咸陽市冬小麥病蟲害氣象風(fēng)險(xiǎn)預(yù)報(bào)技術(shù)研究

中圖分類號(hào)：S512 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：0488-5368（2025）06-0087-05

Abstract：The major diseases and pests afecting winter wheat include stripe rust，F(xiàn)usarium head blight，aphids，and red spider mites.This study utilized data on temperature，precipitation，sunshine duration，and relative humidity from 12 meteorological stations in Xianyang，covering the period from 2014 to 2024，as independent variables to analyze and predict the development trends of these diseases and pests.The objective is to develop meteorological risk forecasting techniques for winter wheat pests and diseases.Pearson correlation analysis was conducted to examine the relationships between meteorological factorsand the affected areas of the two major diseases and two key pests.Significant meteorological variables identified through the correlation analysis were used to construct multiple linear regresson models，which were subsequently validated.The validation results indicated thatthe predicted affected areas deviated fromthe actual values byO to 1O.7 thousand hectares，with an accuracy rate of 93.2% . The maximum absolute difference between the predicted and observed severity levels was 1（on astandardized scale），with no extreme errors，therebysatisfying the demand of the agricultural sector for accurate meteorological forecasts concerning winter wheat diseases and pests.

Key Words： Winter Wheat ; Diseases and pests；Meteorological factors; Correlation; Risk forecasting

咸陽市位于陜西省關(guān)中腹地，地處暖溫帶，屬大陸性季風(fēng)氣候，四季分明，光、熱、水資源較豐富。小麥?zhǔn)窍剃柺兄饕r(nóng)作物之一，種植面積約為

21.23萬 hm² 。農(nóng)作物病蟲害是影響作物產(chǎn)量及品質(zhì)的主要不利因素。隨著全球氣候變化和農(nóng)業(yè)結(jié)構(gòu)調(diào)整，農(nóng)作物病蟲害的發(fā)生與致災(zāi)趨于復(fù)雜化，咸陽冬小麥常見病蟲害發(fā)生面積趨勢(shì)表現(xiàn)為：赤霉病及紅蜘蛛發(fā)生面積呈上升趨勢(shì)、條銹病年度波動(dòng)較大、蚜蟲呈下降趨勢(shì)。這些病蟲害的發(fā)生發(fā)展與氣象條件密切相關(guān)，因此，研究冬小麥病蟲害氣象因子特征及風(fēng)險(xiǎn)預(yù)報(bào)技術(shù)，對(duì)于增強(qiáng)農(nóng)業(yè)生物災(zāi)害成災(zāi)的可預(yù)見性，提高防御農(nóng)業(yè)災(zāi)害的整體技術(shù)水平，保障糧食作物健康、持續(xù)發(fā)展具有重大作用和深遠(yuǎn)意義。

基于氣象視角的冬小麥病蟲害預(yù)報(bào)方法包括數(shù)理統(tǒng)計(jì)預(yù)報(bào)法、模糊數(shù)學(xué)預(yù)報(bào)法、灰色系統(tǒng)預(yù)報(bào)法、人工神經(jīng)網(wǎng)絡(luò)預(yù)報(bào)法、“3S”技術(shù)預(yù)報(bào)方法等，通過不同的預(yù)報(bào)方法，建立相關(guān)預(yù)報(bào)模型，可以提前預(yù)測(cè)病蟲害發(fā)生風(fēng)險(xiǎn)，指導(dǎo)農(nóng)業(yè)生產(chǎn)。基于數(shù)理統(tǒng)計(jì)預(yù)報(bào)方法是最早被提出來，也是應(yīng)用最廣的一種方法，包括直線回歸分析、多項(xiàng)式分析和多元線性回歸分析等，該方法具有建模簡單，使用方便等特點(diǎn)。近年來，國內(nèi)很多學(xué)者通過不同方法對(duì)作物病蟲害氣象預(yù)測(cè)建立了不同的預(yù)測(cè)模型，劉偉昌等的河南省小麥病蟲害氣象預(yù)測(cè)預(yù)報(bào)模型研究[2];李勇等的鳳岡縣水稻病蟲害預(yù)測(cè)模型組建3；曲靜等的西安地區(qū)玉米主要病蟲害的氣象預(yù)測(cè)[4；霍志國等的試論開展中國農(nóng)作物病蟲害危害流行的長期氣象預(yù)測(cè)研究5；林鍇等的基于物聯(lián)網(wǎng)的蔬菜主要病蟲害動(dòng)態(tài)氣象預(yù)報(bào)模型[6]；楊淑香等的內(nèi)蒙古東北部落葉松早落病發(fā)生發(fā)展的氣象預(yù)測(cè)；孫亞麗等的農(nóng)業(yè)氣象服務(wù)在農(nóng)作物病蟲害防治中的應(yīng)用8等，這些方法的大多側(cè)重于單一病蟲害，而對(duì)于多時(shí)段、多氣象因子和多種冬小麥病蟲害的預(yù)測(cè)模型研究偏少。本研究選用2014-2024年共計(jì)11a咸陽地區(qū)主要冬小麥病蟲害與相應(yīng)的氣溫、降水、日照、相對(duì)濕度等氣象要素，建立冬小麥病蟲害預(yù)報(bào)預(yù)測(cè)模型，研究咸陽冬小麥病蟲害風(fēng)險(xiǎn)預(yù)報(bào)方法，為冬小麥病蟲害防治、田間管理、產(chǎn)量預(yù)測(cè)等提供決策依據(jù)和參考。

