利用氣象因子構建東港市地區水稻二化螟發生等級的預測模型

楊 眉 ，褚 晉 ，于鳳泉 ，李志強 ，劉欣宇，孫富余*

（1 遼寧省農業科學院植物保護研究所，沈陽 110161；2 中國農業大學有機循環研究院（蘇州），江蘇 蘇州 215100）

二化螟Chilosuppressalis 是稻作區常見的害蟲，發生嚴重時可對水稻造成30%以上的減產[1，2]。二化螟是一種鉆蛀性害蟲，當幼蟲蛀入水稻莖稈內部時，各種防治措施均難以生效。通常在卵孵化的高峰時期進行防治可獲得顯著的效果，而科學可行的預測預報模型能夠為二化螟的有效防治提供更加精準的田間施藥量以及施藥時間。關于害蟲發生預測模型的構建，當前的研究報道多采用越冬蟲口基數、燈下誘蛾量、性信息素誘蛾量以及氣象因子進行建模。陳德蘭采用燈誘法連續5 年對馬尾松毛蟲的越冬代、第1 代成蟲數進行統計分析，應用BP 神經網絡建立預測模型，對下一代幼蟲平均蟲口密度進行了有效的預測[3]；楊湘等利用連續16 年的郴州地區煙田斜紋夜蛾的蟲情資料，結合歷年氣象因子構建了該害蟲的年發生動態預測模型，并對其進行了長期的預測預報[4]。劉祖建等利用廣東省化州市6 年的稻飛虱發生等級與各項氣象數據進行通徑分析，得出溫度是影響2 代稻飛虱的主要氣象因子，降水量和日照時長間接影響稻飛虱發生程度，并以此為基礎進行建模[5]。

水稻二化螟越冬蟲口基數與冬后成蟲發生量的關系最為密切[6]，但該方法的工作量相對較大，實際操作較為困難。而水稻二化螟作為一種非遷飛性的害蟲，發生情況受地區氣象條件影響明顯，利用氣象因子對其發生動態進行預測是一種較為實用的方式。當前關于利用氣象因子構建水稻二化螟發生預測模型的研究極少，僅羅偉等報道了利用氣象因子對湖北省自貢市地區的水稻二化螟發生動態進行了預測模型的構建[7]。由于不同地區的氣象條件區別較大，該預測模型是否適用于其他地區尚且有待考證。同時，在以往預測模型的報道中，很多研究直接采用氣象原始數據來預測害蟲的發生量[8]，這種方法常因各氣象因子的不同量綱而對預測模型的構建及實際預測效果產生影響。在氣象因子的選擇方面，也有很多學者選取了全年的氣象數據對相關害蟲的發生動態進行預測[9-11]，而國內南北方水稻熟制不同，二化螟的發生代數也不同，相應的成蟲的發生期也不一致。為此，本研究選取遼寧省東港市地區為研究區域，以當地二化螟越冬代幼蟲解除休眠時期至二代二化螟成蟲發生期結束期間的氣象資料作為研究對象，利用逐步回歸分析法篩選出氣象等級預測因子，建立該地區水稻二化螟預測模型，并探討該預測模型的實用性和可行性。

1 材料與方法

1.1 試驗材料

二化螟成蟲發生動態數據（2012～2021 年）來源自遼寧省農業科學院植物保護研究所；氣象數據（2012～2021 年）由遼寧省氣象中心提供；二化螟測報專用誘芯購自寧波紐康生物技術有限公司。

1.2 調查地點概況

二化螟成蟲發生動態調查地點位于遼寧省丹東市東港市水稻蟲害測報專用基地，該地地處鴨綠江流域，屬北溫帶濕潤地區大陸性季風氣候，年平均氣溫8.4 ℃，無霜期182 d，年降水量888 mm，年日照時數2 484 h。

1.3 歷年成蟲發生量調查

成蟲發生量調查于該地歷年二化螟成蟲發生期（5 月下旬至8 月末）開展，在測報專用基地內設置誘捕器，內置昆蟲性信息素誘芯，設置15 個/hm2誘捕器，誘捕器距離地面高度1.2 m，每30 d更換1 次誘芯。隔日調查誘捕二化螟成蟲數量并記錄。

1.4 研究方法

1.4.1 水稻二化螟發生等級劃分 根據東港地區歷年的水稻二化螟誘蛾量，對其發生情況進行等級的劃分，分別為：0＜1 級≤500；500＜2 級≤700：700＜3 級≤900；900＜4 級≤1100：1100＜5級。將其記為因變量Y。

