江苏省褐飞虱迁入量的中长期预测模型**

包云轩，薛周华，3，刘 垚，蒋 蓉，谢晓金，杨荣明，朱 凤

（1南京信息工程大学气象灾害预报预警与评估协同创新中心，南京 210044；2.江苏省农业气象重点实验室/南京信息工程大学，南京 210044；3.福建省福安市气象局，福安 355000；4.江苏省植物保护站，南京 210013）



江苏省褐飞虱迁入量的中长期预测模型**

包云轩1，2，薛周华1，2，3，刘 垚1，2，蒋 蓉1，2，谢晓金1，2，杨荣明4，朱 凤4

（1南京信息工程大学气象灾害预报预警与评估协同创新中心，南京 210044；2.江苏省农业气象重点实验室/南京信息工程大学，南京 210044；3.福建省福安市气象局，福安 355000；4.江苏省植物保护站，南京 210013）

摘要：根据1983-2010年江苏省褐飞虱灯诱资料及1982-2010年全球海温场资料和美国国家环境预测中心（NCEP）气象再分析资料，对江苏稻区代表站高邮、通州和宜兴的褐飞虱迁入量与前一年1月-当年6月太平洋海温场、前一年12月-当年6月中南半岛近地表气温场和前一年7月-当年6月北半球大气环流特征量的相关关系进行分析，并运用逐步回归方法建立一系列褐飞虱年总迁入量的预测预报方程。结果表明：（1）高邮、通州和宜兴3站的褐飞虱迁入量在不同时空阈限内与太平洋海温场、中南半岛气温场和北半球大气环流特征量之间存在不同程度的相关性。3站褐飞虱迁入量的对数值与前一年海温场呈负相关，其中与通州和宜兴站褐飞虱迁入量对数值相关显著的海温区主要分布在北、中太平洋，高邮站则在南太平洋；高邮站褐飞虱迁入量的对数值与前一年12月和当年4月中南半岛西南部的近地表气温场呈正相关，通州站与前一年12月和当年2、3月中南半岛北部的近地表气温场呈负相关，宜兴站与当年1、3月中南半岛西南部的近地表气温场呈正相关、与当年4月中南半岛大部的近地表气温场呈负相关；3站褐飞虱迁入量的对数值主要与前一年7月-当年6月的各副高指数、各极涡指数、大西洋欧洲环流型、亚洲纬向环流指数、东亚槽强度、冷空气强度、西太平洋编号台风强度、南方涛动指数等相关显著。（2）从上述海温场、气温场和环流特征量中筛选出显著相关（P＜0.05）的因子作为预测因子，建立褐飞虱年迁入量的预测模型，并筛选出回检正确率70%以上、预检正确率66.7%以上模型17个，适用性评估表明，各模型的预报结果与实测值基本吻合，表明模型可应用于单站褐飞虱年迁入量的预测。

关键词：褐飞虱迁入量；海平面温度距平；中南半岛气温场；大气环流特征量；相关分析

包云轩，薛周华，刘垚，等.江苏省褐飞虱迁入量的中长期预测模型[J].中国农业气象，2016，37（1）:98-1101

褐飞虱[Nilaparvata lugens （stål）]是危害水稻的重要害虫之一，具群聚性、远距离迁飞性和为害突发性，广泛分布于中国、日本、朝鲜半岛、东南亚、太平洋岛屿和澳大利亚等国家和地区[1]。褐飞虱为喜温和喜湿性昆虫，在中国仅两广南部、福建和云南南部以及台湾、海南等冬季较温暖的地区有少量成虫、若虫或卵可以越冬[2]。中国褐飞虱的主要虫源地为中南半岛，而最初虫源地为湄公河三角洲，直接迁出地为红河三角洲[3]。

褐飞虱的迁飞和降落与天气、气候因素之间有着密切联系，而海温、气温和大气环流对天气和气候及其变化起着决定性作用。刘永强等[4]研究发现，在ENSO当年，春、秋季和翌年春季ENSO事件对长江中下游降水的影响较为显著，ENSO发展期，海温异常，会引起长江流域梅雨期降水异常。ENSO事件通过海气相互作用（包括动力作用、热力作用和水汽交换等）影响大气环流，进而影响天气系统和天气过程，最终影响褐飞虱的迁飞，它对江苏褐飞虱迁入的具体影响已为包云轩等[5]在2014年所证实。

