利用氣象因子構(gòu)建東港市地區(qū)水稻二化螟發(fā)生等級的預(yù)測模型

楊 眉 ，褚 晉 ，于鳳泉 ，李志強(qiáng) ，劉欣宇，孫富余*

（1 遼寧省農(nóng)業(yè)科學(xué)院植物保護(hù)研究所，沈陽 110161；2 中國農(nóng)業(yè)大學(xué)有機(jī)循環(huán)研究院（蘇州），江蘇 蘇州 215100）

二化螟Chilosuppressalis 是稻作區(qū)常見的害蟲，發(fā)生嚴(yán)重時可對水稻造成30%以上的減產(chǎn)[1，2]。二化螟是一種鉆蛀性害蟲，當(dāng)幼蟲蛀入水稻莖稈內(nèi)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(jìn)行防治可獲得顯著的效果，而科學(xué)可行的預(yù)測預(yù)報模型能夠為二化螟的有效防治提供更加精準(zhǔn)的田間施藥量以及施藥時間。關(guān)于害蟲發(fā)生預(yù)測模型的構(gòu)建，當(dāng)前的研究報道多采用越冬蟲口基數(shù)、燈下誘蛾量、性信息素誘蛾量以及氣象因子進(jìn)行建模。陳德蘭采用燈誘法連續(xù)5 年對馬尾松毛蟲的越冬代、第1 代成蟲數(shù)進(jìn)行統(tǒng)計分析，應(yīng)用BP 神經(jīng)網(wǎng)絡(luò)建立預(yù)測模型，對下一代幼蟲平均蟲口密度進(jìn)行了有效的預(yù)測[3]；楊湘等利用連續(xù)16 年的郴州地區(qū)煙田斜紋夜蛾的蟲情資料，結(jié)合歷年氣象因子構(gòu)建了該害蟲的年發(fā)生動態(tài)預(yù)測模型，并對其進(jìn)行了長期的預(yù)測預(yù)報[4]。劉祖建等利用廣東省化州市6 年的稻飛虱發(fā)生等級與各項氣象數(shù)據(jù)進(jìn)行通徑分析，得出溫度是影響2 代稻飛虱的主要?dú)庀笠蜃?，降水量和日照時長間接影響稻飛虱發(fā)生程度，并以此為基礎(chǔ)進(jìn)行建模[5]。

水稻二化螟越冬蟲口基數(shù)與冬后成蟲發(fā)生量的關(guān)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(fā)生情況受地區(qū)氣象條件影響明顯，利用氣象因子對其發(fā)生動態(tài)進(jìn)行預(yù)測是一種較為實用的方式。當(dāng)前關(guān)于利用氣象因子構(gòu)建水稻二化螟發(fā)生預(yù)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(qū)的水稻二化螟發(fā)生動態(tài)進(jìn)行了預(yù)測模型的構(gòu)建[7]。由于不同地區(qū)的氣象條件區(qū)別較大，該預(yù)測模型是否適用于其他地區(qū)尚且有待考證。同時，在以往預(yù)測模型的報道中，很多研究直接采用氣象原始數(shù)據(jù)來預(yù)測害蟲的發(fā)生量[8]，這種方法常因各氣象因子的不同量綱而對預(yù)測模型的構(gòu)建及實際預(yù)測效果產(chǎn)生影響。在氣象因子的選擇方面，也有很多學(xué)者選取了全年的氣象數(shù)據(jù)對相關(guān)害蟲的發(fā)生動態(tài)進(jìn)行預(yù)測[9-11]，而國內(nèi)南北方水稻熟制不同，二化螟的發(fā)生代數(shù)也不同，相應(yīng)的成蟲的發(fā)生期也不一致。為此，本研究選取遼寧省東港市地區(qū)為研究區(qū)域，以當(dāng)?shù)囟蕉紫x解除休眠時期至二代二化螟成蟲發(fā)生期結(jié)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(yù)測因子，建立該地區(qū)水稻二化螟預(yù)測模型，并探討該預(yù)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(fā)生動態(tài)數(shù)據(jù)（2012～2021 年）來源自遼寧省農(nóng)業(yè)科學(xué)院植物保護(hù)研究所；氣象數(shù)據(jù)（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(shù)有限公司。

1.2 調(diào)查地點(diǎn)概況

二化螟成蟲發(fā)生動態(tài)調(diào)查地點(diǎn)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(qū)大陸性季風(fēng)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(shù)2 484 h。

