浙江沿海防护林马尾松毛虫的预测预报模型

田万银，徐华潮

(浙江农林大学林业与生物技术学院，浙江临安311300)

马尾松毛虫Dendrolimus punctatus Walker属于鳞翅目Lepidoptera枯叶蛾科Lasiocampidae松毛虫属，主要危害马尾松Pinus massoniana Lamb，其次危害黑松Pinus thunbergii Parl、火炬松Pinus taeda L．、湿地松 Pinus elliottii Engelm、晚松 Pinus rigidavar Serotina、海南松Pinus latteri Mason等松属植物 (侯陶谦，1987)。马尾松毛虫在中幼林生长差、郁闭度低、林下植被覆盖率低的马尾松纯林中较易暴发成灾 (黄向东和陈良昌，2008;徐光余等，2008)。马尾松毛虫一般通过幼虫取食松树针叶危害松属植物，松树受害后，轻则造成松树材积生长率下降，松脂减少，种子产量降低;重则造成松树生长极度衰弱，从而招引蛀干性害虫入侵，引起松树大面积死亡 (马骧，2008)。

1989年，林业部为了保障沿海地区的生态安全和经济社会发展而启动了沿海防护林体系工程。该工程对改善生态环境，维护生态平衡，保护沿海人民生存和发展起着决定性作用 (谷建才等，2000)。然而，相比于内陆，沿海防护林树种单一，多以人工纯林为主，加上台风的辅助作用，使得病虫害较易大范围发生。其中，马尾松毛虫对沿海防护林松属植物的危害就是一个典型的例子:据不完全统计，2008年松科植物在浙江省仙居县海防林树种中的比重为67.6%，一旦马尾松毛虫在此环境中发生，势必会引起马尾松毛虫的大范围暴发并随风力迅速传播，极难控制。因此，及时有效地对沿海防护林马尾松毛虫的发生进行监测和防治十分必要。而预测预报工作是在病虫害尚未对林业造成重大损失之前对病虫害的发生状况和增长趋势进行预测，从而为病虫害防治工作提供一定参考依据的一系列技术手段。

长期以来，有关马尾松毛虫预测预报方面的研究并不少见，如逐步回归分析 (薛贤清，1984)、判别分析 (薛贤清等，1982)、模糊聚类分析 (薛贤清等，1986)、马尔可夫链分析 (江土玲和金崇华，1986)、区划分析 (魏初奖等，2002)及灰色系统分析 (陈绘画等，2004)等，董振辉等人甚至还开发出了病虫害有虫面积测报的专用软件 (董振辉等，2002)。然而，这些测报方法，多数在计算及推导方面极为复杂且在选取影响马尾松毛虫发生的主导因子时主观性太强。最为重要的是，目前为止，几乎还没有一项专门针对沿海防护林马尾松毛虫预测预报的研究，而沿海防护林作为一个特殊的林业体系，无论是其环境气候还是动植物组成都有别于普通的内陆森林。针对以上问题，本文使用SAS(黄少伟和谢维辉，2001)的相关原理及方法对沿海防护林马尾松毛虫的发生进行预测预报有着特殊的意义。

1 材料与方法

1.1 试验地概况

仙居县地处浙江省东南部，靠近东海，位于台州市的西部，东连临海、黄岩，南邻永嘉县，西接缙云县，北靠东阳市磐安县和天台县。在北纬约 28.5°～29°之间，境内南北直线距离为57.6 km;东经约120°～121°之间，东西直线距离为63.6 km。该县年平均气温17.2℃，年平均降水量为1443.8 mm，年平均日照时数为1785.5 h。实验林以松科植物为主。

1.2 材料来源

马尾松毛虫的虫情资料来自浙江省仙居县森防站，主要为1983～2011年仙居县的虫口密度(见表2、表3)。气象资料来源于浙江省仙居县气象局，主要包括1982年4月～2011年3月的降水量、风速、气温、水汽压、相对湿度、云量、日照时数等 (见图1、2、3、4)。

图1 仙居县各月总云量及风速Fig.1 Monthly total cloud amount and wind speed in Xianju

1.3 数据分析方法

由于越冬 (后)代马尾松毛虫对马尾松林当年生长威胁性大，是生产中防治的重点 (陈绘画等，2003)，故将越冬 (后)代马尾松毛虫的虫口密度作为因变量Y。从上年4月开始至当年3月的月平均气温、月降雨量、月平均相对湿度等84个气象因子作为预报因子，即自变量 X。利用Statistical Analysis System(SAS)软件对1983～2006年的虫口密度及对应的气象数据进行相关性分析并采用逐步回归分析法建立马尾松毛虫虫口密度的回归预测模型。最后使用2007～2011年的虫口密度及相对应的气象因子对模型进行预测检验。

