水稻生育期對稻水象甲成蟲種群空間格局影響及抽樣技術

楊春林， 李洪浩 ， 牟成君， 王 銳， 席亞東

1四川省樂山市植保植檢站，四川 樂山 614000； 2四川省農(nóng)業(yè)科學院植物保護研究所，四川 成都 610066； 3四川省樂山市種子管理站，四川 樂山 614000； 4四川省樂山市農(nóng)技推廣站，四川 樂山 614000

稻水象甲LissorhoptrusoryzophilusKusehel是中國進境植物檢疫性有害生物和全國農(nóng)業(yè)植物檢疫性有害生物(中華人民共和國農(nóng)業(yè)部，2009)，該蟲適生范圍廣、擴散能力強、擴散速度快(丁新華等，2017)，成蟲取食上表皮及葉肉組織，在葉片上形成灰白色條斑，幼蟲則鉆蛀根內(nèi)取食，或直接咬斷稻根，造成水稻植株長勢變緩、生育期延長(王小武等，2018)，甚至造成水稻坐兜或形成浮秧(何永福等，2013)，一般可導致水稻減產(chǎn)20%～30%，嚴重時可達50%以上，甚至絕收(蔡明等，2000)。稻水象甲起源于北美洲中南部密西西比河流域，1976年進入日本后擴散到朝鮮半島(邱良妙等，2007)。自1988年首次在河北省唐山市發(fā)現(xiàn)以來，稻水象甲在我國沿渤海灣迅速擴散蔓延，目前已涉及23個省(區(qū)、市)463個縣(市、區(qū))(丁新華等，2019)，在部分地區(qū)已成為水稻的主要害蟲之一。四川省2011年首次在內(nèi)江地區(qū)發(fā)現(xiàn)稻水象甲入侵(何春蘭和何軍，2013)，隨后該蟲迅速在全省擴散，截至2018年底，四川省共有16個市州54個縣(市、區(qū))發(fā)生，發(fā)生面積近66.7萬hm2(四川省農(nóng)業(yè)農(nóng)村廳，2018)。稻水象甲蔓延速度快、危害損失重、對環(huán)境的適應能力強，防治難度很大，若得不到有效控制將嚴重威脅本地區(qū)水稻生產(chǎn)。

生物種群空間是指生物種群的棲居場所，即生境，種群空間格局則是該生物種群在其生境空間的分布結構，是顯示物種種性的生態(tài)學性質之一(沈佐銳和管致和，1986)，常常影響種群的內(nèi)部結構和個體行為(蔡小明，1991)?？茖W開展抽樣調查，準確獲取農(nóng)業(yè)昆蟲的種群密度是實施有害生物綜合治理方案的先決條件，而抽樣方法的理論基礎之一是種群的空間格局。因此，研究稻水象甲種群的空間格局對制定科學的調查取樣方案、綜合防治策略具有重要意義(于新文和劉曉云，2001)。目前，國內(nèi)已有貴州(峗薇等，2013)、新疆(王小武等，2017)、廣西(張燕杏等，2016)等省份(自治區(qū))報道了稻水象甲種群空間分布規(guī)律及抽樣技術的研究，四川省未見相關報道。由于農(nóng)業(yè)昆蟲種群的空間格局受地理環(huán)境、耕作習慣和栽培方式、寄主植物種類及發(fā)育階段等外部因素影響(峗薇等，2013)，現(xiàn)有研究結果的應用具有一定局限性。稻水象甲防治經(jīng)驗表明，稻水象甲成蟲的有效防控是控制疫情蔓延和減輕危害的關鍵(周社文等，2006)。本試驗于2019年對四川西南淺丘稻區(qū)稻水象甲成蟲種群空間格局進行了研究，探討了水稻2個重要時期，即分蘗期和抽穗期對稻水象甲成蟲種群空間聚集特性的影響，提出了操作簡便、快捷的大田抽樣技術，并運用模擬抽樣的方法比較不同抽樣方法的適合性與代表性，以期為獲取準確的蟲情調查資料，制定綜合防控措施提供理論依據(jù)。

