任向輝 趙慶杰 崔建新 余昊 時(shí)文舉
摘要:對(duì)3塊春芝麻地的嬌駝蹺蝽進(jìn)行2年不同月份密度、終花期空間分布以及寄主植物的株高、穗長(zhǎng)、蒴果數(shù)、葉片均長(zhǎng)等生態(tài)因子的調(diào)查,對(duì)該害蟲(chóng)6月發(fā)生量數(shù)據(jù)進(jìn)行分布型指標(biāo)計(jì)算與序貫抽樣研究,結(jié)合相關(guān)環(huán)境因子數(shù)據(jù)進(jìn)行了對(duì)應(yīng)分析(CA)、R語(yǔ)言隨機(jī)森林(RF)模型分析與發(fā)生因素的加權(quán)列聯(lián)表分析。結(jié)果表明,此蟲(chóng)在春芝麻田為弱聚集分布型, M-M *回歸方程為 M *=4.71+1.52 M ( r =0.92),其密度與月平均氣溫、降水量的二元線性回歸方程為 y (密度)=14.82 x? 1(均溫)+4.31 x? 2(降水量)-227.66( R =0.99)。對(duì)應(yīng)分析與隨機(jī)森林模型分析表明嬌駝蹺蝽在春芝麻植株上的個(gè)體數(shù)與植株株高負(fù)相關(guān)而與葉片長(zhǎng)度呈正相關(guān),借助軟件繪出CA和RF分析的各因子二維效應(yīng)圖。此外加權(quán)列聯(lián)表分析表明株高與葉長(zhǎng)指標(biāo)深度影響此蟲(chóng)發(fā)生水平,結(jié)合泡桐數(shù)據(jù)可看出此蟲(chóng)發(fā)生與環(huán)境關(guān)聯(lián)度高,可借助其芝麻發(fā)生數(shù)據(jù)預(yù)測(cè)喬木發(fā)生密度。此蟲(chóng)食性雜、春季增長(zhǎng)率驚人,特殊生境應(yīng)警惕暴發(fā)性流行。
關(guān)鍵詞:春芝麻;嬌駝蹺蝽;分布型;隨機(jī)森林模型;加權(quán)列聯(lián)表分析
中圖分類號(hào): S433.3;S435.653? 文獻(xiàn)標(biāo)志碼: A
文章編號(hào):1002-1302(2022)07-0118-06
收稿日期:2021-06-27
基金項(xiàng)目:國(guó)家現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)技術(shù)體系建設(shè)專項(xiàng)(編號(hào):CARS-45-SYZ10);國(guó)家自然科學(xué)基金面上項(xiàng)目(編號(hào):31272103);河南省大學(xué)生創(chuàng)新創(chuàng)業(yè)項(xiàng)目(編號(hào):S201810467010);國(guó)家大學(xué)生創(chuàng)新創(chuàng)業(yè)項(xiàng)目(編號(hào):20130515403)。
作者簡(jiǎn)介:任向輝(1967—),男,河南溫縣人,碩士,講師,從事昆蟲(chóng)生理生態(tài)與害蟲(chóng)綜合防治研究。E-mail:renxianghui@sina.com。
嬌駝蹺蝽[ Gampsocoris pulchellus ?(Dallas)]系危害蘭考泡桐( Paulownia elongata ?S. Y. Hu)、木槿( Hibiscus syriacus ?Linn.)、薔薇科(Rosaceae)果木、芝麻( Sesamum indicum ?Linn.)與大豆[ Glycine max ?(Linn.) Merr.]等寄主的全國(guó)廣布性刺吸式害蟲(chóng),其喜在芝麻果穗上聚集,木槿較多的蓉城成都春季它是隨處可見(jiàn)的 “城市害蟲(chóng)”[1]。該蟲(chóng)生活史短、食性雜、春季增長(zhǎng)率高且遷移距離遠(yuǎn),體型細(xì)小、飛行快且天敵較多,種群年際動(dòng)態(tài)規(guī)律復(fù)雜,所以它一般不被關(guān)注,近20年國(guó)內(nèi)外研究文獻(xiàn)幾乎空白,筆者沒(méi)查到它在寄主植物豐富且氣候很適宜其生存的江蘇地區(qū)的近期文獻(xiàn)[2-4]。該蟲(chóng)是多種植病傳播的媒介,試驗(yàn)表明其攜帶泡桐叢枝病類菌體后侵染辣椒( Capsicum annuum ?L.)