番茄叶片上美洲斑潜蝇幼虫种群密度的零频率估计法

蔡笃程, 李 炜, 肖冬梅

(海南大学环境与植物保护学院,儋州 571737)

种群密度的零频率(零样方比率)估计法在调查过程中不需检查所抽取样本的虫口数量,只需记录有虫样数和无虫样数,根据无虫样频率(零频率)即可估计所调查作物上的昆虫种群密度。此方法虽有一定的误差,但因其操作简便和效率高,在害虫田间种群密度需要迅速估计以便及时作出防治决策等场合仍有较高的实用价值,特别是当调查对象为一些个体小、繁殖速度快而难以直接计数的害虫时[1-4]。零频率估计法的模型有两类,一类是经种群空间格局的理论概率分布模型演绎而来,另一类是由种群密度和零频率拟合而得[1]。由于昆虫种群的空间格局往往因环境、种群密度和时间的不同而异,同时理论概率分布模型的拟合计算过程复杂,且有些模型(如负二项分布)其参数由于使用的估值方法不同会影响到资料的适合度,因而往往给应用带来不便;经验模型则只要选择适当,往往具有较强的描述能力。本文在0-1抽样的基础上,探索番茄叶片上美洲斑潜蝇(LirioMyza sativae Blanchard)幼虫种群密度和零频率关系的最优模型,以便在一定精度保证的前提下,简便、快捷地估计其田间发生情况,为明确其种群动态和防治决策的及时制定提供依据。

1 材料与方法

1.1 番茄叶片上美洲斑潜蝇幼虫种群密度的田间调查

调查在本校环境与植物保护学院教学实习基地进行,以叶片为单位、全株调查,记录番茄叶片上的幼虫数量(以有虫蛀道计),共查99株8 263叶。

1.2 m-p0模型的拟合

以约5株为1组,分别计算每组番茄叶片上美洲斑潜蝇幼虫种群密度m(头/叶)和零频率 p0,用m和p0分别拟合Gerrard-Chiang模型、线性函数、二次函数、双曲函数、指数函数、幂函数和对数函数7种模型：

最优模型以F值和R2(线性回归的决定系数或曲线回归的相关指数)综合判定[5-7]。

文中数据处理采用SPSS 10.0 for Window s统计软件进行。

2 结果与分析

2.1 番茄叶片上美洲斑潜蝇幼虫种群密度和零频率的田间调查结果

表1是番茄叶片上美洲斑潜蝇幼虫种群密度和零频率的田间调查结果。

表1 海南儋州2005年4月番茄叶片上美洲斑潜蝇幼虫种群密度与零频率

从表1可看出,m有随着p0的增大而减少的趋势,故可对其进行回归分析,探索最优回归模型。

2.2 m-p0模型的拟合

利用表1数据进行前述7种模型的拟合,结果见表2。

表2 番茄叶片上美洲斑潜蝇种群幼虫m-p0模型拟合结果

表2中7种模型的拟合结果表明,各模型均达显著水准,但综合F值和R2分析,番茄叶片上美洲斑潜蝇幼虫种群密度m和零频率p0回归模型以Gerrard-Chiang模型 m=1.322 5(-ln p0)1.0759为最优。

Gerrard-Chiang模型理论抽样数n采用以下公式计算[5]：

式中D为抽样精度,p0为零频率,b即模型中-ln p0的指数。本试验共调查番茄叶片8 623张,其中无虫叶6 983张,p0=6 983/8 623=0.845 1,取D=0.2代入上式,得理论抽样数n=187.3,即需检查188张叶片是否有虫,求得p0值后代入 m=1.322 5(-ln p0)1.0759即可求出每叶的虫口密度m。

将田间按理论抽样数调查取得的 p0值代入Gerrard-Chiang模型进行验证,所得理论值m和实测值M的比较结果见表3。

表3 Gerrard-Chiang模型理论值和实测值的比较1)

由表3可见,模型的精度小于预定D值0.2。因此利用Gerrard-Chiang模型根据0-1抽样所得p0值,可有效地估计番茄叶片上美洲斑潜蝇幼虫种群密度m。

3 小结与讨论

番茄叶片上美洲斑潜蝇幼虫种群密度m和零频率 p0的最优回归模型为 m=1.322 5(-ln p0)1.0759,理论抽样数n=187.3叶,利用该模型根据0-1抽样得出的p0值可有效地估计m值。

Gerrard-Chiang模型m=a(-ln p0)b被广泛应用于一些体小的有害生物(如蚜虫、螨类等)种群密度的估计[1],本文用m和 p0拟合Gerrard-Chiang模型和线性函数、二次函数、双曲函数、指数函数、幂函数及对数函数7种常见函数模型的结果也表明,Gerrard-Chiang模型优于其他6种常见函数模型。

用零频率方法估计昆虫田间种群密度,由于避免了直接计数的繁琐过程,因而具有操作简便和效率高的优点,但在应用时首先需满足理论抽样数且尽量采用随机抽样以保证抽样精度,因为模型建立的基础是随机抽样;另外在拟合m-p0模型时,m、p0数据最好有10～20组或更多,以保证模型F检验时有足够的残差自由度,另一方面用于计算m、p0的样本数不能过小,最好在 100以上(至少应达到50),以保证m、p0的可靠性。

[1]汪信庚,刘树生.昆虫种群密度的二项抽样估计模型研究进展[J].生物数学学报,1996,11(3)：45-51.

[2]H all DG,Childers C C,Eger JE.BinoMial saMpling to estimate rust Mite(Acari：E riophyidae)densities on orange fruit[J].Journal of EconoMic EntoMology,2007,100(1)：233-240.

[3]SchaaljeG B,Butts R A,Lysyk T J.Simulation studies of binoMial sampling：a new variance estimator and density predictor,with special reference to the russian w heat aphid(Homoptera：Aphididae)[J].Journal of EconoMic En tomology,1991,84(1)：140-147.

[4]EiziKuno.Evaluation of statisticalp recision and design of efficient sampling for the population estimation based on frequency of occur rence[J].Researcheson Popu lation Ecology,1986,28(2)：305-319.

[5]丁岩钦.昆虫数学生态学[M].北京：科学出版社,1994：126-134.

[6]秦厚国,叶正襄,李华.稻茎毛眼水蝇幼虫密度估计方法的研究[J].中国水稻科学,1996,10(3)：185-188.

[7]卢纹岱,朱一力,沙捷,等.SPSS forW indow s从入门到精通[M].北京：电子工业出版社,1997：318-334.