1 材料與方法

1.1 試驗區(qū)概況

試驗田位于四川省樂山市井研縣天云鄉(xiāng)瓦子坳村(E103°55′3″，N29°51′29″)。井研縣位于四川盆地西南，縣城北距成都市142 km，西至樂山市37 km，東南至自貢市118 km，與仁壽、青神、榮縣、犍為、五通橋、市中區(qū)等地接壤。井研縣地勢低矮，海拔高程在380～450 m；丘陵廣布，溪溝縱橫。井研屬四川盆地中亞熱帶濕潤氣候區(qū)，氣候溫暖濕潤，年平均氣溫17.2 ℃，年平均日照總數(shù)1134.6 h，年平均降雨量1025.8 mm。

1.2 試驗設計與調查方法

在常年發(fā)生稻水象甲疫情的區(qū)域選取12塊相鄰的稻田，隨機分成2組，每組6塊田，第1組3月22日播種水稻，5月1日移栽；第2組5月10日播種，6月10日移栽，均采用水育秧方式。2019年6月25日稻水象甲1代成蟲羽化盛期，調查所有田塊稻水象甲成蟲，采用平行取樣法，將每塊田均分為100等份，即10行10列，于行列交匯處取1叢水稻，共100叢，調查水稻葉片上及根基處所有稻水象甲成蟲并計數(shù)。試驗區(qū)水稻主栽品種為宜香優(yōu)2115、晶兩優(yōu)1377，水稻叢距20 cm，行距30 cm，種植密度0.7～0.8萬株·hm-2。

1.3 空間分布型測定

1.3.1 聚集度指標法 統(tǒng)計調查數(shù)據(jù)，計算不同田塊稻水象甲成蟲平均密度值m(頭·叢-1)和方差S2，依據(jù)6個指標進行判斷：(1)Beall擴散系數(shù)：C=S2/m；(2)David和Moore的叢生指標：I=S2/-1；(3)平均擁擠度：m*=m+S2/m-1；(4)Lloyd聚塊性指數(shù)：m*/m=(m+S2/m-1)/m；(5)Cassie的聚集度指數(shù)：CA=(S2-m)/m2；(6)Waters負二項分布K值：K=m2/(S2-m)。各個聚集度指標的計算及判斷標準參考閻雄飛等(2019)。

1.3.3 回歸模型法 Taylor冪法則(Tayloretal.，1961)：Taylor提出的樣本平均數(shù)(m)與方差(S2)對數(shù)值之間的回歸關系公式lgS2=a+blgm。其中a是一個與樣本大小和計算方法有關的因子，受環(huán)境異質性的影響；b為聚集特征指數(shù)，其指示聚集度與種群密度依賴性的關系。當a=0，b=1，說明種群為隨機分布；當a>0，b=1，說明種群為聚集分布；當a<0，b<1時，種群密度越高分布的越均勻；當a>0，b>1，說明種群在一切密度下均是聚集分布，且聚集性具有密度依賴性，即m越大種群聚集度越高。

Iwao的m*-m回歸分析法(Iwaoetal.，1968)：m*-m的回歸方程為m*=α+βm，其中常數(shù)α和β揭示種群的分布特征，α為分布的基本成分按大小分布的平均擁擠度，β為基本成分的空間分布圖示。當α=0時，分布的基本成分為單個個體；α>0，分布的基本成分是個體間相互吸引的個體群；α<0，個體間相互排斥。當β<1時，為均勻分布；β=1，為隨機分布；β>1，為聚集分布。

1.4 聚集原因分析

根據(jù)Blackith (1958)提出的種群聚集均數(shù)(λ)法分析稻水象甲成蟲的聚集原因，聚集均數(shù)公式為λ=mγ/2k，γ為自由度等于2k的2(卡方)分布函數(shù)，即γ等于“2值表”中自由度等于2k與概率(p=0.05)對應的值，由于2k常為小數(shù)，因此值可用比例內(nèi)插法求得。當λ<2 時，昆蟲聚集原因只可能是某些環(huán)境因素所致；當λ≥2時，昆蟲聚集原因是昆蟲本身的聚集習性或與環(huán)境因素綜合作用所致。

1.5 抽樣技術

1.6 抽樣方法比較

選取一形狀方正的稻田，對稻水象甲成蟲進行全田普查(逐行逐叢進行調查)，將調查數(shù)據(jù)填入Excel表格，制成田間實際分布圖。分別用五點抽樣法、棋盤式抽樣法、雙對角線抽樣法、Z形抽樣法、平行線抽樣法在空白Excel表上進行模擬抽樣，每種方法調查30叢水稻，以田間實際分布情況作為參照進行單樣本T檢驗，確定最佳抽樣方法。