苗致病時(shí)間達(dá) 31 d[5-7]。為充分利用空閑地和采收保健蔬菜芝麻葉菜,現(xiàn)在小片種植的春芝麻很多,將來(lái)隨著中葉芝1號(hào)等葉用芝麻品種的推廣春芝麻將更常見(jiàn),此害蟲(chóng)的關(guān)注度將會(huì)提高。這些分散分布的春芝麻植株上嬌駝蹺蝽地面聚集點(diǎn)是研究該蟲(chóng)理想的數(shù)量生態(tài)學(xué)調(diào)查點(diǎn),可開(kāi)展增長(zhǎng)型、分布格局、分布因素排序、序貫抽樣以及預(yù)測(cè)建模等方面的研究。筆者針對(duì)這些內(nèi)容在3塊系統(tǒng)田進(jìn)行了2年的相關(guān)數(shù)據(jù)調(diào)查,利用DPS平臺(tái)計(jì)算了嬌駝蹺蝽最適抽樣數(shù)以及該地田間防治指標(biāo),并進(jìn)行了生態(tài)學(xué)對(duì)應(yīng)分析(CA)、R語(yǔ)言隨機(jī)森林(RF)建模分析和加權(quán)列聯(lián)表預(yù)測(cè),結(jié)合泡桐調(diào)查數(shù)據(jù)探討了此蟲(chóng)暴發(fā)性發(fā)生的可能性以及利用芝麻地面調(diào)查數(shù)據(jù)預(yù)測(cè)喬木寄主發(fā)生量的技術(shù)可行性。
1 材料與方法
1.1 調(diào)查場(chǎng)地和試蟲(chóng)數(shù)據(jù)采集
調(diào)查場(chǎng)地選擇河南科技學(xué)院校新東校區(qū)中被小麥( Triticum aestivum ?L.)與玉米( Zea mays ?L.)輪作大田分隔開(kāi)來(lái)的有代表性的3塊不相鄰的春芝麻試驗(yàn)田,3塊地光照和水肥條件比較好,面積為 5 000 m2 左右,栽培的品種為當(dāng)?shù)刈畛R?jiàn)的鄭芝12號(hào)白芝麻。每年這些地塊不套種其他作物,開(kāi)春不打農(nóng)藥。3個(gè)地塊周圍的大田混有苘麻( Abutilon theophrasti ?Medicus)、牛筋草[ Eleusine indica ?(L.) Gaertn.]等雜草,便于嬌駝蹺蝽不同時(shí)間從1 000 m以外喬木寄主遷移過(guò)來(lái)?xiàng)?,此外每年各試?yàn)地塊4月初不進(jìn)行間苗操作且不打頂,所以6月芝麻植株叢較大且各個(gè)芝麻叢高度與成熟程度差異較大,適合做該蟲(chóng)相同生態(tài)背景下針對(duì)寄主植株不同生長(zhǎng)指標(biāo)的系統(tǒng)調(diào)查田[8-10]。
通過(guò)2020年4月初以來(lái)對(duì)新鄉(xiāng)東郊方圓 6 000 m 內(nèi)路邊小塊春芝麻地的調(diào)查,發(fā)現(xiàn)此蟲(chóng)遷移能力強(qiáng)所以各個(gè)地塊密度近似,6月與7月初的發(fā)生高峰百株蟲(chóng)量都是4 000頭左右。將3塊地采用棋盤格取樣法分散取30個(gè)點(diǎn),于2020年4—7月的1個(gè)春芝麻完整生長(zhǎng)期與2021年4—6月的1個(gè)與泡桐正比例同步增長(zhǎng)階段,分別進(jìn)行每月1次100株1點(diǎn)的百株蟲(chóng)量調(diào)查,以推算每株發(fā)生均值。春季調(diào)查時(shí)此蟲(chóng)為外遷而來(lái)的第1代新發(fā)個(gè)體或越冬復(fù)蘇個(gè)體,因此統(tǒng)計(jì)寄主植株上附著的成蟲(chóng)與極少量稚蟲(chóng)數(shù)。該蟲(chóng)對(duì)芝麻有強(qiáng)趨性所以可對(duì)芝麻植株各部分直接準(zhǔn)確計(jì)數(shù),但因該蟲(chóng)飛行快且泡桐植株高大,對(duì)泡桐只能采用細(xì)眼捕蟲(chóng)網(wǎng)快速對(duì)個(gè)別低矮枝梢罩頭的方法計(jì)數(shù),約1/4蟲(chóng)子逃逸所以所得數(shù)據(jù)為枝梢的發(fā)生量局部數(shù)據(jù),每次取統(tǒng)計(jì)學(xué)大樣本40個(gè)低矮枝梢進(jìn)行調(diào)查。