有研究表明，前期中南半岛近地表气温场对后期中国天气、气候有明显影响，陈隆勋等[6]研究认为，中南半岛等陆地与周围海洋热力条件的差异对南海夏季风的形成及季节变化起了关键作用，侯威等[7-8]分析认为，南海夏季风暴发早晚对中国不同地区的天气、气候（特别是气温和降水）有着十分重要的影响，而包云轩等[9]研究发现，中国褐飞虱的季节性南、北往返迁飞和降落为害都是随着冬、夏季风的进退和转换而变化的。事实上，中南半岛是春夏季迁入中国的褐飞虱种群的主要越冬虫源地，常年3-6月褐飞虱种群大规模向北迁入中国南方稻区，其冬、春和初夏的热量条件（常以当地同期的近地表气温场来反映）对褐飞虱越冬虫源基数、春季和初夏的种群繁殖量及迁入中国的虫量有着至关重要的影响。气候偏暖，则越冬虫源基数高，春夏种群繁殖量大，后期迁入中国的虫量多。

陶诗言等[10]发现，高纬度地区在梅雨期中易出现持久稳定的大气环流，尤以欧亚中高纬东、西两个阻塞系统以及中低纬度地区受西太平洋副高的控制或影响最为突出。黄嘉佑等[11]对影响长江流域夏季洪涝的大气环流因子进行了研究，发现南海副高指数、西太平洋副高指数、北美副高指数、北半球副高指数和亚洲区极涡指数对夏季降水的影响最显著。万日金等[12]研究发现南海副高减弱较晚时，江南地区降水偏多，易发生洪涝。吴仁广等[13]也发现江淮梅雨受欧亚地区的大气环流影响明显。西太平洋副热带高压是制约东北半球大气环流变化的重要因素之一，也是影响6-10月（江苏省褐飞虱主要迁入期和为害期）长江中下游天气、气候的重要天气系统之一。它影响中国褐飞虱的降落主要有两种情形：一是西太平洋副高覆盖降虫区，此时天气晴朗，无降水，副高通过强下沉气流迫使其覆盖区褐飞虱降落[14]；二是副高未覆盖降虫区，而是通过副高西部外围的降水影响褐飞虱的降落。而关于降水对褐飞虱迁入的影响，已被较多研究所证实[15，5]。极涡是大气环流在高纬地区的最基本体现，是影响中国温度变化的重要因子，极涡面积和强度的大小决定了中高纬冷空气的积聚和南下，这些冷空气对中国同期和后期气温的影响十分显著。在东北半球，它与副高分别代表高纬和中低纬的两个大气活动中心，分别提供冷源与热源，它们相互配合、相互作用，直接影响着整个东北半球大气环流的发展，对江苏省的降水有着极其重要的影响。台风是产生于热带海洋上的一种强烈气旋，其水平风速大，垂直气流强，所以气流会随着台风的移动而改变原有的方向。若在台风影响区附近有褐飞虱虫源，种群就会随台风外围气流作长距离迁飞。台风对中国褐飞虱迁飞的影响也已被一系列研究所证实[16-17]。

因此，可以利用对江苏稻区天气、气候和褐飞虱迁飞有重要影响的前期海温场、前期中南半岛近地表气温场和前期北半球大气环流特征量作为预报信息场来提取预报因子，建立相关预测模型，预报后期中国某一稻区单站褐飞虱的阶段性迁入量。

目前，国内外已有若干关于迁飞性害虫发生状况的不同时效的预报研究，Maelzer等[18]分析了澳大利亚棉铃虫的累计上灯蛾量与南方涛动指数（SOI）、海面温度（SST）的相关关系，发现春季累计上灯蛾量与前期SOI显著相关，并用前期的SOI、SST建立多元回归预测方程，可提前6～15个月预测春季累计上灯蛾量。冼晓青等[19]以前期显著相关的ENSO指标为预测因子，用逐步回归方法建立了褐飞虱前期迁入量的中长期预测方程，经筛选和集成后共获得12个预报方程，可提前3～27个月进行预报。吴春艳等[20]利用高空环流、海温资料和地面气象资料对上海地区水稻褐飞虱的发生期和发生量组建了长、短期结合的5个预测模型。白先达等[21]通过对稻纵卷叶螟发生资料与气象资料的对比分析， 筛选出影响桂林地区稻纵卷叶螟发生的前期重要气象因子， 结合前期虫源基数， 采用回归分析方法， 建立了桂林地区稻纵卷叶螟迁飞的短期气象条件等级预报模型。刘祖建等[22]利用稻飞虱田间系统调查资料和前期相应的气象资料，通过对稻飞虱发生期、发生程度与前期主要气象因子间的相关分析，建立了适合广东省化州市的稻飞虱发生期、发生程度短期预测模型。包云轩等[23]通过对白背飞虱迁入量与前期主要大气环流特征量的相关分析，建立了长江中下游稻区13个植保站的白背飞虱迁入始见期、北迁高峰期、南迁高峰期和迁入终见期候发生程度的BP 神经网络短期预报模型。尽管过去的研究均或多或少地涉及利用海温场（SST）、南方涛动指数（SOI）、发生地前期气象条件、前期大气环流特征量等对害虫发生状况进行长期或短期预报建模，但目前还没有利用中南半岛温度场或月、季尺度大气环流因子对褐飞虱年总迁入量作定量预测的报道。因此，本文综合考虑影响褐飞虱迁入的多种前期大气背景因素，选取江苏稻区高邮、通州和宜兴3个代表性站点，分析后期褐飞虱年总迁入量与前期太平洋海温场、中南半岛温度场和74项大气环流特征量之间的相关性，并从中筛选出相关性较好的因子作为预报因子，建立褐飞虱年总迁入量的预测模型，以期为迁飞性害虫的中长期灾变预警提供技术支持。