1.7 數(shù)據(jù)處理

運用SPSS Statistics 25軟件進行方差分析、頻率統(tǒng)計和單樣本T檢驗，采用Duncan氏新復極差法檢測差異顯著性；用Excel 2003進行簡單運算并繪圖。

2 結果與分析

2.1 空間格局判定

2.1.1 聚集度指標測定 在第1代稻水象甲成蟲羽化盛期調查時，第1組水稻正處于抽穗期，第2組水稻處于分蘗期。調查結果顯示，所有調查田塊(12個田塊)稻水象甲成蟲平均密度為0.48～5.83頭·叢-1，分蘗期水稻田蟲口平均密度顯著高于抽穗期。由表1可看出，所有田塊的平均擁擠度m*均大于m，聚塊性指數(shù)m*/m、擴散系數(shù)C均大于1；David和Moore的I指標、Cassie指標CA均大于0；負二項分布K值大于0小于8。上述各指標表明所調查田塊稻水象甲成蟲種群均呈聚集分布。且處于水稻分蘗期田塊的平均擁擠度m*、擴散系數(shù)C、David和Moore的I指標和負二項分布K值明顯大于水稻抽穗期田塊，而聚塊性指數(shù)m*/m和Cassie指標CA值則相反，表明同一時間，處于不同生育階段稻田中稻水象甲成蟲的田間聚集行為具有差異性。

表1 稻水象甲成蟲的聚集度指標Table 1 Aggregation index of L. oryzophilus adult

2.1.2 Taylor冪法則 根據(jù)表2數(shù)據(jù)，將方差S2和平均密度m作對數(shù)轉換，得水稻分蘗實驗組稻水象甲成蟲的S2-m回歸方程為lgS2=0.2766+1.4336lgm(R=0.9535**)，抽穗實驗組為lgS2=0.3681+1.11lgm(R=0.9728**)。方程的截距a均大于0，斜率值b均大于1，說明在2種水稻生育期條件下，稻水象甲成蟲種群均呈具密度依賴性的聚集分布，即m越大種群聚集度越高。分蘗期稻田的斜率(b=1.4669)大于抽穗期稻田(b=1.3121)，說明種群密度越高，聚集度對密度m的變化越敏感。將2組稻田作為一個樣本總體進行回歸分析，得回歸方程：lgS2=0.3747+1.2571m(R= 0.9795**)，說明水稻生育期的差異可能會影響成蟲的種群密度，但不會影響其空間格局。

2.1.3 Iwao的m*-m回歸分析 分蘗期稻田稻水象甲成蟲的m*-m線性回歸方程為m*=0.5706+1.4669m(R=0.9568**)；抽穗期稻田為m*=1.0224+1.3121m(R=0.8203*)；樣本總體回歸方程為m*=0.8925+1.3936m(R=0.9770**)。其中截距α均大于0，可認為水稻不同生育期條件下稻水象甲成蟲在田間分布的基本成分為個體群，個體間相互吸引；斜率值β均大于1，表明稻水象甲成蟲總體呈聚集分布。因為分蘗期稻田蟲口密度較高，加之分蘗期稻田的斜率(β=1.4669)大于抽穗期稻田(β=1.3121)，說明由于個體間的相互吸引效應，分蘗期稻田的稻水象甲成蟲種群聚集度高于抽穗期稻田，結果與Taylor冪法則判定相一致。

表2 稻水象甲成蟲的負二項分布擬合優(yōu)度檢驗Table 2 Goodness of fit test of negative binomial distribution of L. oryzophilus adults

2.2 聚集原因分析

按照Blackith提出的種群聚集均數(shù)(λ)法，根據(jù)表2中的負二項分布K值和樣本平均密度m，采用比例內(nèi)插法算出自由度2k時的估計值，最后求得聚集均數(shù)λ值。將表中的平均密度m與聚集均數(shù)λ作線性回歸分析，得λ=-0.2199+0.8603m(R=0.9952**)，表明聚集均數(shù)與種群密度呈顯著正相關(圖1)。將λ=2代入方程式，得m=2.58，即當?shù)舅蠹壮上x種群密度m<2.58時，其聚集是由環(huán)境作用所引起；當?shù)舅蠹壮上x種群密度m≥2.58時，其聚集為其自身的聚集習性或與環(huán)境因素綜合作用所致。