淇縣北陽(yáng)鎮(zhèn)史莊近千畝(1 hm2=15畝)連片桐麥間作的國(guó)道附近泡桐枝梢3次計(jì)數(shù)與2020年9月校東區(qū)夏芝麻的嬌駝蹺蝽均值調(diào)查也進(jìn)行對(duì)比分析。害蟲(chóng)發(fā)生與寄主生長(zhǎng)指標(biāo)關(guān)系的調(diào)查選擇在春芝麻株形較大且葉、花、果俱現(xiàn)的2021年6月上旬終花期進(jìn)行,共進(jìn)行了12個(gè)樣方60個(gè)點(diǎn)的調(diào)查,1~4、5~8、9~12號(hào)樣方所在的3塊地各20個(gè)點(diǎn)[9-11]。調(diào)查時(shí)發(fā)現(xiàn)有極少量綠色的錘脅蹺蝽[ Yemma signatus ?(Hsiao)]與嬌駝蹺蝽混合危害,計(jì)數(shù)時(shí)對(duì)其不予統(tǒng)計(jì)[9]。
由于6月上旬初步調(diào)查時(shí)發(fā)現(xiàn)生長(zhǎng)高度與花序成熟程度相似的芝麻株發(fā)生量十分接近,為進(jìn)一步保證數(shù)據(jù)的穩(wěn)定性,每個(gè)計(jì)數(shù)點(diǎn)芝麻叢選取10株高低、枝葉色澤與花序形態(tài)相似的相鄰芝麻植株進(jìn)行。取這10株芝麻的株高、穗長(zhǎng)、蒴果數(shù)、葉片平均長(zhǎng)度、所附著的嬌駝蹺蝽等5個(gè)因素?cái)?shù)據(jù)的平均數(shù)作為以后排序分析時(shí)1個(gè)調(diào)查點(diǎn)的5個(gè)變量值。每個(gè)樣方中心點(diǎn)取1個(gè)芝麻叢,在此調(diào)查點(diǎn)周圍采用五點(diǎn)取樣法再選取4個(gè)沿90°角度方向延伸3 m處的5個(gè)植株叢的調(diào)查點(diǎn)[11-13]。
1.2 各月百株蟲(chóng)量與氣候相關(guān)度計(jì)算
查閱中國(guó)天氣網(wǎng)、新鄉(xiāng)市氣象局官網(wǎng)的2020年農(nóng)業(yè)氣象周報(bào)與月報(bào),用Excel繪制春芝麻完整生長(zhǎng)期4個(gè)月的發(fā)生量數(shù)據(jù)與月均溫、月降水量等因素柱形圖,利用SigmaPlot軟件進(jìn)行二元線性回歸計(jì)算與3-D回歸效果圖繪制并計(jì)算相關(guān)度 R 值[11-13]。
1.3 聚集度指標(biāo)計(jì)算與理論抽樣數(shù)確定
利用DPS 18.1的單因素方差分析模塊判斷2021年6月上旬3田塊發(fā)生量數(shù)據(jù)的差異性,將各樣方因變量數(shù)值均值與方差輸入DPS 18.1進(jìn)行分布型參數(shù)與相關(guān)回歸方程的計(jì)算,采用DPS分布格局模塊的默認(rèn)有效數(shù)字位數(shù)。分析指標(biāo)為DPS自動(dòng)生成的平均擁擠度( M*指標(biāo))、聚集度指數(shù)(M*/M指標(biāo))、叢生指數(shù)(I指標(biāo))、K指標(biāo)與CA 指標(biāo)等聚集度指標(biāo),其含義見(jiàn)相關(guān)文獻(xiàn)[11]。此外DPS還給出了Taylor冪法則回歸方程和 M*-M 回歸IWAO方程。根據(jù)IWAO方程的 α與β確定序貫抽樣模型不同允許誤差與不同蟲(chóng)口密度條件下的最適抽樣數(shù)Q,利用防治閾值x o、α與β 這3個(gè)參數(shù)采用IWAO提出的序貫抽樣模型( D=nx 0±tn[(α+1)x 0+(β-1)x2 0])確定抽樣數(shù)n 時(shí)的防治界限[11-13]。
1.4 CA分析與隨機(jī)森林建模分析方法