1 资料与方法

1.1 资料来源

1.1.1 褐飞虱虫情资料

江苏省各植保站1983-2010年逐候褐飞虱灯诱资料由省植物保护站提供，因江苏省褐飞虱的常年迁入期在6-10月，故仅截取28a中6-10月的虫情数据。江苏省的水稻生长区主要分布在苏南、江淮和苏北沿海的中南部地区，因此从这些地区筛选出资料较完整、能代表江苏省不同水稻品种种植区的3个国家病虫测报基准站高邮、通州和宜兴分析建模。

1.1.2 气象和大气环流特征资料

1982-2010年逐年各月2.5°×2.5°格点的全球月平均温度资料来源于美国国家环境预测中心（National Centers for Environmental Prediction，NCEP）提供的水平分辨率为2.5°×2.5°的气象再分析资料。

风场资料来自美国国家环境预测中心（NCEP）提供的2.5°×2.5°逐月气象再分析资料，资料年代为1983-2010年。

1982-2010年逐年各月2°×2°格点的全球月平均海温（SST）资料，来源于美国国家海洋大气管理局气候诊断中心（Climate Diagnostics Center， CDC）海温场数据集中的海平面温度资料。

大气环流特征量（ACCV）资料由中国国家气候中心气候系统诊断预测室提供，包括：（1）副热带高压类，11个区副热带高压强度和位置（第1-45项）；（2）极涡类，5个区极涡强度和位置（第46-57项）；（3）环流类，环流型及环流指数（第58-64项）；（4）槽类，槽的位置和强度（第65-69项）；（5）其它类，包括冷空气、台风、太阳黑子及南方涛动指数（第70-74项）。详见表1。

表1 74项大气环流特征量说明Table 1 Illustration of 74 atmospheric circulation characteristic variables (ACCV)

（续表）

1.2 分析方法

1.2.1 褐飞虱迁入量分析

将高邮、通州和宜兴3站褐飞虱灯诱资料从灯下始见日开始（通常在6月）-10月底的逐日灯诱虫量（个数）进行累加计为年内总迁入量（Y），由于年际间迁入量的数量差异较大（可达几个数量级），所以对其进行自然对数处理（lnY）。

1.2.2 海温场和中南半岛温度场数据的处理

在Grads软件中将月平均海温（SST）和中南半岛温度场（T-INP）数据转化为二进制文件，并对所有月的月平均SST进行距平处理，得到其与多年平均值的差值（SSTA，海平面温度距平），再将其转化为·txt格式文件。为了便于进行相关区分布的分析，将太平洋按纬度划分为3个部分，分别为北太平洋（＞30°N）、中太平洋（30°N-30°S）和南太平洋（＞30°S）。

1.2.3 模型的建立及效果分析

将1983-2010年褐飞虱年内总迁入量的对数值和所筛选的各预测因子数值分成两部分，其中1983-2007年数据用于建模，2008-2010年数据用作预检。

按每站虫情数据用逐步回归法建立各因子及因子组合的中长期预测模型，并对模型进行回代检验和3a预测检验。对所建预测模型回检、预检准确率的评估方法为：设某年某站褐飞虱实测迁入量为Yi，取其对数为：yi＝lnYi，再设模型回检拟合的迁入量或预测迁入量为Yi′，其对数为：yi′＝lnYi′，若yi（1-10%）≤yi′≤yi（1＋10%）则为预测准确，否则为预测错误。计算各预测模型历年的拟合值和预测值yi′，如果该模型的回检拟合准确率≥50%且在预检的3a里至少有2a预测准确，则判定该预测模型有效，否则为无效模型，据此筛选出所有有效的预测模型。