1.3 歷年成蟲發(fā)生量調(diào)查

成蟲發(fā)生量調(diào)查于該地歷年二化螟成蟲發(fā)生期（5 月下旬至8 月末）開展，在測報專用基地內(nèi)設(shè)置誘捕器，內(nèi)置昆蟲性信息素誘芯，設(shè)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(diào)查誘捕二化螟成蟲數(shù)量并記錄。

1.4 研究方法

1.4.1 水稻二化螟發(fā)生等級劃分 根據(jù)東港地區(qū)歷年的水稻二化螟誘蛾量，對其發(fā)生情況進(jìn)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(qū)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(shè)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(shù)等級。由于數(shù)據(jù)量較為龐大，文中僅列出部分相關(guān)數(shù)據(jù)，詳見表1。

1.4.3 利用氣象因子等級預(yù)測水稻二化螟發(fā)生等級 本試驗利用DPS 18.1 軟件對數(shù)據(jù)進(jìn)行處理，將自變量X 與因變量Y 數(shù)據(jù)導(dǎo)入DPS 18.1 軟件中，進(jìn)行逐步回歸分析，篩選出主要的氣象因子，并得出相應(yīng)的回歸方程，即為相應(yīng)的預(yù)測模型。利用該預(yù)測模型對相關(guān)數(shù)據(jù)進(jìn)行回測以及檢驗。

2 結(jié)果與分析

2.1 水稻二化螟成蟲在稻田中的發(fā)生動態(tài)

由圖1 可知，水稻二化螟成蟲歷年在田間的暴發(fā)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(nèi)達(dá)到了10 d 累計發(fā)生量的最高值，其余年份則在6 月10 日～6月20 日達(dá)到峰值。按照6 月份最高10 d 累計發(fā)生量的大小進(jìn)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(qū)間內(nèi)達(dá)到了10 d 累計發(fā)生量的最高值，其余年份則在8 月10 日～8 月19 日達(dá)到了峰值。按照8 月份最高10 d 累計發(fā)生量的大小進(jìn)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(fā)生動態(tài)

2.2 水稻二化螟發(fā)生等級預(yù)測模型的建立及檢驗

利用DPS 18.1 軟件對水稻二化螟發(fā)生等級與氣象因子進(jìn)行逐步回歸分析，篩選出6 項主要的氣象因子（表2）?？芍?，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(fā)生等級Y 與X2、X6、X10、X12、X16及X18均呈現(xiàn)顯著相關(guān)，說明上述自變量對因變量具有真實的回歸關(guān)系，得出預(yù)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(yù)測模型對2012年至2019 年數(shù)據(jù)進(jìn)行回歸擬合，結(jié)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(zhǔn)確性。利用2020 年與2021年的氣象數(shù)據(jù)及水稻二化螟發(fā)生數(shù)據(jù)對所建立的預(yù)測模型進(jìn)行檢驗，將預(yù)測值與實際值進(jìn)行對比（表3），可知該模型的預(yù)測效果良好，2020 年與2021 年的預(yù)測誤差均不超過5%，能夠?qū)λ径陌l(fā)生等級起到有效的預(yù)測。

表2 氣象因子逐步篩選結(jié)果

表3 氣象因子預(yù)測模型的擬合結(jié)果

2.3 水稻二化螟成蟲發(fā)生等級與關(guān)鍵氣象因子的通徑分析

直接通徑系數(shù)為正數(shù)說明該項自變量對因變量具有促進(jìn)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(shù)最大，說明6 月和8 月的平均濕度是促進(jìn)水稻二化螟成蟲發(fā)生等級上升的最為關(guān)鍵的氣象因子；4 月平均氣溫（X2）的直接通徑系數(shù)為正數(shù)，但數(shù)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(fā)生等級影響稍??；其余3 項氣象因子中，6 月份降水量（X16）直接通徑系數(shù)的絕對值最大，說明6 月份降水量對水稻二化螟成蟲發(fā)生等級的影響最大，6 月份降水量越大，則當(dāng)年水稻二化螟成蟲的發(fā)生等級越小；其次為8 月份降水量（X18），直接通徑系數(shù)的絕對值為0.7914。8 月份平均溫度（X6）的直接通徑系數(shù)相對較小，說明該項氣象因子對水稻二化螟成蟲的發(fā)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(fā)生等級的最為關(guān)鍵的氣象因子。

