氣象因素與大田棉鈴蟲成蟲量的相關(guān)性分析

趙平　蔡曉玲　蘇金凱等

關(guān)鍵詞：棉鈴蟲;氣象因素;回歸分析;討論

引言

近年來，隨著種植結(jié)構(gòu)的調(diào)整，棉花種植面積減少，棉鈴蟲在玉米田有加重危害趨勢，已成為黃淮海玉米穗期的主要害蟲之一，嚴(yán)重危害夏玉米雌穗和籽粒。棉鈴蟲不僅能直接造成產(chǎn)量損失，而且還誘發(fā)玉米穗粒腐病，使玉米品質(zhì)下降。棉鈴蟲以2、3、4代危害為主，2代幼蟲取食玉米葉片成空洞或缺刻狀，有時咬斷心葉，造成枯心;3、4代主要危害雌穗。

棉鈴蟲的發(fā)育主要受氣象條件制約，溫度（包括氣溫和地溫）、相對濕度、降水和光照對棉鈴蟲的發(fā)育進度產(chǎn)生影響，尤其以溫度影響最為顯著。棉鈴蟲喜中溫高濕，適宜的溫度、濕度、降水有利于棉鈴蟲的嚴(yán)重發(fā)生。例如，2009年河南省衛(wèi)輝市5月、6月、7月氣溫顯著偏高，降水適宜，造成4代棉鈴蟲爆發(fā)。0-20cm土層是棉鈴蟲蛹越冬的主要場所，約占50.3%，越冬深度一般不超過20cm。

1棉鈴蟲氣象數(shù)據(jù)分析

1.1棉鈴蟲年數(shù)據(jù)氣象分析

棉鈴蟲在我國各地的年發(fā)生代數(shù)和主要危害世代各不相同，在我區(qū)共計發(fā)生4代，以第2代最重，3代次之，以蛹在土中越冬。越冬蟲源基數(shù)的大小是棉鈴蟲發(fā)生輕重的必要條件。棉鈴蟲的發(fā)生，蟲源基數(shù)是內(nèi)因，氣象條件是必不可少的外因。為此，筆者整理了2016—2020年的年報資料。

（1）棉鈴蟲各年統(tǒng)計數(shù)量見圖1。從圖1中可看出，棉鈴蟲發(fā)生數(shù)量2020年>2017年>2019年>2018年>2016年。

（2）年氣象數(shù)據(jù)整理見表1和圖2。從表1和圖2分析可以看出，棉鈴蟲大發(fā)生年份2020年、2017年、2019年的越冬代最低溫度分別為-11.5℃、-10.7℃、-11.5℃，明顯偏高于小發(fā)生年份2018年、2016年越冬代最低溫度-13.6℃、-17.1℃;而棉鈴蟲數(shù)量與5—7月份降水量成反比，隨降水量的增加而大幅減少。由此總結(jié)得出：棉鈴蟲年發(fā)生數(shù)量受“暖冬”影響顯著，在降水適宜的情況下，與5—7月份降水量呈負(fù)相關(guān)關(guān)系。少雨和偏高的氣溫使棉鈴蟲達(dá)到分析時段的最高值。這與近年來蟲源基地廣泛，危害作物多樣，越冬基數(shù)增長，棉鈴蟲猖獗的事實相符。

1.2棉鈴蟲峰值氣象分析

（1）棉鈴蟲峰值特征見表2和圖3。從表2和圖3可以看出，1代成蟲量峰值出現(xiàn)在6月份，而且年際變化波動大，直接影響全年總發(fā)生量，同時影響2、3、4代發(fā)生與危害。

（2）棉鈴蟲越冬代于4月中下旬開始羽化，5月中旬為羽化盛期。一代卵見于4月下旬至5月末，以5月中旬為盛期。一代成蟲見于6月初至7月初，盛期為6月中旬。為此本文分別統(tǒng)計了2016—2020年4至6月份的日平均氣溫，日平均相對濕度，降水量，日照時數(shù)等氣象資料。

從圖3、表3統(tǒng)計分析發(fā)現(xiàn)：溫度、相對濕度、降水對棉鈴蟲的發(fā)育進度產(chǎn)生影響，尤其以溫度影響最為顯著。例如，2020年4月、5月、6月氣溫顯著偏高，降水適宜，造成2代棉鈴蟲爆發(fā)。由此可見，棉鈴蟲喜歡中溫高濕，各蟲態(tài)發(fā)育的最適溫度為25-28℃、相對濕度為70%-90%的天數(shù)越長，并且4至6月降水量達(dá)100mm左右的年份，越有利于棉鈴蟲的嚴(yán)重發(fā)生。

1.3棉鈴蟲與氣象因素線性回歸分析

利用SPSS軟件進行多元線性回歸分析，建立種群趨勢預(yù)測系統(tǒng)模型。

1.3.1引入系統(tǒng)