1.1 資料來源

主要冬小麥病蟲害資料來源咸陽市植物檢疫站，2014-2024年咸陽地區(qū)常年發(fā)生的小麥病蟲害主要包括條銹病、白粉病、赤霉病、莖基腐病、紋枯病、蚜蟲、紅蜘蛛、吸漿蟲、地下害蟲等，本文選取具有代表性的條銹病、赤霉病和蚜蟲、紅蜘蛛進(jìn)行分析研究。

氣象資料來源于咸陽市氣象局12個(gè)縣區(qū)的地面觀測(cè)數(shù)據(jù)，選取2013－2024年冬小麥生育期主要?dú)庀筚Y料（包括播種當(dāng)年10月至次年6月共計(jì)27旬平均氣溫、降水量、日照時(shí)數(shù)和相對(duì)濕度）。觀測(cè)過程嚴(yán)格遵循《地面氣象觀測(cè)規(guī)范》（QX/T45-2020），設(shè)備定期校準(zhǔn)維護(hù)，異常數(shù)據(jù)經(jīng)多站點(diǎn)交叉驗(yàn)證與人工復(fù)核修正，并按統(tǒng)一格式整合為12個(gè)縣區(qū)空間平均值，確保數(shù)據(jù)完整性（無缺失時(shí)段）、準(zhǔn)確性（誤差率 lt;1% ）和規(guī)范性（標(biāo)準(zhǔn)化存儲(chǔ)與調(diào)用）。

1.2 研究方法

利用Pearson相關(guān)性分析，計(jì)算氣象因子與冬小麥四種主要病蟲害發(fā)生面積的相關(guān)性，挑選相關(guān)性系數(shù)高且通過信度檢驗(yàn)的氣象因子，舍棄未通過檢驗(yàn)的因子，用篩選出來的氣象因子，通過多元線性回歸方程進(jìn)行建模，通過檢驗(yàn)對(duì)模型進(jìn)行篩選，得到最終的預(yù)測(cè)模型。

農(nóng)業(yè)部門根據(jù)病蟲害導(dǎo)致冬小麥病株率、病葉率、病情指數(shù)等綜合指標(biāo)，將病蟲害發(fā)生程度劃分為5個(gè)等級(jí)。本文主要分析氣象條件對(duì)病蟲害發(fā)生、發(fā)展趨勢(shì)的影響。根據(jù)每種病蟲害20年來最大發(fā)生面積的整數(shù)除以5求出級(jí)差，劃分為5個(gè)等級(jí)，風(fēng)險(xiǎn)程度分別為（0，d為1級(jí)，輕發(fā)生；（d，2d為2級(jí)，偏輕發(fā)生；（2d，3d]為3級(jí)，中等發(fā)生；（3d，4d]為4級(jí)，偏重發(fā)生； （gt;4d ）為5級(jí)，重發(fā)生。

