水稻褐飞虱危害等级的模型预报

袁昌洪 吕冬红 王海青 刘 方 张 驰

摘要以1987～2006年泰州地区水稻褐飞虱危害程度为研究对象,在月平均气温、月降水量、月降水日数(≥0.1mm日数)、月平均相对湿度、月日照时数等因子中,选取相关系数较高且稳定性好的预测因子,在逐步回归分析方法的基础上,集成建立了水稻褐飞虱危害程度的农业气象预报模型。经过回报检验,显示该模式简单、实用,预报效果良好。

关键词水稻;褐飞虱;危害等级;农业气象预报模型

中图分类号 S431.3 文献标识码A文章编号 1007-5739(2009)08-0070-02

褐飞虱是水稻上重要的迁飞性害虫,常年在我国淮河以南稻区发生较为普遍,长江流域及其以南地区暴发频率高。水稻褐飞虱为喜温性害虫,北纬19°以南为终年繁殖区,北纬19~25°为少量越冬区,其越冬北界冬季气温的年度差异在北纬21~25°期间摆动。泰州属长江中下游地区,褐飞虱的主害代为六(3)代和七(4)代,其高峰期一般为8月下旬和10月上旬。水稻褐飞虱危害成灾的外部因素主要包括气象条件、水稻耕种制度及化学药剂防治等。近年来,受夏季台风的影响,迁入我国的褐飞虱峰次多;迁入量大,为其暴发提供了初始虫源,成为大发生的前提;夏凉秋暖的适宜气候条件使褐飞虱的生殖潜能得以发挥是褐飞虱大发生的关键因素;水稻耕作制度及栽培方法的变化、褐飞虱种群致害力的增加、抗药性及防治技术不到位则是褐飞虱暴发成灾的客观原因。水稻褐飞虱发生时,成、若虫群集于稻丛下部刺吸汁液,雌虫产卵时,用产卵器刺破叶鞘和叶片,易使稻株失水或感染菌核病。其排泄物常导致霉菌滋生,影响水稻光合作用和呼吸作用,严重的地区甚至棵粒无收。因此,做好褐飞虱发生的预测工作,及时组织适时适量用药,减小褐飞虱对粮食的危害十分重要。

1资料与方法

1.1资料

水稻褐飞虱危害程度资料来自泰州所属4个市植保部门每年8月下旬和10月上旬关于主害代高峰期田间总虫量的监测数据,这些资料均为田间自然观察圃的监测资料,时间序列为1987～2006年;所有的气象资料来自于泰州市气象部门,时间序列为1986～2006年。

1.2方法

1.2.1 水稻褐飞虱危害程度分级。主害代高峰期田间总虫量分级方法:百穴虫量小于500头,轻发生,为1级;百穴虫量在500~1 000头,偏轻发生,为2级;百穴虫量在1 000~2 000头,中等发生,为3级;百穴虫量2 000~3 000头,偏重发生,为4级;百穴虫量大于3 000头,大发生,为5级。

1.2.2预测因子的选择。在统计分析中发现预测对象和预测因子间相关系数虽然较高,但分段来看,有时前几年相关好,但后几年相关差;或反之。有的序列随着样本数的增加相关系数变小,为避免这类预测因子入选,需对达到显著性水平的预测因子进行稳定性检验(表1),以提取和预测对象关系密切的预测因子。设资料有N年,每年的样本数为n,计算时以开始序号i(i=1,2……,n-1)和结束序号j(j=2,3,……,n)之间的累加值(或平均值)组成一预测因子。

1.2.3逐步回归判别分析

运用贝叶斯逐步判别分析方法建立判别函数,进行多类判别,从而确定样本最可能归类。将预测对象分成G类,对应于预测量第g类(g=1,2,……G)有m个预测因子。若最后选入的预测因子为X1,X2,……,Xk,则判别方程为:fg=C0+■CiXi…①,预测时,将某年预测因子值代入式①,计算出f1,f2,……,fg,取最大值所对应的类别即为该年的预测等级。

1.2.4逐步回归分析。对于因变量的每一组观测值γi,对应有一组自变量Zij,其中i=1,2,……,n;j=1,2,……,m。给定临界值Fa,对预测因子采用双重检验先剔除后引进的原则精选预测因子,若最后选入的因子为Z1,Z2,……,Zk,则得到的回归方程为:■=C0+■CiZi…②,将某年预测因子值代入式②,计算得到■值,即为该年的预测等级。

1.2.5预测结果检验。预测模型的最后检验时,其预报检验结果<1时设定为1,>5时设定为5,在1~5之间时采用四舍五入法取整。水稻褐飞虱实际预报工作中都跨级预报,所以规定预测值与实际值差≤1级为准确,否则为不准确。预测准确率为预测准确的年数占预测总年数的百分比。