利用生態(tài)學(xué)軟件CONOCO對(duì)2021年終花期調(diào)查得到的4個(gè)環(huán)境因子自變量和1個(gè)害蟲(chóng)發(fā)生數(shù)量因變量進(jìn)行CA分析(對(duì)應(yīng)分析),分析前將4個(gè)自變量數(shù)據(jù)的每個(gè)數(shù)值進(jìn)行減平均值并除方差的常規(guī)無(wú)量綱化轉(zhuǎn)換,所有相關(guān)關(guān)系計(jì)算采用CONOCO默認(rèn)算法。環(huán)境因子與生物因子之間的二維排序圖由CONOCO根據(jù)CA分析所得到的各個(gè)變量的相關(guān)矩陣自動(dòng)繪出[11-13]。將無(wú)量綱轉(zhuǎn)換后的環(huán)境變量與發(fā)生量數(shù)據(jù)作CSV格式Excel輸入R軟件后運(yùn)行美國(guó)加州大學(xué)伯克利分校Andy Liaw 和Matthew Wiener開(kāi)發(fā)的randomForest程序包進(jìn)行RF回歸分析模型建模,模型決策樹(shù)數(shù)目設(shè)定為1 000,運(yùn)行varImpPlot與partialPlot命令進(jìn)行環(huán)境因素的排序圖與偏效應(yīng)圖繪制[14-15]。
1.5 加權(quán)列聯(lián)表預(yù)測(cè)
初步分析表明,對(duì)于遷飛性微小害蟲(chóng)嬌駝蹺蝽來(lái)說(shuō),棲息環(huán)境條件就大致決定了其分布密度,對(duì)15%~85%的本次調(diào)查點(diǎn)在終花期此蟲(chóng)數(shù)量為每株30~40頭數(shù)值的中間水平級(jí)別。應(yīng)用DPS軟件的scale命令與ffx命令對(duì)終花期調(diào)查的所有變量數(shù)據(jù)進(jìn)行分布樣本數(shù)在[0~15%]、(15%~85%)、[85%~100%]等3個(gè)級(jí)別的分級(jí)分類數(shù)據(jù)變換,然后輸入DPS加權(quán)列聯(lián)表分析模塊進(jìn)行發(fā)生級(jí)別預(yù)測(cè)。將第1個(gè)樣方的1~5號(hào)樣點(diǎn)數(shù)據(jù)做預(yù)測(cè)樣本,對(duì) 6~60號(hào)樣點(diǎn)數(shù)據(jù)進(jìn)行5因素3水平的加權(quán)列聯(lián)表分析。計(jì)算得到的4個(gè)自變量的隨機(jī)系數(shù)矩陣與預(yù)測(cè)樣本的自變量數(shù)據(jù)矩陣相乘,則可以得到預(yù)測(cè)值與四舍五入后的具體預(yù)測(cè)水平。運(yùn)行SigmaPlot軟件繪制出這55個(gè)樣點(diǎn)帶95%置信區(qū)間的發(fā)生水平與預(yù)測(cè)值的線性相關(guān)圖[11-13,15]。
2 結(jié)果與分析
2.1 百株蟲(chóng)量與氣候相關(guān)度分析結(jié)果
2020年30個(gè)樣點(diǎn)百株蟲(chóng)量4個(gè)月的調(diào)查結(jié)果依次為199.0、2 520.7、4 112.7、4 643.4頭,換算為每株蟲(chóng)量為1.99、25.21、41.13、46.43頭。4個(gè)月的每株蟲(chóng)量及其誤差范圍以及月均溫(℃)與降水量(mm)用Excel繪制帶折線的柱形圖見(jiàn)圖1。
由圖1可知,4個(gè)調(diào)查月的發(fā)生密度成直線關(guān)系增長(zhǎng),這和文獻(xiàn)中春夏季泡桐苗圃嬌駝蹺蝽發(fā)生密度的月增長(zhǎng)比例是一致的[6]。將溫度與降水量分別與發(fā)生量進(jìn)行一元線性回歸發(fā)現(xiàn) R 值都大于0.85。將3列數(shù)據(jù)輸入SigmaPlot軟件進(jìn)行發(fā)生量與環(huán)境因子的二元線性回歸可以得到更精準(zhǔn)的回歸結(jié)果,計(jì)算得回歸方程為
y=1.48x 1+0.43x 2-22.77(R=0.99)。(1)
式中:y為發(fā)生密度,頭/株;x? 1為月平均溫度,℃; x? 2為月降水量,mm。SigmaPlot軟件繪出的二元線性回歸3-D效果圖見(jiàn)圖2。
由圖2可知,5、6月數(shù)據(jù)點(diǎn)緊貼擬合方程平面上方而4、7月緊貼下方,SigmaPlot給出的擬合相關(guān)度為0.992,擬合效果很好。說(shuō)明春芝麻嬌駝蹺蝽的發(fā)生量與溫度及降水量在理想生存條件下呈典型的正比例關(guān)系。2020年由于倒春寒的影響4、5、6月等3個(gè)月試驗(yàn)田平均發(fā)生密度為0.08、12.39、38.87頭/株,史莊平均枝梢調(diào)查結(jié)果為0.09、8.81、18.87頭/株。2組數(shù)直線回歸相關(guān)度 R 為0.986,未來(lái)完全可利用泡桐林旁的春芝麻嬌駝蹺蝽發(fā)生密度的線性變換值測(cè)報(bào)泡桐密度,其數(shù)據(jù)較捕蟲(chóng)網(wǎng)罩頭法調(diào)查的數(shù)據(jù)穩(wěn)定可靠。