2 结果与分析

2.1 相关性分析筛选测报因子

利用SAS软件，对整理好的数据进行相关性分析。将汇总整理的数据材料，导入到SAS的数据库中，总共84个变量:X1～X12为上年4月至当年3月的月平均风速，X13～X24为上年4月至当年3月的月降水量，X25～X36为上年4月至当年3月的月平均气温，X37～X48为上年4月至当年3月的月平均水汽压，X49～X60为上年4月至当年3月的月平均相对湿度，X61～X72上年4月至当年3月的月平均总云量，X73～X84上年4月至当年3月的月日照时数。利用SAS软件编辑相关性分析的程序，从而确定与Y相关的X变量。

2.2 建立回归模型

运用逐步回归的分析方法，建立沿海防护林马尾松毛虫虫口密度的预测预报模型。运算结果如表1所示，

表1 方程的相关模拟结果Table 1 Correlated simulation of formula

由表1可得回归方程:

Y=69.29930+0.43190X3－0.00094141X4+2.67627X9－6.61221X12－0.00471X18－0.01119X24+0.00335X27－0.75926X30－1.02114X33+0.00161X35－1.29973X41+0.44153X43+0.04662X45－0.12457X46+0.02696X49－0.06088X61+1.17449X66－0.16501X68－1.16348X71－0.00316X75+0.00194X78－0.01420X79

(其中，Y为当年越冬 (后)代马尾松毛虫虫口密度，X3为上年6月平均风速，X4为上年7月平均风速，X9为上年12月平均风速，X12为当年3平均风速，X18为上年9月降水量，X24为当年3月降水量，X27为上年6月平均气温，X30为上年9月平均气温，X33为上年12月平均气温，X35为当年2月平均气温，X41上年8月平均水汽压，X43为上年10月平均水汽压，X45为上年12月平均水汽压，X46为当年1月平均水汽压，X49为上年4月平均相对湿度，X61为上年4月平均总云量，X66为上年9月平均总云量，X68为上年11月平均总云量，X71为当年2月平均总云量，X75为上年6月日照时数，X78为上年9月日照时数，X79为上年10月日照时数)。

2.3 检验回归模型

利用建立的模型对1983～2006年资料进行拟合性检验并对2007～2011年数据进行预测检验(分别见表2、表3)。

表2 方程的拟和性检验结果Table 2 Test of conformability of formula

表3 方程的测报检验结果Table 3 Inspection results of equation's forecasting

由以上模型可知，诸多环境因素对马尾松毛虫的虫口密度均有显著的影响 (表1中的P＜0.05)，如月平均风速、月平均气温、月平均水汽压、月总云量、月日照时数等均为影响马尾松毛虫虫口密度的主导因子。原因是沿海防护林气候多变，常受台风、暴雨、龙卷风等自然灾害的影响，因而沿海防护林马尾松毛虫的虫口密度会受多种气象因子的共同作用。

由表2可看出，除少数年份外，方程拟合性检验的历史符合率均较高。从2003年至2006年，方程的拟合性检验结果出现了较大的偏差。经调查，方程出现较大偏差的年份，均出现了较为严重的自然灾害:如2002年4月仙居县出现了较为严重的冰雹及大雨天气，因而2003年越冬 (后)代马尾松毛虫的虫口密度会受到一定的影响;又如2005年，该县的自然灾害更为严重，先后在2005年7月、2005年8月、2005年9月分别受“海棠”、“麦莎”、“卡努”台风的侵扰，对2006年该县越冬 (后)代的马尾松毛虫虫口密度产生了极大的影响。除此之外，相比以往年份，近几年该县使用一些人为的方法 (如喷施农药)而使得该县的马尾松毛虫的虫口密度突然有较大幅度的下降，因而这几年间方程的拟合性检验结果出现了较为明显的偏差。方程的测报检验结果表明，除去受自然灾害影响较为严重的年份 (2008年7月，仙居县遭到了“凤凰”号台风的影响，2009年9月，遭到了“莫拉克”号台风的影响，2010年12月受大雪的影响)外，方程的测报准确率较高。

相比于普通的模型及建模方法，通过SAS筛选主导因子的方法较为客观，并非是人为性的主观确定;另外利用SAS建模允许包含大量的数据，这是建立可靠有效模型的前提，但普通的数学模型，一旦涉及到大量的数据时，会给计算带来巨大的麻烦。最重要的是，沿海防护林作为一个特殊的林业体系，其环境气候、动植物组成都有别与内陆森林，因而本文有针对性地对沿海防护林马尾松毛虫的发生进行预测预报很有意义。总而言之，沿海防护林马尾松毛虫的发生及变化是一个极其复杂的过程，常受多种环境因子的综合影响，甚至有些因素的影响情况也会随着时间的推移而发生变化。因此在建立测报模型的过程中，由于受自然灾害或人为因素的影响而导致模型出现一定的偏差在所难免。随着科技的进步，马尾松毛虫的预测预报工作将会更多地与先进的技术手段接轨，如 GIS技术 (Liebhold et al．，1992;Hohn et al．，1993)等。

References)