2 结果与分析

2.1 江苏褐飞虱迁入量的中长期影响因素分析

2.1.1 太平洋海温场

基于前期研究结果[5]，本文着重分析3个站历年褐飞虱总迁入量对数值与当年1-8月（主要指首次迁入峰出现当月之前的各月）、前一年各月2°×2°格点的月海温距平值间的相关系数，选取其中相关系数正（或负）号相同，且通过0.05水平显著性检验的各格点构成的连续区域（该区内各格点相关性质均100%一致）列于表2。由表可见，通州和宜兴站，与年褐飞虱迁入量对数值相关显著的海温区以北、中太平洋为主，而高邮站以南太平洋为主。从时间分布看，在当年和前一年影响因素中，以前一年为主。从相关性质来看，褐飞虱迁入量与太平洋海温场多呈负相关关系。

太平洋海温的变化一方面可通过海气相互作用影响海气之间的热量交换，进而影响大气热量的时空分布，影响褐飞虱生存、发育、繁殖、迁飞和为害的热量和温度条件，对褐飞虱在江苏的迁入量产生影响；另一方面，它会影响从洋面蒸发进入上层大气的水汽量，使不同地区在不同时段内的大气水分含量和成云致雨的环境发生改变，继而影响褐飞虱虫源地、迁飞区和迁入地的空气湿度和降水条件，最终影响迁入量。

表2 三个代表站lnY与月平均太平洋海温距平值间遥相关显著的区域（P＜0.05）Table2 Teleconnection significance zones (P<0.05） between lnY and the monthly mean Pacific SSTA at 3 stations

2.1.2 中南半岛温度场

各代表站历年褐飞虱迁入量对数值与当年1-8月、前一年各月2.5°×2.5°格点的中南半岛近地表气温场的相关性结果见表3。由表中可见，高邮站共有2个相关显著的区域和时段，主要分布在泰国和缅甸南部，相关时段为前一年12月和当年4月，均呈正相关；通州站共有4个相关显著的区域和时段，主要分布在缅甸中部和泰国，相关时段为前1年12月和当年2、3月，均呈显著负相关；宜兴站共有8个相关显著区域和时段，分布范围较广，在中南半岛各国均有相关区域，相关时段为前1年12月和当年3、4月，有5个区域和时段呈显著正相关，3个区域和时段呈显著负相关。综上可见，江苏省褐飞虱迁入量与前1年12月-当年3月中南半岛南部的温度场相关性较强，3月之后与中南半岛北部地区温度场的相关性较强。

中南半岛温度场对褐飞虱迁入量有影响的原因是，中国褐飞虱的最初主要虫源地为中南半岛南端的湄公河三角洲[24-26]，该地冬春稻一般于2-3月收割，此时来自北印度洋的西南季风与来自中国南海的东南季风于此交汇，风向主要为南向北[9]，褐飞虱随风迁向中南半岛中部。3−4月，盛行风向逐渐偏向西南[27]，随着中南半岛中部冬春稻的收割，大部分褐飞虱种群迁向北部的红河三角洲，少部分迁飞能力强的种群可迁入华南南部和西南南部（主要是云南东南部）稻区。红河三角洲和泰缅北部的早稻于5-6月收割，此时盛行西南季风，褐飞虱开始大规模迁入中国西南和华南稻区。可见，如果中南半岛冬春贴地气层温度条件越好，褐飞虱越冬繁殖越多，春季随西南季风迁入中国的数量就越大。

表3 三个代表站lnY与中南半岛温度场遥相关显著的区域（P＜0.05）Table 3 Teleconnection significance zones (P<0.05） between lnY and the temperature field on Indo-China Peninsula (T-INP) at 3 stations

2.1.3 大气环流特征量

相关分析表明（表4），高邮站当年褐飞虱迁入量的对数值主要与前一年7月的太平洋区极涡强度指数、前一年8月的大西洋欧洲环流型E和前一年12月的东太平洋副高面积指数等呈正相关，而与前一年8月北半球极涡中心强度、前一年10月西太平洋副高脊线位置和当年4月亚洲纬向环流指数等呈负相关。通州站褐飞虱迁入量的对数值与前一年8月亚洲区极涡强度指数、前一年11月北美区极涡强度指数和当年6月西太平洋副高面积指数等呈正相关，而与前一年7月和8月的南海副高脊线位置和北界位置及当年6月的西太平洋副高脊线位置等呈负相关。宜兴站褐飞虱迁入量的对数值与前一年9月冷空气强度、当年4月大西洋欧洲环流型W和当年5月太平洋副高北界呈正相关；而与前一年7月南海副高的北界、前一年8月北非大西洋北美副高的脊线位置和前一年10月西太平洋副高的脊线位置等呈负相关。