由于氣候濕熱與天敵較多,系統(tǒng)田周圍夏芝麻田的百株蟲(chóng)量調(diào)查點(diǎn)數(shù)據(jù)差異頗大,2020年9月夏芝麻試驗(yàn)田30個(gè)調(diào)查點(diǎn)百株蟲(chóng)量均值高達(dá) 4 932.07頭。由于遷移新寄主后其種群將出現(xiàn)世代重疊,之后該蟲(chóng)有呈指數(shù)增長(zhǎng)型暴發(fā)性發(fā)生的可能性。
2.2 聚集度指標(biāo)計(jì)算與理論抽樣數(shù)確定
2021年6月上旬分布規(guī)律調(diào)查的12個(gè)調(diào)查樣方嬌駝蹺蝽發(fā)生頭數(shù)均值與方差如表1所示。
由表1可以看出,嬌駝蹺蝽在春芝麻植株上分布的聚集程度差別較大。將3塊試驗(yàn)田的每株發(fā)生量均值數(shù)據(jù)輸入DPS18.10進(jìn)行3組數(shù)據(jù)的單因素方差分析,3地塊平均每株發(fā)生量依次為16.21、23.87、19.75,置信度 P? 0.05與 P? 0.01等2水平 LSD 檢驗(yàn)的結(jié)果均為差異不顯著。所以3塊地雖被大田隔開(kāi),但嬌駝蹺蝽發(fā)生的生態(tài)學(xué)特征是一致的。將表1 數(shù)據(jù)輸入DPS分布型數(shù)據(jù)處理模塊得到了每個(gè)調(diào)查樣方各個(gè)聚集度指標(biāo)的具體值,12個(gè)樣方 M*指標(biāo)、I指標(biāo)、M*/M 指標(biāo)、Kuno模型CA指標(biāo)、擴(kuò)散系數(shù)C、負(fù)二項(xiàng)分布 K 指數(shù)等各分布型參數(shù)的均值與變化區(qū)間依次為35.04±15.31、15.10±11.41、1.80±0.37、0.80±0.37、16.10±11.41、1.37±0.77。由于調(diào)查地塊間苗時(shí)間較晚且沒(méi)有打頂,導(dǎo)致田間芝麻植株叢生長(zhǎng)狀況差異性較大,所以各分布型指數(shù)數(shù)據(jù)差異性較大。12個(gè)樣方CA指標(biāo)全部大于0,因此嬌駝蹺蝽在芝麻大田呈現(xiàn)弱聚集分布型,一般密度大聚集度略大,平均擴(kuò)散系數(shù)C為16左右[11-13]。
DPS還給出了IWAO 平均擁擠度-密度( M*-M)回歸方程:M*=4.71+1.52M(r=0.92)。此方程的α與β 值依次為4.71與1.52,說(shuō)明該蟲(chóng)為弱聚集分布型且個(gè)體之間是相互吸引的,這可能是昆蟲(chóng)信息激素的作用以及喜吸食芝麻幼嫩的葉與蒴果等原因造成的。將IWAO方程的 α與β 值(4.71與1.52)代入IWAO最適抽樣數(shù)公式可得到序貫抽樣中該害蟲(chóng)最適抽樣數(shù)公式(2):
Q=4d25.71m+0.52。(2)
式中:d為允許誤差;m為蟲(chóng)口密度;t為在一定置信度p下的t分布值,當(dāng)p=95%時(shí),t =1.96≈2。如果允許誤差為0.3,害蟲(chóng)平均密度為20頭/株,式(2)計(jì)算可得 Q 為35.8,所以本次調(diào)查設(shè)計(jì)合理。式(2)為這種春芝麻田春季新發(fā)害蟲(chóng)在我國(guó)中部地區(qū)的發(fā)生密度可靠性調(diào)查確定了一個(gè)標(biāo)準(zhǔn)。在河南省6月上旬發(fā)生密度20頭/株以下時(shí),每張葉片平均不到1頭蟲(chóng),將 α與β 值以及20頭/株防治閾值代入序貫抽樣累計(jì)蟲(chóng)數(shù)公式進(jìn)行繪圖,結(jié)果見(jiàn)圖3。
一種農(nóng)田害蟲(chóng)對(duì)不同地理?xiàng)l件下的不同寄主作物有著不同的分布格局特征和為害特點(diǎn),圖3為嬌駝蹺蝽的科學(xué)調(diào)查與有效防治提供了一個(gè)參考標(biāo)準(zhǔn)。