1.4.2 氣象因子等級劃分 為消除東港地區各個氣象因子不同量綱的影響，選取歷年3 月份至8月份各個氣象因子歷史同期的最值，由小到大等差劃分為5 個等級，并將其記為自變量，具體設置為：X1～X6分別代表3 月份至8 月份的平均氣溫等級；X7～X12分別代表3 月份至8 月份的平均濕度等級；X13～X18分別代表3 月份至8 月份的降水量等級；X19～X24分別代表3 月份至8 月份的日照時數等級。由于數據量較為龐大，文中僅列出部分相關數據，詳見表1。

1.4.3 利用氣象因子等級預測水稻二化螟發生等級 本試驗利用DPS 18.1 軟件對數據進行處理，將自變量X 與因變量Y 數據導入DPS 18.1 軟件中，進行逐步回歸分析，篩選出主要的氣象因子，并得出相應的回歸方程，即為相應的預測模型。利用該預測模型對相關數據進行回測以及檢驗。

2 結果與分析

2.1 水稻二化螟成蟲在稻田中的發生動態

由圖1 可知，水稻二化螟成蟲歷年在田間的暴發時期主要集中在6 月中上旬（6 月1 日～6 月20 日）和8 月中上旬（7 月31 日～8 月19 日）。其中，2015 年、2017 年及2018 年的水稻二化螟成蟲在6 月1 日～6 月10 日時間段內達到了10 d 累計發生量的最高值，其余年份則在6 月10 日～6月20 日達到峰值。按照6 月份最高10 d 累計發生量的大小進行排序，則各年份依次為2015 年＞2018 年＞2016 年＞2019 年＞2017 年＞2014年＞2013 年＞2012 年。2015 年、2016 年、2017 年及2018 年的水稻二化螟成蟲于7 月31 日～8 月9 日區間內達到了10 d 累計發生量的最高值，其余年份則在8 月10 日～8 月19 日達到了峰值。按照8 月份最高10 d 累計發生量的大小進行排序，各年份依次為2015 年＞2017 年＞2018 年＞2016年＞2014 年＞2013 年＞2012 年＞2019 年。

圖1 水稻二化螟田間發生動態

2.2 水稻二化螟發生等級預測模型的建立及檢驗

利用DPS 18.1 軟件對水稻二化螟發生等級與氣象因子進行逐步回歸分析，篩選出6 項主要的氣象因子（表2）。可知，自變量X2、X6、X10、X12、X16及X18的顯著性水平均小于0.05，即水稻二化螟發生等級Y 與X2、X6、X10、X12、X16及X18均呈現顯著相關，說明上述自變量對因變量具有真實的回歸關系，得出預測模型：Y=5.1287+0.1468X2-0.6558X6+0.9123X10+0.4521X12-0.9530X16-0.8540X18（F=419.54，P=0.0203）。利用該預測模型對2012年至2019 年數據進行回歸擬合，結果如表3 所示，可知該模型的擬合值與實際值基本吻合，說明該模型具有較高的準確性。利用2020 年與2021年的氣象數據及水稻二化螟發生數據對所建立的預測模型進行檢驗，將預測值與實際值進行對比（表3），可知該模型的預測效果良好，2020 年與2021 年的預測誤差均不超過5%，能夠對水稻二化螟的發生等級起到有效的預測。

表2 氣象因子逐步篩選結果

表3 氣象因子預測模型的擬合結果

2.3 水稻二化螟成蟲發生等級與關鍵氣象因子的通徑分析

直接通徑系數為正數說明該項自變量對因變量具有促進作用，反之則具有抑制作用。由表4 可以看出，6 月份平均濕度（X10）和8 月份平均濕度（X12）的直接通徑系數最大，說明6 月和8 月的平均濕度是促進水稻二化螟成蟲發生等級上升的最為關鍵的氣象因子；4 月平均氣溫（X2）的直接通徑系數為正數，但數值較小，僅為0.3088，說明4月平均氣溫對水稻二化螟成蟲的發生等級影響稍小；其余3 項氣象因子中，6 月份降水量（X16）直接通徑系數的絕對值最大，說明6 月份降水量對水稻二化螟成蟲發生等級的影響最大，6 月份降水量越大，則當年水稻二化螟成蟲的發生等級越小；其次為8 月份降水量（X18），直接通徑系數的絕對值為0.7914。8 月份平均溫度（X6）的直接通徑系數相對較小，說明該項氣象因子對水稻二化螟成蟲的發生等級也具有一定的抑制作用。由此可知，6 月份降水量（X16）及8 月份降水量（X18）是影響水稻二化螟成蟲發生等級的最為關鍵的氣象因子。