Chen HH，Cui XF，Zhu SY，Pan JY，2004．The establishment of grey system model of the occurrence size for Dendrolimus punctatus Walker and its forecast．Journal of Northeast Forestry University，32(4):19－21．［陈绘画，崔相富，朱寿燕，潘建勇，2004．马尾松毛虫发生量灰色系统模型的建立及其预报．东北林业大学学报，32(4):19－21］

Chen HH，Zhu SY，Cui XF，2003．A study on the forecast model of Dendrolimuspunctatus occurrence based on artificial neural network．Forest Research，16(2):159－165．［陈绘画，朱寿燕，崔相富，2003．基于人工神经网络的马尾松毛虫发生量预测模型的研究．林业科学研究，16(2):159－165］

Dong ZH，Zhao TL，Yan J，Yu ZJ，Wang YL，Zhao QS，2002．Development and application of monitoring and forecast software system of forest pests．Forest Pest and Disease，21(2):6 － 9．［董振辉，赵铁良，阎峻，于治军，王玉玲，赵清山，2002．森林病虫害监测预报软件的开发及应用．中国森林病虫，21(2):6 －9］

Gu JC，Lu GQ，Yao FJ，2000．A discussion on the leading position of the construction of forestry ecology environment．Scientia Silvae Sinicae，36(5):127－132．［谷建才，陆贵巧，么凤居，2000．论林业生态环境建设的主体地位．林业科学，36(5):127－132］

Hou TQ，1987．Chinese Pine Caterpillar．Beijing:Science Press．188－191．［侯陶谦，1987．中国松毛虫．北京:科学出版社．188－191］

Huang SW，Xie WH，2001．Practical SAS Programming and Forestry Test Data Analysis．Guangzhou:South China University of Technology Press．［黄少伟，谢维辉，2001．实用SAS编程与林业试验数据分析．广州:华南理工大学出版社］

Huang XD，Chen LC，2008．The relationship between occurrence regularity and environment factors of Dendrolimus punctarus in southwest of Hunan province．Hunan Forestry Science ＆Technology，35(5):19－22．［黄向东，陈良昌，2008．湘西南马尾松毛虫发生规律与环境因子的关系．湖南林业科技，35(5):19 －22］

Hohn ME，Liebhold AM，Gribko LS，1993．Geostatistical model for forecasting spatial dynamics of defoliation caused by the gypsy moth(Lepidoptera:Lymantriidae)． Environmental Entomology， 22(5):1066－ 1075．

Jiang SL，Jin CH，1986．Microcomputer to Dendrolimus punctatus forecast application．Forest Pest and Disease，(3):23－24．［江士玲，金崇华，1986．微电脑在马尾松毛虫预测预报中的应用．森林病虫通讯，(3):23－24］

Liebhold AM，Halverson JA，Elme GA，1992．Gypsy moth invasion in North America:a quantitative analysis．Journal of Biogeography，19:513－520．

Ma X，2008．Forecast of Dendrolimus punctatus Walker's occurrence factors and harmful levels in Maoshan hills and mountains．Modern Agricultural Sciences and Technology，19:177．［马骧，2008．茅山丘陵山区马尾松毛虫发生因子及危害程度预测．现代农业科技，19:177］

Wei CJ，Zhuang CH，Xie DY，Cai GG，Li ML，2002．Plague division and application of Dendrolimus Punctatus Walker in Fujian province．Journal of Nanjing Forestry Unversity，26(3):35 －39．［魏初奖，庄晨辉，谢大洋，蔡国贵，李闽丽，2002．福建省马尾松毛虫灾区区划及其应用．南京林业大学学报 (自然科学版)，26(3):35－39］

Xu GY，Xu W，Fang SA，Zhang J，2008．The relationship between the occurring damage of Dendrolimus punctatus Walker and forest form．Journal of Hebei Agricultural Sciences，12(10):31－32．［徐光余，徐文，方思爱，张俊，2008．马尾松毛虫发生为害与林相之间的关系．河北农业科学，12(10):31－32］

Xue XQ，1984．A study on application of successive regression by computerization method to the forecast of Dendrolimus punctatus．Scientia Silvae Sinicae，20(1):42－49．［薛贤清，1984．在马尾松毛虫测报中应用逐步回归电算方法的研究．林业科学，20(1):42 －49］

Xue XQ，Feng JC，Zhang SX，Chi XD，Weng SR，Chen JY，Wang ZN，1982．Application of discriminant analysis to the quantitative forecast of Dendrolimus punctatus Walker．Journal of Nanjing Forestry University，(1):134－153．［薛贤清，冯晋臣，张石新，池信佃，翁少容，陈建寅，王震南，1982．马尾松毛虫定量测报的判别分析模型．南京林产工业学院学报，(1):134－153］

Xue XQ，Yang YM，Shi SP，Chi XD，1986．Fuzzy clustering analysis of research applications in the forest pest．Guangdong Forestry Science＆Technology，(5):1－6．［薛贤清，杨幺明，史顺平，池信佃，1986．模糊聚类分析在林业害虫测报中应用的研究．广东林业科技，(5):1－6］