褐飞虱年迁入量与各种大气环流特征量的相关显著，表明大气环流指数不仅作为影响褐飞虱起飞、空中飞行和降落的关键动力因素直接影响其迁入量，而且还可通过对迁飞发生区和降落地天气、气候（如西太平洋副高西北侧的温度、降水分布等）的影响来间接影响迁入虫量的变化。

表4 三个代表站lnY与月大气环流特征量间遥相关显著的因子（P＜0.05）Table 4 Teleconnection significance factors (P＜0.05） between lnY and the monthly ACCV at 3 stations

2.2 江苏褐飞虱迁入量预测模型的建立和检验

2.2.1 基于太平洋海温场的预测模型

将与褐飞虱迁入量相关显著区域和时段的太平洋海温作为因子，利用1983-2008年褐飞虱迁入量和1982-2008年太平洋海温资料进行逐步回归分析，分别建立3个站点的褐飞虱迁入量预测模型，结果见表5 。对3个站点的模型进行回代和预测检验，以误差范围在±10%之内为标准进行筛选，高邮站得到1个模型，通州站得到2个模型，宜兴站得到1个模型（表5），4个模型的回代检验准确率均超过74%，预检错误年份为1a，说明模型具有可行性。

表5 基于太平洋海平面温度距平（SSTA）建立3站褐飞虱迁入量的预测模型及其检验Table 5 Forecasting models of BPH immigration amount based on SSTA of the Pacific Ocean and their test at 3 stations

2.2.2 基于中南半岛气温场的预测模型

基于中南半岛气温场建立各站褐飞虱迁入量预报模型，结果见表6。模型检验表明，高邮站预测模型不准确，未选出有效模型。通州站筛选出1个有效模型，宜兴站筛选出2个有效模型（表6）。3个模型的回测检验率均超过70%，预测的3a中有1a错误，表明这3个模型基本可行。

2.2.3 基于大气环流特征量的预测模型

将与褐飞虱迁入量相关性强的大气环流特征量作为预报因子，通过逐步回归，得出符合回检正确率在7 0%以上、预检正确率在66.7%以上标准的模型共10个（表7），其中高邮站2个模型，通州站5个模型，宜兴站3个模型。这10个模型的回检准确率均超过72%，预检错误年份最多1个，说明模型可行。

表6 基于中南半岛气温场的通州和宜兴站褐飞虱迁入量预测模型及其检验Table 6 Forecasting models based on the temperature field of Indo-China Peninsula (T-INP) and their tests

表7 基于大气环流特征量的3站褐飞虱迁入量预测模型及其检验Table 7 Forecasting models based on ACCV and their tests

2.2.4 模型适用性评估

为了验证上述预测模型（或方程）在褐飞虱实际测报业务上的适用性，本文利用1982-2010年太平洋海温场资料、中南半岛近地表气温场资料和74项大气环流特征量资料，计算表5、表6和表7所建各方程的拟合值，并结合1983-2010年高邮、通州和宜兴3站的褐飞虱年总迁入量实测值，比较两者的差异，结果如图1-图3所示。从图1可知，以太平洋海温场为预报因子建立的各模型的预报结果与实测值基本吻合，表明这些预测模型可应用于单站褐飞虱年迁入量的预测业务。

图1 1983-2010年基于太平洋海场的褐飞虱年迁入量预测模型拟合值与实测值比较Fig. 1 Compare of lnY between the observed and fitting values by the forecasting models based on SSTA (in Table 5 ) from 1983 to 2010

图2 1983-2010年基于大气环流特征量的褐飞虱年迁入量预测模型拟合值与实测值比较Fig. 2 Compare of lnY between the observed and fitting values by the forecasting models based on ACCV (in Table 7 ) from 1983 to 2010

图3 1983-2010年基于中南半岛近地表气温场的褐飞虱年迁入量预测模型拟合值与实测值比较Fig. 3 Compare of lnY between the observed and fitting values by the forecasting models based on T-INP (in Table 6 ) from 1983 to 2010