圖1 聚集均數(shù)與平均密度的線性回歸關系Fig.1 Linear regression relationship between aggregate mean and average density

2.3 抽樣技術

通過Southwood的Kc法、Iwao回歸法及Taylor冪法理論抽樣模型分別求得稻水象甲成蟲在不同種群密度和精度要求下的理論抽樣數(shù)n(表3)。結果表明，不同理論抽樣模型得出的理論抽樣數(shù)差異明顯，其中Iwao回歸法的理論抽樣數(shù)最高，Taylor冪法的理論抽樣數(shù)最低，且3種方法的理論抽樣數(shù)均隨種群密度(m)和估計精度(D)值的增高而逐漸減小。在實際應用中，D值可根據(jù)實際情況進行調整，當種群密度較低時抽樣數(shù)較大，可將D值取大些(如0.3)，當種群密度較高時，應將D值取小些(如0.1)以提高抽樣精度。

表3 稻水象甲成蟲種群理論抽樣表Table 3 Theoretical samplingTable of adult population of L. oryzophilus

表4 稻水象甲成蟲種群理論抽樣表Table 4 Sequential sampling sequence of L. oryzophilus adults

圖2 稻水象甲成蟲復序貫抽樣圖Fig.2 Complex sequential of L. oryzophilus adults

2.3.3 抽樣方法比較 分別對5種常用抽樣方法進行模擬抽樣比較，并分別將其與田間實際密度作單樣本T檢驗(檢驗值0.62)，具體檢驗參數(shù)見表5。各種抽樣方法與檢驗值的均值差從小到大依次為雙對角線法(-0.0867)、平行線法(0.1476)、五點法(0.1800)、Z形法(0.2800)、棋盤式法(0.6467)，說明雙對角線法抽樣結果與實際值之間差異最小，棋盤式法抽樣差異最大。所有調查方法的sig值(雙側)均大于0.05，表明幾種抽樣方法的結果與田間實際分布差異均不顯著，均適用于稻水象甲成蟲的田間抽樣；其中，雙對角線線抽樣法的適合性最好，平行線抽樣法次之，棋盤式抽樣法最差。綜上可知，雙對角線抽樣法是稻水象甲成蟲田間抽樣的最佳方法。由于水稻植株較密，人工抽樣調查時會觸碰植株和葉片造成稻水象甲成蟲掉落或遷飛，從而影響調查結果，試驗采用模擬抽樣的方法，避免在同一塊田反復調查造成人為誤差。

表5 稻水象甲成蟲田間抽樣方法比較Table 5 Comparison of field sampling methods for L. oryzophilus adults

3 討論

研究生物種群空間格局常用的方法主要有聚集度指標判定法、回歸模型分析法(Iwao回歸法、Taylor冪法)、概率分布模型法(頻數(shù)分布擬合2檢驗法)等(王文琪等，2010)。目前，針對稻水象甲種群空間分布的研究主要集中在前2種方法，未見采用概率分布模型法的相關報道。本研究采用聚集度指標法和回歸模型法分析水稻生育期對稻水象甲成蟲的空間聚集特性的影響，并運用頻次卡方檢驗法進行稻水象甲成蟲種群負二項分布擬合優(yōu)度檢驗，結果表明，稻水象甲成蟲在不同水稻生育期稻田間呈負二項聚集分布，基本成分為個體群，個體間相互吸引，聚集強度隨種群密度的升高而增加，且種群密度越高，聚集強度對種群密度的變化越敏感。與曲輝等(1998)在遼寧的研究相同，與峗薇等(2013)報道的貴州高原山地稻水象甲幼蟲空間分布型基本一致，均為聚集分布。通過種群聚集均數(shù)法分析稻水象甲成蟲聚集原因，結果表明，當?shù)舅蠹壮上x種群密度較低(m<2.58)時，其聚集由環(huán)境作用引起；當?shù)舅蠹壮上x種群密度較高時(m≥2.58)，其聚集為其自身的聚集習性或與環(huán)境因素綜合作用所致。