2.3 CA分析結(jié)果
將2021年終花期調(diào)查的株高(height)、穗長(zhǎng)(length)、蒴果數(shù)(num. of ?Sesamum indicum ?capsule)、葉片均長(zhǎng)度(mean of foliage length)、所附著的嬌駝蹺蝽蟲(chóng)數(shù)(pest)5個(gè)變量依次命名為 H、L、Sn、Lf與Pest ,將60個(gè)調(diào)查點(diǎn)的經(jīng)過(guò)無(wú)量綱化變換的4列自變量數(shù)據(jù)與害蟲(chóng)發(fā)生密度因變量數(shù)據(jù)輸入CONOCO,進(jìn)行1個(gè)生物因素4個(gè)環(huán)境因素的CA分析。CA分析結(jié)果顯示物種累計(jì)關(guān)聯(lián)度百分率第1軸到第4軸依次為4.2%、85.6%、 96.2%、100.0%,因此此害蟲(chóng)在植株上分布與生境條件密切。CONOCO繪圖程序繪出CA分析的帶調(diào)查點(diǎn)信息(圖4左)與不帶調(diào)查點(diǎn)信息(圖4右)的生物因子與環(huán)境因子二維排序圖。
由圖4左圖可知,60個(gè)調(diào)查點(diǎn)針對(duì)各個(gè)環(huán)境因素與生物因素的關(guān)聯(lián)度差異較大,所以各樣點(diǎn)對(duì)應(yīng)散點(diǎn)分布分散,說(shuō)明該次調(diào)查取的樣點(diǎn)有代表性,散點(diǎn)越分散越好。圖4右圖顯示去掉調(diào)查點(diǎn)散點(diǎn)后5個(gè)變量的相關(guān)關(guān)系。生態(tài)學(xué)排序圖中,2個(gè)矢量之
間的相關(guān)度大小可以從一個(gè)矢量箭頭在另一個(gè)矢量所在直線的垂直投影點(diǎn)距原點(diǎn)的距離直觀看出[13]。所以嬌駝蹺蝽蟲(chóng)量與芝麻植株高度呈現(xiàn)典型的負(fù)相關(guān)關(guān)系,即高而粗壯的植株蟲(chóng)子少。芝麻莖桿各節(jié)的葉片大小與嬌駝蹺蝽分布呈現(xiàn)典型的正相關(guān)關(guān)系,即葉片較長(zhǎng)便于蟲(chóng)體躲藏與吸食危害的植株蟲(chóng)子多。蒴果的數(shù)量與花穗的長(zhǎng)度與因變量關(guān)聯(lián)度不大但呈現(xiàn)一個(gè)呈正而一個(gè)呈負(fù)的關(guān)系,說(shuō)明嬌駝蹺蝽喜在花穗短而蒴果多的、過(guò)早老熟一些的果穗上聚集。圖4中 H與Lf 典型負(fù)相關(guān)的原因是這個(gè)季節(jié)青色蒴果開(kāi)始快速生長(zhǎng),高的植株葉子并不茂密。
2.4 RF建模分析結(jié)果
運(yùn)行R軟件RF建模的模型名稱命令得模型總殘差平方和僅為0.63,擬合效果很好。運(yùn)行varImpPlot得到均方誤差增量與結(jié)點(diǎn)純度2種算法的4個(gè)環(huán)境因子對(duì)因變量影響效應(yīng)的重要值與排序圖,重要性順序?yàn)?L>H>Sn>Lf ,可看出與CA分析結(jié)果一致。partialPlot命令所繪制的環(huán)境因子對(duì)嬌駝蹺蝽發(fā)生的各個(gè)效應(yīng)見(jiàn)圖5。
圖5為4因子不同幅度的偏效應(yīng)圖,縱坐標(biāo)為對(duì)因變量的影響值而橫坐標(biāo)為自變量標(biāo)準(zhǔn)化變換值,橫坐標(biāo)0點(diǎn)顯示自變量均值對(duì)因變量的影響力。 H變量偏效應(yīng)圖顯示該地塊高于均值的植株發(fā)生量遠(yuǎn)低于低矮植株;L變量偏效應(yīng)圖顯示穗長(zhǎng)較均值略長(zhǎng)的植株與略短于均值的發(fā)生量差別不大,但穗最長(zhǎng)的一批健壯植株發(fā)生量變小;Lf 變量圖說(shuō)明葉越長(zhǎng)蟲(chóng)子越多,但葉長(zhǎng)高于均值一定程度蟲(chóng)子發(fā)生量差別不大。
2.5 加權(quán)列聯(lián)表預(yù)測(cè)分析結(jié)果