表4 水稻二化螟發生等級與關鍵氣象因子的通徑分析

3 討論

精準的預測預報是科學防治農業害蟲的有效輔助手段。通過預測預報能夠掌握害蟲的基本發生動態，有助于在農業生產過程中確定鉆蛀性害蟲最佳的施藥時間以及施藥量，對于防治效率以及防治成本均實用。構建科學可信的預測模型需要連續多年的蟲情資料及氣象數據，李曉軍等建立山東泰安市地區梨小食心蟲的預測模型采用了連續5 年的氣象數據[12]，呂國強等構建河南省河泛蝗區東亞飛蝗發生與氣象因子的預測模型收集了連續20 年的調查數據[13]，均構建出準確率高、可回驗的預測模型。本研究采用了2012 年至2019 年共計8 年的氣象數據與蟲情資料作為遼寧省東港市地區水稻二化螟發生動態預測模型的構建要素，并以2020 年及2021 年的相關數據作為預測模型準確性的驗證對象，結果顯示本研究所構建的預測模型對歷史值的擬合程度和預測精準度均表現極佳，連續多年的相關數據保證了預測模型的科學性和準確性。在氣象數據選擇方面，本研究并未采取全年的氣象數據作為研究對象，而是選取了每年的3 月份至8 月份的各項氣象因子作為研究對象。其原因在于該階段為歷年水稻二化螟成蟲的發生期時段，本研究調查的二化螟發生量數據僅為成蟲數據，若利用全年氣象數據進行預測模型的構建往往會受到極端氣候的影響而使得模型的準確性降低。并且，在遼寧省地區3月份至8 月份氣象條件較為穩定，利用該時段氣象數據構建預測模型能夠更好地保證關鍵氣象因子的篩選，具備更可信的預測性。

本研究通過逐步回歸分析法構建了遼寧省東港市地區水稻二化螟的發生等級預測模型，篩選出6 項影響該地區水稻二化螟發生的關鍵氣象因子，分別為6 月份降水量，8 月份降水量，6 月份平均濕度，8 月份平均濕度，4 月份平均溫度以及8月份平均溫度。通過通徑分析，可知6 月份降水量與8 月份降水量是影響水稻二化螟成蟲發生等級最重要的氣象因子。分析原因或許與害蟲自身生物學特性有關，6 月份與8 月份分別為一代二化螟和二代二化螟蛹羽化、成蟲交配的高峰期。這一時段的平均降水量直接影響成蟲的蟲口數量，若遭遇強降水或連雨天，蛹羽化率會大大降低，成蟲交配成功率也會下降，從而分別導致兩代成蟲發生量有所下降。6 月份與8 月份的平均濕度被篩選為顯著影響因子，推斷與二化螟卵孵化率關系密切，二化螟卵孵化對濕度要求極高，濕度不足，卵孵化率會降低，從而間接導致成蟲蟲口數量下降。4 月份平均溫度猜測與越冬老熟幼蟲的發育有關，春季溫度高可導致害蟲越冬之后早出蟄，發生期提前，二化螟越冬老熟幼蟲，化蛹率有所提高，羽化后成蟲發生量相對增加。8 月份為全年溫度最高時段，且有的年份會出現極端高溫，連續極端高溫天氣，對二化螟蛹羽化、雌雄交配、雌蟲產卵、卵孵化等行為都將產生顯著影響，導致成蟲發生量有所下降。6 月份和8 月份的平均日照時長，對成蟲交配亦有影響，因成蟲交配幾乎全部發生在夜間。未被篩選出顯著影響的氣象因子，并非對二化螟發生量沒有影響，只是作用大小有差異，而且各氣象因子間本身也存在聯系。此外，本研究所獲得的預測模型并非絕對模型，而是動態模型。隨著年份的增加，蟲害發生等級和氣象數據也在不斷的更新，構建該預測模型中涉及的相關數據資料也應進行相應的調整以保證預測模型的科學精準性。

4 結論

本研究利用2012 年至2021 年的氣象數據與蟲情資料，通過逐步回歸分析法構建并檢驗了遼寧省東港市地區水稻二化螟的發生等級預測模型：Y=5.1287+0.1468X2-0.6558X6+0.9123X10+0.4521X12-0.9530X16-0.8540X18（F=419.54，P=0.0203），該預測模型的擬合度與預測精準度均較好，能夠為遼寧省東港市地區科學防治水稻二化螟提供有效的支持。