昆蟲生態(tài)學研究中常見的分布型主要是二項分布(均勻分布)、Poisson分布(隨機分布)、負二項分布(聚集分布)，且在一定條件下不同分布型之間可能會相互轉化(周國法和徐汝梅，1998)。研究昆蟲分布規(guī)律時，要準確判斷其空間格局是否符合負二項分布，可利用估算的聚集性分布參數(shù)公共K值擬合理論頻數(shù)，并結合實際頻數(shù)作卡方檢驗進行驗證。實際應用中估算K值方法較多，不同估計方法有時會對擬合效果造成是或否這種極端判斷上的直接影響(張連翔等，1996)。在一些報道中，部分學者僅憑單一方法估算的K值大小即判定是否符合負二項分布(峗薇等，2013)，其結論缺乏支撐，準確性值得商榷。本文采用常用的4種方法估算K值，結果表明，采用矩法證實稻水象甲成蟲不是負二項分布(P<0.01)，頻數(shù)法、零頻率法和最大似然法則證實稻水象甲成蟲符合負二項分布(P>0.05)。在幾種估算K值的方法中，矩法計算相對簡單，但效率不高，最大似然法雖計算略繁瑣，但結果最精確(王海銀等，2009)，因此在實際操作中當其他幾種方法均不能作出準確判斷時，則應采用最大似然法進行最后驗證。

本試驗通過調整水稻播栽時間的方法錯開2組試驗田水稻生育期，因推遲移栽的稻田在稻水象甲產(chǎn)卵和幼蟲發(fā)育階段無水生植物作為寄主，其蟲源為第1代成蟲羽化后遷入。將不同生育期稻田中的稻水象甲成蟲種群分布型構成的連續(xù)的動態(tài)系統(tǒng)作為研究對象，最大限度地消除了越冬成蟲遷移、產(chǎn)卵習慣和幼蟲聚集行為的影響，利于研究第1代成蟲自身的種群空間分布規(guī)律。由于稻水象甲成蟲取食具有一定的趨嫩性，分蘗期的水稻生長代謝旺盛，抽穗期的水稻葉片硬化程度較高，導致分蘗期稻田中稻水象甲成蟲平均密度顯著高于抽穗期。研究發(fā)現(xiàn)，昆蟲具有“分布的不確定性”，即1組資料可能同時符合幾種分布模型，也可能不符合任何分布模型(張連翔等，1996)。本研究發(fā)現(xiàn)，當調查的所有田塊稻水象甲成蟲作為一個總體，即將12塊稻田的所有調查數(shù)據(jù)作為一組資料時，符合負二項分布模型，當分別將抽穗期和分蘗期田塊作為總體時，則均不符合負二項分布，其原因可能是在對應種群密度條件下樣本量太小或分布的自由度達不到2檢驗方法的要求。這一現(xiàn)象說明，雖然稻水象甲成蟲種群的聚集度具有密度依賴性，但是種群密度或水稻生育期的差異不影響其負二項分布概率模型的擬合和描述。

昆蟲從種群的建立到繁殖壯大，是一個種群密度不斷增高的動態(tài)過程，新入侵昆蟲種群的空間格局可能隨繁殖和時間推移而變化，種群所有可能的分布類型在這個動態(tài)過程中組成了一端均勻分布，另一端高度聚集的連續(xù)系統(tǒng)(沈佐銳，1992)。稻水象甲自2011年入侵四川稻區(qū)，已經(jīng)進行了近10年的繁殖、適應和進化，可認為該地區(qū)稻水象甲種群空間格局已經(jīng)成型并達到穩(wěn)定階段。因此，根據(jù)本研究得出的稻水象甲成蟲空間分布相關模型參數(shù)確立的稻水象甲成蟲的抽樣技術，對當前稻水象甲的防治和疫情監(jiān)測具有指導意義。由于稻水象甲是遷飛性害蟲，越冬代成蟲在遷入稻田初期的分布規(guī)律易受邊際效應影響，本研究結果在實際應用中有一定的局限性。另外，本次調查樣本所在區(qū)域為典型的四川西南地區(qū)淺丘地貌，成都平原和川西高原地區(qū)的特殊地理環(huán)境和當?shù)剞r(nóng)事操作習慣對稻水象甲種群空間格局的影響有待進一步研究。