3 结论与讨论

（1）高邮、通州和宜兴3站的褐飞虱年迁入量在不同时空阈限内与太平洋海温场、中南半岛气温场和北半球大气环流特征量之间存在着不同程度的相关性。3站褐飞虱迁入量的对数值主要与前一年海温场呈负相关，其中与通州和宜兴站褐飞虱迁入量对数值相关显著的海温区主要分布在北、中太平洋，与高邮站褐飞虱迁入量对数值相关显著的海温区主要分布在南太平洋。高邮站褐飞虱迁入量的对数值与前一年12月和当年4月中南半岛西南部的近地表气温场呈正相关，通州站迁入量对数值与前一年12月和当年2、3月中南半岛北部的近地表气温场呈负相关，宜兴站迁入量对数值与当年1、3月中南半岛西南部的近地表气温场呈正相关，而与当年4月中南半岛大部的近地表气温场呈负相关。3站褐飞虱迁入量的对数主要与前一年7月-当年6月的北半球副高指数、太平洋副高指数、西太平洋副高指数、东太平洋副高指数、南海副高指数、印度副高指数、北非副高指数、北美大西洋副高指数、北美副高指数、北半球极涡指数、亚洲区极涡指数、太平洋区极涡指数、北美区极涡指数、大西洋欧洲环流型、亚洲纬向环流指数、东亚大槽强度、东亚冷空气强度、西太平洋编号台风强度、南方涛动指数等相关显著。

（2）从上述海温场、气温场和环流特征量中筛选出显著相关（P＜0.05）的因子作为预测因子，建立褐飞虱年迁入量的预测模型。从所建模型中筛选出回检正确率＞70%、预检正确率＞66.7%的方程17个，其中高邮站3个、通州站8个、宜兴站6个。在这些方程中，高邮、通州和宜兴站分别以前期太平洋不同区域海平面温度距平（SSTA）为预报因子建立了1个、2个和1个预测模型，通州和宜兴站以前期中南半岛不同区域近地表气温场为预报因子建立了1个和2个预测模型，3站以前期不同时段大气环流特征量为预报因子分别建立了2个、5个和3个预测模型。

（3）对各预报模型的准确度和适用性评估结果表明，预报结果与实测值基本吻合，表明这些预测模型可应用于单站褐飞虱年总迁入量的预测业务。

本文利用前期太平洋海温场SSTA，通过多元线性逐步回归方法，构建了通过一定显著性检验且达到一定的回检、预检准确率的高邮、通州、宜兴3站褐飞虱年总迁入量预报方程4个，提前2～18个月较好预测了单站褐飞虱的年总迁入量。与Maelzer 等[18]对澳大利亚春季棉铃虫迁入量的预测研究，冼晓青等[19]对中国褐飞虱前期迁入量的预计测研究，以及吴春艳等[20]对上海地区褐飞虱发生期和发生量的长、短期结合预测模型研究方法相似，且结论也较一致，但本文在提前预测的时效、预报的时间尺度（年）上有别于三者。尽管有学者曾利用当地地面气象资料来预报迁飞性害虫的中、短期发生期或发生量[20-22]，但对迁飞性害虫而言，越冬虫源地的前期天气和气候条件对种群越冬、冬后繁殖、迁出基数及后期降虫地的迁入量是至关重要的，从这一意义上，本文的机理更明晣。吴春艳等[20]对褐飞虱发生期、发生量的预测研究中利用了10个高空环流指数，但74项大气环流指数对局地天气、气候均有一定程度的影响，因此，本文考虑更全面，这也是利用前期主要大气环流特征量对白背飞虱候迁入量进行短期预报研究[23]的拓展。

本文在对各影响因子与褐飞虱迁入量相关分析和影响机制探讨的基础上，利用逐步回归方法构建了单站褐飞虱年迁入量的预测模型，虽然方法常规，但将主要虫源地中南半岛的冬春温场作为重要预报因子来分析其对江苏褐飞虱迁入量的影响，并构建出可用于迁飞性害虫中长期预报业务的预测模型，这在之前均未见报道。下一步将寻找更多影响机理明晰的预测因子，运用更先进、准确的预报方法，来构建更多可用于业务的预测模型，特别是区域月季尺度的预测预报模型。

参考文献References

[1]朱绍先.稻飞虱及其防治[M].上海:上海科学技术出版社，1984:1-110. Zhu S X.Rice planthoppers and their prevention[M].Shanghai:Shanghai Science and Technology Press，1984:1-110. （in Chinese）

[2]程遐年，陈若篪，习学，等.稻褐飞虱迁飞规律的研究[J].昆虫学报，1979，22（1）:1-21. Cheng X N，Chen R C，Xi X，et al.Study on migration patterns of Nilaparvata lugens（Stål）[J].Acta Entomologica Sinica，1979，22（1）:1-21.（in Chinese）

[3]巫国瑞，俞小平，陶林勇.褐飞虱和白背飞虱灾害的长期预测[J].中国农业科学，1997，30（4）:25-29. Wu G R，Yu X P，Tao L Y. Long-term forecaston the outbreak of brown planthopper （Nilaparvata lugens stål） and white backed planthopper （Sogatella furcifera Horvåth ）[J]. Scientia Agricultura Sinica， 1997，30（4）:25-29.（in Chinese）