根據(jù)上述分類方法得出的結(jié)果如下（表1）。

1資料來源與方法

2 發(fā)生概況與結(jié)果分析

2.1冬小麥主要病蟲害發(fā)生概況

據(jù)農(nóng)業(yè)部門調(diào)查及統(tǒng)計(jì)顯示，近年來咸陽冬小麥種植面積逐年遞減，而部分病蟲害發(fā)生面積卻逐年增加，條銹病、赤霉病、蚜蟲、紅蜘蛛是冬小麥主要病蟲害。小麥條銹病是由條形柄銹菌引起的，該病在小麥出苗至成熟整個(gè)生育期都有可能會(huì)發(fā)生，流行年份可減產(chǎn) 20%～30% ，嚴(yán)重時(shí)可減產(chǎn) 50% ：小麥赤霉病又稱爛穗病，由多種鐮刀菌侵染所引起，從苗期到穗期均可發(fā)生，嚴(yán)重發(fā)生時(shí)可造成30% 以上減產(chǎn)；小麥蚜蟲又名“蜜蟲子”，常聚集在幼苗和葉莖上，取食小麥的汁液，致使小麥千粒重下降，一般可減產(chǎn) 20%～30% ，嚴(yán)重時(shí)達(dá) 50% 左右，這三種病蟲害都是我國一類農(nóng)作物病蟲害。小麥紅蜘蛛是陜西省二類農(nóng)作物蟲害，主要以春季為害為主，刺吸小麥葉片汁液，一旦被侵害會(huì)導(dǎo)致植株矮小，發(fā)育不良，重者干枯死亡。

圖1是咸陽市近10年冬小麥主要病蟲害發(fā)生面積變化趨勢(shì)圖，可以看出，近10年來咸陽市冬小麥主要病蟲害發(fā)生面積從大到小依次是蚜蟲、紅蜘蛛、條銹病、赤霉病;蚜蟲在2015年發(fā)生面積最大，為21.33萬 hm² ，2020年發(fā)生面積最小，15.99萬hm² ，年均發(fā)生面積18.51萬 hm² ，整體呈下降趨勢(shì)；紅蜘蛛在2014年發(fā)生面積最大，為17.33萬hm²，2018 年發(fā)生面積最小，為13.2萬 hm² ，年均發(fā)生面積15.46萬 hm² ，整體呈上升趨勢(shì);條銹病在2021年發(fā)生面積最大，為16.43萬 hm² ，2016年發(fā)生面積最小，為0.93萬 hm² ，年均發(fā)生面積6.45萬 hm² ，整體上下波動(dòng)較大；赤霉病在2023年發(fā)生面積最大，為10.29萬 hm² ，2020年發(fā)生面積最小，為0.85萬 hm² ，年均發(fā)生面積4.4萬 hm² ，整體呈上升趨勢(shì)。

2.2冬小麥主要病蟲害氣象因子預(yù)報(bào)模型

通過Pearson相關(guān)性分析，選取通過信度雙尾顯著性檢驗(yàn)的氣象因子作為自變量（表2），自變量之間不存在多重共線性，四種病蟲害分別作為因變量進(jìn)行多元線性回歸分析，回歸模型殘差基本服從正態(tài)分布，運(yùn)行結(jié)果穩(wěn)定可靠；模型擬合程度 R² 分別為 99.4% .96.9% 86.1% ） 88.5% ，擬合效果較好（表3）。回歸模型和回歸系數(shù)顯著性 值均小于0.05，通過了F檢驗(yàn)、T檢驗(yàn)，說明模型可用，能夠滿足基于氣象條件對(duì)冬小麥病蟲害發(fā)生面積預(yù)測(cè)的要求。

2.3冬小麥病蟲害氣象因子預(yù)報(bào)檢驗(yàn)

使用歷史不同時(shí)期氣象資料代入病蟲害預(yù)測(cè)模型進(jìn)行檢驗(yàn)（圖2），發(fā)現(xiàn)病蟲害發(fā)生的預(yù)測(cè)面積與實(shí)際發(fā)生面積差值在 0～1.07 萬 hm² ；表4中風(fēng)險(xiǎn)等級(jí)歷史預(yù)測(cè)準(zhǔn)確率在 93.2% ，其預(yù)測(cè)等級(jí)與實(shí)際等級(jí)差的絕對(duì)值最大為1，無發(fā)生預(yù)測(cè)成重發(fā)生或重發(fā)生預(yù)測(cè)成輕發(fā)生極端錯(cuò)誤現(xiàn)象，預(yù)測(cè)效果較好。