將55個(gè)樣點(diǎn)的分級(jí)后數(shù)據(jù)進(jìn)行加權(quán)列聯(lián)表分析得到了 H、L、Sn、Lf 等4個(gè)環(huán)境因子變量的隨機(jī)系數(shù)矩陣為0.53、0.47、0.37、0.34,其對(duì)應(yīng)的卡方值依次為21.49、15.38、8.78、7.08。隨機(jī)系數(shù)可以間接看出各個(gè)自變量對(duì)因變量的影響大小,因此可看出加權(quán)列聯(lián)表分析結(jié)論和CA、RF分析相同,即前2個(gè)自變量對(duì)嬌駝蹺蝽發(fā)生量影響較大而后2個(gè)變量影響小[11]。DPS給出的55個(gè)訓(xùn)練樣點(diǎn)預(yù)測(cè)級(jí)別,有35個(gè)完全正確,而且預(yù)測(cè)級(jí)別錯(cuò)誤的20例預(yù)測(cè)值也全部接近正確的結(jié)果。5個(gè)預(yù)測(cè)樣點(diǎn)預(yù)測(cè)值如圖6所示。
圖6顯示四舍五入雖然僅3例預(yù)測(cè)級(jí)別正確,但5個(gè)預(yù)測(cè)值和實(shí)際級(jí)別有明顯同步關(guān)系。對(duì)于嬌駝蹺蝽這樣體積小遷移性強(qiáng)的外來(lái)害蟲(chóng),寄主植物提供的食物與躲避條件、微氣候條件與害蟲(chóng)分布密切相關(guān),年度總體發(fā)生規(guī)模確定情況下單憑植物生長(zhǎng)指標(biāo)與小規(guī)模調(diào)查就可以大致預(yù)測(cè)其密度水平[15-16]。
3 討論與結(jié)論
目前我國(guó)夏芝麻產(chǎn)量遠(yuǎn)遠(yuǎn)大于春芝麻,但一些小形地塊春芝麻也較常見(jiàn),大田地邊的春芝麻便于捕食螨與東亞小花蝽( Orius sauteri )等多種微小天敵昆蟲(chóng)棲息生存,因而具害蟲(chóng)天敵植物支持系統(tǒng)的生物防治功效[17-18]。栽培春芝麻采收菜用芝麻葉也是農(nóng)民的增收手段,以后中芝葉1號(hào)等葉用芝麻大規(guī)模推廣將使得嬌駝蹺蝽在農(nóng)業(yè)昆蟲(chóng)中的研究地位提高。根據(jù)江西、豫南、陜南、安徽等地以前的研究報(bào)告,該害蟲(chóng)在亞熱帶地區(qū)春夏季可達(dá)很高的種群增長(zhǎng)速度,本研究表明豫北倒春寒情況下早春每月亦遞增10倍以上[4-6]。研究表明,春芝麻嬌駝蹺蝽的密度與環(huán)境氣象條件、寄主生長(zhǎng)狀況有對(duì)應(yīng)關(guān)系,可利用春芝麻數(shù)據(jù)線性變換后測(cè)報(bào)周圍林木害蟲(chóng)密度,克服喬木寄主對(duì)微小飛蟲(chóng)不易精確定量統(tǒng)計(jì)的缺點(diǎn)。
春芝麻此害蟲(chóng)若為害較重達(dá)30頭/株以上,可用20%增效氯氰菊酯3 000倍液或1.8%阿維菌素乳油3 000倍液、3.5%銳丹乳油1 000倍液等藥劑防治。4—5月此蟲(chóng)系雜草、枯枝落葉或泡桐等處遷移而來(lái),因此切斷遷移途徑對(duì)防治效果至關(guān)重要,此外田間大草蛉[ Chrysopa pallens ?(Rambur)]與寄生蜂等天敵昆蟲(chóng)抑制其發(fā)生亦有重要作用。
本研究表明嬌駝蹺蝽具典型的r-生存策略特征,必須警惕其暴發(fā)性發(fā)生的可能性,對(duì)其測(cè)報(bào)與防治要考慮寄主生長(zhǎng)指標(biāo)、天敵與氣候條件,此蟲(chóng)林業(yè)與農(nóng)業(yè)2個(gè)方面數(shù)據(jù)可以實(shí)現(xiàn)相互測(cè)報(bào)。此外,此蟲(chóng)為害夏芝麻與秋芝麻的發(fā)生規(guī)律、防治標(biāo)準(zhǔn)、防治技術(shù)與其他生態(tài)學(xué)的研究有待進(jìn)一步進(jìn)行。
致謝:許蔓飛、陳靜、陳靜、李丹、陳小會(huì)等參與了部分試驗(yàn)與分析工作,浙江大學(xué)應(yīng)用昆蟲(chóng)研究所唐啟義老師提供DPS正版注冊(cè)號(hào),在此一并致謝。
參考文獻(xiàn):
[1]蕭采瑜. 中國(guó)蹺蝽科記述(半翅目:異翅亞目)[J]. 昆蟲(chóng)學(xué)報(bào),1974,17(1):56-66.