[4]刘永强，丁一汇.ENSO事件对我国季节降水和温度的影响[J].大气科学，1995，19（2）:200-208. Liu Y Q，Ding Y H.Reappraisal of the influence of ENSO events on seasonal precipitation and temperature in China[J]. Scientia Atmospherica Sinica，1995，19（2）:200-208. （inChinese）

[5]包云轩，蒋蓉，谢晓金，等.近30年气候异常对江苏省褐飞虱灾变性迁入的影响[J].生态学报，2014，34（23）:7078-7092. Bao Y X，Jiang R，Xie X J，et al.Impact of climate anomalies on catastrophic immigrations of Nilaparvata lugens （Stål） in Jiangsu Province[J].Acta Ecologica Sinica，2014，34（23）: 7078-7092.（in Chinese）

[6]陈隆勋，张博，张瑛.东亚季风研究的进展[J].应用气象学报，2006，17（6） :711-724. Chen L X，Zhang B，Zhang Y.Progress in research on the East Asian monsoon[J].Journal of Applied Meteorological Science，2006，17（6） :711-724.（in Chinese）

[7]侯威，陈峪，李莹，等.2013年中国气候概况[J].气象，2014，40（4）:483-493. Hou W，Chen Y，Li Y，et al.Climatic characteristics over China in 2013[J].Meteorological Monthly， 2014，40（4）:483-493.（in Chinese）

[8]侯威，邹旭凯，王朋岭，等.2014年中国气候概况[J].气象，2015，41（4）:480-488. Hou W， Zou X K， Wang P L，et al.Climatic characteristics over China in 2014[J].Meteorological Monthly，2015，41（4）:480-488. （in Chinese）

[9]包云轩，黄金颖，谢晓金，等.季风进退和转换对中国褐飞虱迁飞的影响[J].生态学报，2013，33（16）:4864-4877. Bao Y X，Huang J Y，Xie X J，et al.Influence of monsoon's advancing， retreating and conversion on migrations of Nilaparvata lugens （ Stål） in China[J].Acta Ecologica Sinica，2013， 33（16） :4864-4877.（in Chinese）

[10]陶诗言，赵煜佳，陈晓敏.东亚梅雨期与亚洲上空大气环流季节变化的关系[J].气象学报，1958，29（2）:119-134. Tao S Y，Gao Y J，Chen X M.Relation between the Meiyu period in the East Asia and the seasonal variations of atomsp heric circulation over Asia[J].Acta Meteorologica Sinica，1958，29（2）:119-134.（in Chinese）

[11]黄嘉佑，高守亭.影响长江地区夏季洪涝的大气环流因子研究[J].自然科学进展，2003，13（2）:206-210. Huang J Y，Gao S T.Study on the atmospheric circulation factors influencing on the summer droughts and flood in the area of the Yangtze River[J].Progress in Natural Science，2003，13（2）:206-210.（in Chinese）

[12]万日金，王同美，吴国雄.江南春雨和南海副热带高压的时间演变及其与东亚夏季风环流和降水的关系[J].气象学报，2008，66（5）:800-807. Wan R J，Wang T M，Wu G X，et al.Temporal variations of the spring persistent rains and SCS subtropical high and their correlations to the circulation and precipitation of the East Asia summer monsoon [J]. Acta Meteorologica Sinica，2008，66 （5）: 800-807.（in Chinese）

[13]吴仁广，陈烈庭.长江中下游地区梅雨期降水与全球500hPa环流的关系[J].大气科学，1994，18（6）:692-700. Wu R G，Chen L T.Relationship between the global circul ation at 500hPa and Meiyu in mid and lowreaches of Yan gtze River[J].Scientia Atmospherica Sinica，1994，18 （6）:692-700.（in Chinese）

[14]包云轩，李金建，缪启龙，等.2006年褐飞虱重大迁入过程的大气动力背景模拟:个例研究[J].中国农业气象， 2008，29（3）:347-352. Bao Y X，Li J J，Miao Q L，et al.Simulation of atmospheric dynamical background for a great migration event of the brown planthopper （Nilaparvata lugens stål）:a case study[J]. Chinese Journal of Agrometeorology，2008，29 （3）: 347-352. （in Chinese）

[15]谈涵秋，毛瑞曾，程极益，等.褐飞虱远距离迁飞中的降落和垂直气流、降水的关系[J].南京农学院学报，1984，7（2）: 18-25. Tan H Q，Mao R Z，Cheng J Y，et al.Relation between landing of brown planthoppers （Nilaparvata lugens stål） in long distance migration and vertical air stream and rainfall [J].Journal of Nanjing Agricultural University，1984，7 （2）: 18-25.（in Chinese）

[16]Bao Y X，Ding W W，Xie X J，et al.Statistical analysis on the influence of the landfalling strong tropical cyclones in the catastrophic immigrations of Nilaparvata lugens（stål）in China[J].Journal of Tropical Meteorology， 2014，20 （1）: 8-16.