3 結(jié)論與討論

（1）近年來，咸陽市冬小麥蚜蟲、紅蜘蛛、條銹病、赤霉病四類病蟲害對(duì)小麥生產(chǎn)構(gòu)成顯著威脅，年均發(fā)生面積分別為18.51萬 hm²，15.46 萬 hm² 、6.45萬 hm²?0.85 萬 hm² ，其發(fā)展趨勢(shì)依次呈現(xiàn)下降、上升、年際波動(dòng)和上升特征?；赑earson相關(guān)性分析發(fā)現(xiàn)，病蟲害發(fā)生面積與降水、氣溫、相對(duì)濕度等氣象因子具有顯著關(guān)聯(lián)性（ α∝0.05 。通過構(gòu)建多元線性回歸模型，預(yù)測(cè)面積與實(shí)際面積差值可控制在 0～1.07 萬 hm² ，歷史風(fēng)險(xiǎn)等級(jí)擬合準(zhǔn)確率達(dá) 93.2% 。通過模型預(yù)測(cè)結(jié)果，可提前發(fā)布病蟲害氣象風(fēng)險(xiǎn)預(yù)警，幫助農(nóng)戶科學(xué)制定噴藥、輪作等防治措施，減少農(nóng)藥濫用和防治成本。結(jié)合病蟲害發(fā)展趨勢(shì)，農(nóng)業(yè)部門可動(dòng)態(tài)調(diào)整區(qū)域防控資源（如藥劑儲(chǔ)備、技術(shù)培訓(xùn)），優(yōu)先聚焦紅蜘蛛、赤霉病等上升型病蟲害高發(fā)區(qū)域。

（2）氣象預(yù)測(cè)病蟲害受多種氣象因素影響，由于數(shù)據(jù)獲取和計(jì)算復(fù)雜度較高，本研究選取與病蟲害相關(guān)性顯著的降水、氣溫、相對(duì)濕度及日照時(shí)數(shù)作為核心氣象因子進(jìn)行回歸分析，但所選因子覆蓋維度仍存在局限。例如，風(fēng)速、風(fēng)向、地溫及土壤相對(duì)濕度等潛在關(guān)聯(lián)因子尚未納入研究體系。未來研究可優(yōu)先驗(yàn)證風(fēng)速、土壤濕度等單一變量對(duì)病蟲害的獨(dú)立影響機(jī)制，通過敏感性分析量化其對(duì)預(yù)測(cè)模型的精度貢獻(xiàn)度，并分階段將這些因子整合至現(xiàn)有回歸模型中，以規(guī)避多變量同步引入導(dǎo)致的模型

過擬合風(fēng)險(xiǎn)。

（3）冬小麥病蟲害發(fā)生發(fā)展趨勢(shì)受到多種因素的影響，除氣象因素外，還與病蟲害基數(shù)、小麥品種、抗病能力、種植結(jié)構(gòu)、農(nóng)事操作、病蟲害防控措施等多種因素息息相關(guān)，多數(shù)因素資料難以獲取或無法進(jìn)行定量化分析，未來還需要進(jìn)行探索性研究。

參考文獻(xiàn)：

[1] 王淑梅.基于氣象視角的農(nóng)作物病蟲害預(yù)測(cè)預(yù)報(bào)研究概況[J].中國植保導(dǎo)刊，2009（12）：13-16.

[2] 劉偉昌，王君，陳懷亮，等.河南省小麥病蟲害氣象預(yù)測(cè)預(yù)報(bào)模型研究[J].氣象與環(huán)境科學(xué)，2008（8）：29-32.

[3] 李勇，劉建國，余楠，等.鳳岡縣水稻病蟲害預(yù)測(cè)預(yù)報(bào)模型組件[J].貴州氣象，2004（增刊）：29-34.

[4] 曲靜，王昱，曹瑛，等.西安地區(qū)玉米主要病蟲害的氣象預(yù)測(cè)[J].作物研究，2014，28（6）：661-664.

[5] 霍志國，劉萬才，邵振潤，等.試論開展中國農(nóng)作物病蟲害危害流行的長期氣象預(yù)測(cè)研究[J].自然災(zāi)害學(xué)報(bào)，2000（2）：117-121.

[6] 林錯(cuò)，黃園園，關(guān)哲忠，等.基于物聯(lián)網(wǎng)的蔬菜主要病蟲害動(dòng)態(tài)氣象預(yù)報(bào)模型[J].農(nóng)業(yè)災(zāi)害研究，2022，12（2） ：31-33.

[7] 楊淑香，陳素華.內(nèi)蒙古東北部落葉松早落病發(fā)生發(fā)展的氣象預(yù)測(cè)[J].中國農(nóng)學(xué)通報(bào)，2015，31（25）：19-23.

[8] 孫亞麗.農(nóng)業(yè)氣象服務(wù)在農(nóng)作物病蟲害防治中的應(yīng)用[J].農(nóng)業(yè)災(zāi)害研究，2024，4（4）：215-217.