將可能影響棉鈴蟲發(fā)生數(shù)量的15個氣象因子：旬平均氣溫、平均最高氣溫、平均最低氣溫、最高氣溫、最低氣溫、平均濕度、降水量、0厘米地溫、5厘米地溫、10厘米地溫、15厘米地溫、20厘米地溫、2分鐘平均風(fēng)速、日照時數(shù)作為自變量、棉鈴蟲LOG2（為標(biāo)準(zhǔn)化量綱，棉鈴蟲數(shù)量已做對數(shù)處理）引入系統(tǒng)。

1.3.2初步篩查（單因素篩查）

把每一個自變量和因變量做皮爾遜相關(guān)性分析，為避免要素間混雜干擾，把顯著性不強的要素剔除。通過分析得出顯著性強的氣象因素包括旬平均氣溫、平均最高氣溫、平均最低氣溫、最高氣溫、最低氣溫、0厘米地溫、5厘米地溫、10厘米地溫、15厘米地溫、20厘米地溫10個氣象因素。

1.3.3初步回歸

將10個自變量引入模型，進行多元線性回歸。

圖4中“模型摘要”給出了本次多元線性回歸模型的擬合度R2=0.588，表明自變量10個氣象因子一共可以解釋因變量變化情況的58.8%，即因變量“棉鈴蟲LOG2”有58.8%是受這10個氣象因子影響的。一般而言，擬合度超過50%即可認(rèn)為模型擬合達(dá)標(biāo)。

1.3.4逐步回歸

因10個氣象因素之間存在多重共線性（指線性回歸模型中的解釋變量之間由于存在精確相關(guān)關(guān)系或高度相關(guān)關(guān)系而使估計失真或難以估計準(zhǔn)確）的影響，需要對模型進行逐步回歸運算。

如圖5所示，逐步回歸運算結(jié)果分析如下。

①擬合度分析：“模型摘要”表給出了本次多元線性回歸模型的擬合度R2=0.585，表明自變量氣象因子“旬20厘米地溫”“最低氣溫”“平均最低氣溫”一共可以解釋因變量變化情況的58.5%，即因變量“棉鈴蟲LOG2”有58.5%是受氣象因子“旬20厘米地溫”“最低氣溫”“平均最低氣溫”的影響。

②ANOVA表的運算結(jié)果是考察回歸模型的顯著性的。所謂回歸模型的顯著性，即回歸模型的存在是否有意義。如果自變量氣象因子“旬20厘米地溫”“最低氣溫”“平均最低氣溫”都不能顯著影響因變量“棉鈴蟲LOG2”表明這個回歸模型的存在是無意義的。本次數(shù)據(jù)計算的結(jié)果顯示，F(xiàn)=49.937，P=0.000<0.05，說明回歸模型顯著，即模型中的3個自變量至少有1個可以顯著影響因變量。

③“系數(shù)”表給出的是每一個變量對自變量的影響情況?！把?0厘米地溫”可以顯著正向影響“棉鈴蟲LOG2”，回歸系數(shù)為0.853>0，P=0.001<0.05，表明“旬20厘米地溫”變化1，會直接導(dǎo)致“棉鈴蟲LOG2”變化0.853。

“ 最低氣溫” 可以顯著負(fù)向影響“ 棉鈴蟲LOG2”，回歸系數(shù)為-1.035<0，P=0.002<0.05，意味著“最低氣溫”變化1，會直接導(dǎo)致“棉鈴蟲LOG2”變化-1.035。

“平均最低氣溫”可以顯著正向影響“棉鈴蟲LOG2”，回歸系數(shù)為0.905>0，P=0.022<0.05，意味著“平均最低氣溫”變化1，會直接導(dǎo)致“棉鈴蟲LOG2”變化0.905。

從圖6可以看出：直方圖呈正態(tài)分布;P-P圖中的散點越接近直線，符合正態(tài)分布;散點圖中各點在0線上下隨機分布沒有異常值（離群值）;殘差、方差穩(wěn)定。

基于上述分析，得出自變量和因變量之間的回歸方程為：棉鈴蟲LOG2 =-9.803+0.853*旬20厘米地溫-1.035*最低氣溫+0.905*平均最低氣溫

2結(jié)論與討論

（1）棉鈴蟲年發(fā)生數(shù)量受“暖冬”影響顯著，在降水適宜的情況下，與5至7月份降水量呈負(fù)相關(guān)關(guān)系。少雨和偏高的氣溫使棉鈴蟲達(dá)到分析時段的最高值。

（2）棉鈴蟲的發(fā)育主要受氣象條件制約，溫度、相對濕度、降水對棉鈴蟲的發(fā)育進度產(chǎn)生影響，尤其以溫度影響最為顯著。棉鈴蟲喜歡中溫、高濕，各蟲態(tài)發(fā)育的最適溫度25-28℃，相對濕度為70%-90%的天數(shù)越長，并且4至6月降水量達(dá)100mm左右的年份，棉鈴蟲越有可能嚴(yán)重發(fā)生。

（3）利用SPSS軟件進行多元線性回歸分析，建立種群趨勢預(yù)測系統(tǒng)模型為：

棉鈴蟲LOG2 =-9.803+0.853*旬20厘米地溫-1.035*最低氣溫+0.905*平均最低氣溫