表4 水稻二化螟發(fā)生等級與關(guān)鍵氣象因子的通徑分析

3 討論

精準(zhǔn)的預(yù)測預(yù)報是科學(xué)防治農(nóng)業(yè)害蟲的有效輔助手段。通過預(yù)測預(yù)報能夠掌握害蟲的基本發(fā)生動態(tài)，有助于在農(nóng)業(yè)生產(chǎn)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(gòu)建科學(xué)可信的預(yù)測模型需要連續(xù)多年的蟲情資料及氣象數(shù)據(jù)，李曉軍等建立山東泰安市地區(qū)梨小食心蟲的預(yù)測模型采用了連續(xù)5 年的氣象數(shù)據(jù)[12]，呂國強(qiáng)等構(gòu)建河南省河泛蝗區(qū)東亞飛蝗發(fā)生與氣象因子的預(yù)測模型收集了連續(xù)20 年的調(diào)查數(shù)據(jù)[13]，均構(gòu)建出準(zhǔn)確率高、可回驗的預(yù)測模型。本研究采用了2012 年至2019 年共計8 年的氣象數(shù)據(jù)與蟲情資料作為遼寧省東港市地區(qū)水稻二化螟發(fā)生動態(tài)預(yù)測模型的構(gòu)建要素，并以2020 年及2021 年的相關(guān)數(shù)據(jù)作為預(yù)測模型準(zhǔn)確性的驗證對象，結(jié)果顯示本研究所構(gòu)建的預(yù)測模型對歷史值的擬合程度和預(yù)測精準(zhǔn)度均表現(xiàn)極佳，連續(xù)多年的相關(guān)數(shù)據(jù)保證了預(yù)測模型的科學(xué)性和準(zhǔn)確性。在氣象數(shù)據(jù)選擇方面，本研究并未采取全年的氣象數(shù)據(jù)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(fā)生期時段，本研究調(diào)查的二化螟發(fā)生量數(shù)據(jù)僅為成蟲數(shù)據(jù)，若利用全年氣象數(shù)據(jù)進(jìn)行預(yù)測模型的構(gòu)建往往會受到極端氣候的影響而使得模型的準(zhǔn)確性降低。并且，在遼寧省地區(qū)3月份至8 月份氣象條件較為穩(wěn)定，利用該時段氣象數(shù)據(jù)構(gòu)建預(yù)測模型能夠更好地保證關(guān)鍵氣象因子的篩選，具備更可信的預(yù)測性。

本研究通過逐步回歸分析法構(gòu)建了遼寧省東港市地區(qū)水稻二化螟的發(fā)生等級預(yù)測模型，篩選出6 項影響該地區(qū)水稻二化螟發(fā)生的關(guān)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(fā)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(xué)特性有關(guān)，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(shù)量，若遭遇強(qiáng)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(dǎo)致兩代成蟲發(fā)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(guān)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(dǎo)致成蟲蟲口數(shù)量下降。4 月份平均溫度猜測與越冬老熟幼蟲的發(fā)育有關(guān)，春季溫度高可導(dǎo)致害蟲越冬之后早出蟄，發(fā)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(fā)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(xiàn)極端高溫，連續(xù)極端高溫天氣，對二化螟蛹羽化、雌雄交配、雌蟲產(chǎn)卵、卵孵化等行為都將產(chǎn)生顯著影響，導(dǎo)致成蟲發(fā)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(fā)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(fā)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(lián)系。此外，本研究所獲得的預(yù)測模型并非絕對模型，而是動態(tài)模型。隨著年份的增加，蟲害發(fā)生等級和氣象數(shù)據(jù)也在不斷的更新，構(gòu)建該預(yù)測模型中涉及的相關(guān)數(shù)據(jù)資料也應(yīng)進(jìn)行相應(yīng)的調(diào)整以保證預(yù)測模型的科學(xué)精準(zhǔn)性。

4 結(jié)論

本研究利用2012 年至2021 年的氣象數(shù)據(jù)與蟲情資料，通過逐步回歸分析法構(gòu)建并檢驗了遼寧省東港市地區(qū)水稻二化螟的發(fā)生等級預(yù)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(yù)測模型的擬合度與預(yù)測精準(zhǔn)度均較好，能夠為遼寧省東港市地區(qū)科學(xué)防治水稻二化螟提供有效的支持。