吉林永吉縣水稻稻瘟病發生的氣象因子及預測模型

鄭瀟菲，曲鳳玲

（1.吉林省吉林市永吉縣農業技術推廣總站，吉林 永吉 132100；2.吉林省吉林市永吉縣北大湖鎮農業技術推廣站，吉林 永吉 132100）

一、永吉縣2007～2016 年稻瘟病發生情況

2007～2016 年永吉縣水稻稻瘟病發生面積（包括葉瘟和穗頸瘟）分別占水稻種植面積的18.5%、14.3%、10.1%、23.4%、21.2%、9.6%、16.8%、21.2%、8.9%、20.1%。其中2010 發病率最高，發病面積達5697.9 hm2，為近10年來發病最嚴重的1次。2015 年發病率最低，發病面積百分比僅為8.9%。

二、稻瘟病的發生與氣象因子的關系

永吉縣是吉林省水稻主要生產區，種植的水稻為一季稻。稻瘟病的發生流行和7、8 月的氣候因素有緊密關系。此時溫度均超過20℃，濕度是稻瘟病發生和流行的主要因素。一旦7、8 月降雨量大、雨日多、露水多，稻株表層水膜保持超過6 h，日照不足易引發稻瘟病流行。適宜的環境條件有利于分生孢子的產生和侵染，同時光照少、光合作用減弱，會使稻株的碳氮比下降，發病加重。水稻抽穗期間穗頸瘟的發生流行主要受雨日天數和雨量的制約[1]。

1、稻瘟病與降雨量的關系

從統計資料可知，永吉縣稻瘟病發病相對較重的年份是2010、2011、2014、2016、2007 年。2010 年7 月全縣降雨量約為385.3 mm，為近10 年來稻瘟病發生最重的1 年。由此可見，2007～2016 年降雨量是影響水稻稻瘟病發生和流行的重要因素之一，降雨量增加直接導致稻瘟病發病面積擴大、發病率上升，兩者呈正相關關系。

2、稻瘟病與雨日天數的關系

2007～2016 年，全縣7～8 月的雨日天數不同，但年份之間變化不大。其中，2014 和2016 年雨日數最少，但發病率相對較高，由此可知，降雨天數并非直接影響水稻稻瘟病發生流行的主要因素，而是對發病面積大小趨勢有一定影響。

3、稻瘟病與溫度的關系

2007～2016 年7、8 月平均氣溫都在20℃以上，滿足稻瘟病發病的溫度要求。2014、2016 年7 月上旬平均溫度較高，2014、2016、2017 年8 月平均溫度較高，稻瘟病發病率高，表明溫度和稻瘟病的發生蔓延存在某種必然聯系。2010、2011 稻瘟病發病率相對較高，但溫度特征不明顯；2012、2008 年7、8月平均溫度較高，但發病率不高。由此可知，溫度影響稻瘟病發生流行的同時，也受到降雨量的影響。

4、稻瘟病與濕度的關系

2015 年7 月，永吉縣的相對濕度最低僅71%，稻瘟病發病率最低。由此可知，相對濕度較低，稻瘟病病菌侵染和擴散能力較弱，濕度通過影響病菌繁殖對稻瘟病發生流行起作用。

三、逐步回歸分析模型的應用

1、基礎數據

以永吉縣農業技術推廣總站提供的2007～2016 年永吉縣水稻稻瘟病的發病面積、播種面積和永吉縣氣象局提供的同期7～8月的氣象資料為研究基礎，把水稻稻瘟病的發病面積和播種面積之比用y表示，即為當年稻瘟病的發病率，也就是預測模型的預測變量[2]。每年7 月和8 月的上旬平均氣溫、中旬平均氣溫、下旬平均氣溫、月均氣溫、月均降雨量、降雨天數和平均相對濕度共14 個氣象因子，分別記作x1，x2，x3，……，x14。運用逐步回歸分析法，從影響永吉縣水稻稻瘟病發病的14 個氣象因子中篩選出具有顯著性的3 個預測因子，即x1（7 月上旬平均氣溫）、x8（8 月平均氣溫）、x9（7 月降水量）。表1 列出了相關原始數據，其中前8 年資料氣象用于建立逐步回歸預測模型，后3 年資料用于模型可靠性驗證。

表1 水稻稻瘟病流行預測預報數據資料

2、建立稻瘟病流行預測模型

采用SPSS 軟件，應用逐步回歸分析法將預測因子依次引入，經過篩選最終確立了以下稻瘟病回歸預測模型：

y=1.373x1+5.059x8+0.054x9-134.762

該模型參數值為：F檢驗值89.496 ＞F0.05，回歸方程非常顯著，可以用于預測。

由回歸預測式可以看出，x1（7 月上旬平均氣溫）、x8（8月平均氣溫）、x9（7 月降水量）與永吉縣水稻稻瘟病的發病率（y）顯著正相關。

3、預測效果檢驗

將表1 中2007～2014 年的氣象數據依次帶入回歸預測方程中，通過逐步回歸分析進行數理分析計算，并通過歷史擬合度比較法對預測模型的準確性進行檢驗，結果如表2 所示。

表2 逐步回歸方程回驗結果

由表2 結果顯示，從2007～2014 年，2010 年的預測值與實測值的符合率最高是99.8%；2008 年為95.9%最低。8 年的年平均符合率在97.5%以上，模型預測值與實際發生值的符合率較高，說明應用逐步回歸分析所建立的模型能較正確地反映永吉縣水稻稻瘟病發病率的動態變化。

4、預測應用

2015～2017 年的氣象資料沒有參與預測式建立的計算，現將表1 中的2015～2017 年數據當作新的預測因子帶入方程開始預測，結果詳見表3。

表3 逐步回歸方程預測結果

由表3 可知，2015 年預測符合率87.2%，2016 年預測符合率91.2%，2017 年預測符合率89.3%，平均符合率超過89.2%，符合率較高。因此，可以判定該預測模型可靠性較高，可以應用于稻瘟病的預測。

運用數理統計方法對影響永吉縣水稻稻瘟病發病的14 個氣象因進行了逐步回歸分析，帶入回歸方程得出永吉縣水稻稻瘟病預測模型。經檢驗，歷史預測擬合度達到97.5%；2015～2017年預測結果符合率也很高，平均為89.2%。

四、結語

逐步回歸分析是數理統計方法之一，存在一定局限性。水稻稻瘟病發生流行的影響因素有很多，如栽培技術、氣候條件、品種抗性、施肥水平、生理小種種群變動等，該方法雖然可以篩選出優勢因子，但卻忽視了各因子之間的內在聯系，所以在稻瘟病的預測上，應該更多的綜合多種預測方法，全面分析，進一步提高預測預報的準確性[3]。