1.2.6预报时效。统一将8月下旬和10月上旬褐飞虱危害程度的预报起报时间定为8月上旬,其预报时效分别为20d和70d。

2水稻褐飞虱危害程度的农业气象模式

迁飞性害虫的发生与气象条件密切相关。季节遇有雨日多、雨量大有利于褐飞虱的迁飞和降落,迁入时容易大发生;褐飞虱生长发育适宜温度为20～30℃,26℃最适,长江流域遇夏季不热、晚秋气温偏高时利于其发生,适宜的气候条件是褐飞虱大发生的关键。

根据植保部门对六(3)代和七(4)代高峰期(分别是8月下旬和10月上旬)的测报数据,统计1987～2006年褐飞虱危害前期各月平均气温、降水量、降水日数、平均相对湿度、日照时数,分别与泰州8月下旬和10月上旬褐飞虱影响程度的相关程度(通过0.05信度检验),选择相关性好、稳定度高的气象预报因子,分别建立回归预报模式。

2.1水稻褐飞虱危害程度模式

Y1=2.587-0.465 X1+0.031 X2-0.025 X3-0.010 X4+0.036 X5-0.011 X6+0.219 X7…③,式中:Y1表示8月下旬水稻褐飞虱危害程度的预报模式,其中X1、X2、X3、X4、X5、X6、X7分别表示4月平均气温、5月降水量、4月日照时数、2月日照时数、3月日照时数、4月降水量、5月平均气温。

Y2=8.405-0.602 X1+0.026 X2-0.057 X3+0.011 X4+0.227 X5-0.343 X6+0.016 X7+0.173 X8+0.256 X9…④,式中:Y2表示10月上旬水稻褐飞虱危害程度的预报模式,其中X1、X2、X3、X4、X5、X6、X7、X8、X9分别表示4月平均气温、3月日照时数、4月日照时数、4月降水量、3月平均气温、4月降水日数、3月降水日数、7月份降水日数、5月平均气温。

2.2模式检验

分别将③、④预测模型进行回报检验,将检验结果按照事先设定的函数边界和取整方法进行确定,结果显示,③式检验结果(表2)1988年、1997年和2002年均报错,其余正确,准确率为85%;④式检验结果(表3)1987年、1994年、1997年和2005年均报错,准确率80%。从图1和图2看,模式在大发生年的趋势均预报得很好,其中图1中1991年、1997年和2006年均预报到了3~4级,图2中1988年~1991年、1997年和2006年也都体现了发生趋势。

3结语与讨论

(1)分析了影响水稻褐飞虱危害程度的有指示作用的气象因子,主要是相关时段的平均气温、降水量、降水日数和日照时数,褐飞虱危害程度与平均相对湿度没有明显关联。在褐飞虱发生前期的气象因子中选取通过信度检验的因子,建立褐飞虱发生程度的预报模式,回报检验显示本模式简单、实用,预报效果良好。

(2)尽管迁飞性虫害的发生、发展和流行与气象条件密切相关,或与气象灾害相伴发生,但毕竟影响水稻褐飞虱危害程度的原因有很多,而水稻褐飞虱也并不主要是气象型虫害,在本模式中没有考虑其他因素,是本模式的不足之处。

(3)关于水稻褐飞虱的预报模式也有人做过大气环流模式、海温模式以及人工神经元模式等,都取得了一些进展,在以后的工作中要进行多方面的比较验证,以完善现有模式。

4参考文献

[1] 江苏省植物保护站.农作物主要病虫害预测预报与防治[M].南京:江苏科学技术出版社,2006.

[2] 魏淑秋.农业气象统计[M].福州:福建科学技术出版社,1985.

[3] 朱盛明.相关系数稳定性分析方法及其应用[J].气象学报,1982,40(4):497-501.

[4] 胡永宏,贺思辉.综合评价方法[M].北京:科学出版社,2000.

[5] 王馥棠,冯定原,张宏铭,等.农业气象预报概论[M].北京:农业出版社,1991.

[6] 许昌燊.农业气象指标大全[M].北京:气象出版社,2004.

[7] 程遐年,吴进才,马飞.褐飞虱研究与防治[M].北京:中国农业出版社,2003.

[8] 高希武,彭丽年,梁帝允.对2005年水稻褐飞虱大发生的思考[J].植物保护,2006,32(2):23-25.

[9] 王艳青.近年来中国水稻病虫害发生及趋势分析[J].中国农学通报,2006,22(2):343-347.