[2]李祉宣,周 鈺,陳賽賽,等. 江蘇省文化樹(shù)種認(rèn)知情況調(diào)查及園林應(yīng)用建議[J]. 江蘇農(nóng)業(yè)科學(xué),2020,48(15):170-175.
[3]唐桂梅,姜衛(wèi)兵,翁忙玲. 薔薇科樹(shù)種在南京園林綠化中的應(yīng)用與評(píng)價(jià)[J]. 江蘇農(nóng)業(yè)科學(xué),2013,41(7):182-185.
[4]孫志強(qiáng),喬 杰,傅建敏,等. 泡桐林內(nèi)同翅目、半翅目昆蟲(chóng)種類及其動(dòng)態(tài)研究[J]. 林業(yè)科學(xué)研究,1999,12(5):510-514.
[5]吳學(xué)萱,陳緒山. 嬌駝蹺蝽的發(fā)生及其防治[J]. 昆蟲(chóng)知識(shí),1991,28(6):344-345.
[6]張存立. 泡桐嬌駝蹺蝽生物學(xué)特性及防治研究[J]. 安徽農(nóng)業(yè)科學(xué),2007,35(6):1721-1731.
[7]孫志強(qiáng). 泡桐叢枝病媒介昆蟲(chóng)傳播植原體特點(diǎn)的研究[D]. 北京:北京林業(yè)大學(xué),2000:20-22.
[8]韓俊梅,呂 偉,任果香,等. 200份芝麻種質(zhì)資源農(nóng)藝性狀遺傳多樣性分析[J]. 江蘇農(nóng)業(yè)科學(xué),2019,47(13):95-99.
[9]孫 路. 中國(guó)蹺蝽科的分類(異翅亞目:長(zhǎng)蝽總科)[D]. 北京:中國(guó)農(nóng)業(yè)大學(xué),1990:2-11.
[10]Aukema B,Reiger C. Catalogue of the Heteroptera of the Palaearctic Region. Vol. l. Enicocephalomarpha,Dipsocaromorgha,Nepomarpha,Gerromorpha and Leptopodomorpha[M]. Amsterdam:The Netherlands Entomological Society,1995:2-221.
[11]唐啟義,馮明光. DPS數(shù)據(jù)處理系統(tǒng):實(shí)驗(yàn)設(shè)計(jì)、統(tǒng)計(jì)分析及數(shù)據(jù)挖掘[M]. 北京:科學(xué)出版社,2007.
[12]黃勝先,李佳林,范 斌,等. 思州柚園黑蚱蟬若蟲(chóng)羽化空間分布型及羽化過(guò)程[J]. 江蘇農(nóng)業(yè)科學(xué),2020,48(10):121-124.
[13]張金屯. 數(shù)量生態(tài)學(xué)[M]. 北京:科學(xué)出版社,2004:131-192.
[14]張 雷,王琳琳,張旭東,等. 隨機(jī)森林算法基本思想及其在生態(tài)學(xué)中的應(yīng)用:以云南松分布模擬為例[J]. 生態(tài)學(xué)報(bào),2014,34(3):650-659.
[15]陳西亮,張佳華,艾天成. 基于支持向量機(jī)法提取江漢平原三湖農(nóng)場(chǎng)棉蚜危害程度的空間分布[J]. 江蘇農(nóng)業(yè)科學(xué),2016,44(9):157-162.
[16]殷 茵,龔衛(wèi)良,陸 彥,等. 張家港市不同測(cè)報(bào)工具對(duì)甜菜夜蛾的監(jiān)測(cè)比較[J]. 江蘇農(nóng)業(yè)科學(xué),2019,47(24):70-74.
[17]陳學(xué)新,劉銀泉,任順祥,等. 害蟲(chóng)天敵的植物支持系統(tǒng)[J]. 應(yīng)用昆蟲(chóng)學(xué)報(bào),2014,51(1):1-12.
[18]Blaauw B R,Isaacs R. Larger wildflower plantings increase natural enemy density,diversity,and biological control of sentinel prey,without increasing herbivore density[J]. Ecological Entomology,2012,37(5):386-394.