田，時間為每年3月15日到5月30日。每5 d采集一次數據，換算為百株蚜量，進一步根據百株蚜量轉換為發生級別(表1)。

表1 根據百株蚜量劃分蚜情發生級別

1.2 數據處理

將所有數據到整理Excel表中。首先進行百株蚜量與16種單旬氣象因素：平均風速、最大風速、最大風速的風向、極大風速、極大風速的風向、20-8時降水量、8-20時降水量、平均氣溫、日最高氣溫、日最低氣溫、平均氣壓、日最高本站氣壓、日最低本站氣壓、日照時數、平均相對濕度、最小相對濕度的相關性分析，接著選取相關性高的氣象因子，以田間百株蚜量y為自變量，選取的氣象因素為因變量，在SPSS軟件中建立多元線性回歸模型，構建麥長管蚜不同時期的發生預測模型。得出近幾年的麥長管蚜預測數量后，并與真實麥蚜發生數據進行對比，確定模型的可行性。

2 結果與分析

2.1 楊陵區麥長管蚜蚜量與氣象因素的相關性分析

與麥長管蚜的種群數量正相關性最強的氣象因子是旬均溫度、旬均相對濕度和旬均氣壓，相關系數分別為0.27、0.19和0.11。其他相關系數均低于0.09。因此選取因子是旬均溫度、旬均相對濕度和旬均氣壓作為因變量進行多樣線性回歸分析。

2.2 楊陵區麥長管蚜多元線性回歸模型

2.2.1 楊陵區麥長管蚜發生預測模型構建 利用1980-1987，2004-2007共12 a間楊陵3月中旬到5月下旬這段時間各旬百株蚜量(y)與旬平均溫度x1、x2旬相對濕度和日最高氣壓x3多元線性回歸方程如表2所示。

表2 各旬百株蚜量與氣象因子間的回歸方程

2.2.2 楊陵區預測模型的驗證 用2010-2016年的數據對預測方程進行驗證，實際發生值與預測值比較如表3。

通過表3就可以看出，利用1980-1987年、2004-2008年數據構建的預測方程，預測2010-2016年的蚜蟲發生程度，3月中、下旬，4月上、中和下旬全部與實際發生值基本相同。5月上旬2012年預測值是2，實際值是1；2014和2015年預測值為2，實際觀測值為1，準確率為57.14%；5月中旬2016年預測值為2，實際觀測值為1，準確率為85.71%，所有這些預測值與觀測值之間的等級相差均是1級。

表3 各旬回歸方程預測麥長管蚜發生程度與實際發生程度比較(預測/實際觀察)

3 討論

麥長管蚜的準確測報是國際難題，干擾麥長管蚜種群動態的因素包含生物的和非生物的，非生物因素主要就是氣象因素。我們的結果表明，影響當旬麥長管蚜種群動態的主要氣象因素包括溫度、濕度和氣壓。另外，也有學者報到氣流[8]、低空風向[9, 10]、日照時長[11]以及微環境[12]等也會影響麥長管蚜的種群數量。實踐表明，小麥進入灌漿期后，降雨也是影響麥長管蚜種群數量的最重要因素[6, 12, 13]。除了氣象因素，小麥品種特性，天敵等生物因素也會影響麥長管蚜的種群動態[1]。筆者發現，除了旬均溫度和濕度外，旬均氣壓也是影響麥長管蚜發生的因素之一。

近年來，我國學者應用局部支持向量回歸、大數據以及傅立葉級數修正等方法對麥長管蚜的發生進行了預測預報，取得了良好的效果[14～16]。筆者使用傳統的多元線性回歸法，構建了楊凌區各旬麥長管蚜的種群發生程度的預測模型，此方法應用簡單，便于理解。然而實際上，蚜蟲種群發生與當旬氣象因素之間可能并不是簡單的線性關系，多個氣象因素之間可能還會存在共線性問題。本模型也忽略掉了許多關鍵的非線性的因果關系，如連日風雨。因此，以2010-2016年年數據進行驗證時，準確率相對不高。但如果以1980-1987年、2004-2008年以及2010-2016年共20年的數據進行預測值和實際觀察值比較時，4月下旬準確率為下降為90%，但5月上旬準確率上升為75%，5月中旬上升為85%，蚜蟲危害關鍵期(4月下旬，5月上旬和中旬)總體準確率達到了90%。重要的是所有預測值與實際觀察值間的差值均沒有超過1，這對一個模型來講已經是相當不錯的成績。

麥長管蚜主要在穗部為害，筆者的預測預報模型5月上旬預測結果和實際發生情況差距最大，除了連日風雨影響之外，可能還有以下幾個原因：①缺少對施肥、灌溉、土壤類型等非生物因素，以及小麥品種抗性、天敵等非生物因素的考慮；②數據采集時間并不特別統一準確，調查樣本量太小；③周圍農田5月上旬田間防治蚜蟲時的農藥漂移等。特別是農藥漂移，很可能是造成預測值與實際觀察值不符的最主要原因(觀察值均低于預測值)。預測預報需要長期的數據觀察和記錄，穩定不受干擾的數據觀察場所，準確而且標準的數據記錄方法應該是預測預報關鍵。