[17]王翠花，翟保平，包云轩.“海棠”台风气流场对褐飞虱北迁路径的影响[J].应用生态学报，2009，20（10）:2506-2512. Wang C H，Zhai B P，Bao Y X.Effects of typhoon ‘aitang’airflow field on the northward migration route of rice brown planthopper[J].Chinese Journal of Applied Ecology，2009，20（10）:2506-2512.（in Chinese）

[18]Maelzer D A，Zalucki M P.Long range forecasts of the numbers of Helicopvera punctigera and H. armiger （Lepidoptera:Noctuidae） in Australia using the southeoscillation index and the sea surface temperature [J]. Bulletin of Entomological Research，2000，90:133-146.

[19]冼晓青，翟保平，张孝羲，等.褐飞虱（Nilaparvata lugens（Stal））前期迁入与ENSO指标的遥相关及其中长期预测[J].生态学报，2007，27（8）:3144-3154. Xian X Q，Zhai B P，Zhang X X，et al.Teleconnection between ENSO indices and the early immigration of brown planthopper implication for its medium- and longterm forecast[J].Acta Ecologica Sinica，2007，27（8）:3144-3154. （in Chinese）

[20]吴春艳，李军，姚克敏.上海地区褐飞虱发生程度预测[J].南京气象学院学报，2002，25（3）:365-371. Wu C Y，Li J，Yao K M.Prediction of the damage level of planthopper in Shanghai[J].Journal of Nanjing Institute of Meteorology，2002，25（3）:365-371.（in Chinese）

[21]白先达，唐广田，张雅昕，等.稻纵卷叶螟发生的气象条件等级预报[J].中国农业气象，2010，31（4）:607-611. Bai X D，Tang G T，Zhang Y X，et al.Meteorological condition grades forecast for occurrence of Cnaphalocrocis medinalis Guene[J].Chinese Journal of Agrometeorology，2010，31（4）: 607-611.（in Chinese）

[22]刘祖建，陈冰，陈蔚烨，等.广东省西南部稻飞虱发生期和发生程度的气象预测模型[J].中国农业气象，2013，34（2）: 204-209. Liu Z J，Chen B，Chen W Y，et al.Meteorological prediction model on the occurrence period and extent of rice plant hopper in southwestern Guangdong[J].Chinese Journal of Agrometeorology，2013，34（2）:204-209.（in Chinese）

[23]包云轩，田琳，谢晓金，等，基于大气环流特征量的白背飞虱发生程度短期预报模型[J].中国农业气象，2014，35（4）: 440-449. Bao Y X，Tian L，Xie X J，et al.Short-term forecast models for occurrence grades of Sogatella furcifera （Horvåth）based on characteristics of atmospheric circulation[J]. Chinese Journal of Agrometeorology，2014，35 （4）:440-449. （in Chinese）

[24]程极益，包云轩，樊多琦，等.褐飞虱迁飞轨迹研究[J].南京农业大学学报，1995，18（3）:60-67. Cheng J Y，Bao Y X，Fan D Q，et al.Study on the migration trajectories of Nilaparvata lugens[J].Journal of Nanjing Agricultural University，1995， 18（3）:60-67.（in Chinese）

[25]包云轩，翟保平，程遐年.褐飞虱迁飞参数的数值模拟[J].生态学报，2005，25（5）:1107-1114. Bao Y X， Zhai B P，Cheng X N.Numerical simulation of the migration parameters of the brown planthopper，Nilaparvata lugens （Stål） [J].Acta Ecologica Sinica，2005，25（5）:1107-1114.（in Chinese）

[26]胡高，包云轩，王建强，等.褐飞虱的降落机制[J].生态学报，2007， 27（12）:5068-5075. Hu G，Bao Y X，Wang J Q，et al.Case studies on the landing mechanisms of the brown planthoppers，Nilaparvatalugens （Stål）[J].Acta Ecologica Sinica，2007，27（12）:5068-5075. （in Chinese）

[27]乔云亭，陈烈庭，张庆云.东亚季风指数的定义及其与中国气候的关系[J].大气科学，2002，26（1）:69-82. Qiao Y T，Chen L T，Zhang Q Y.The definition of East Asian monsoon indices and their relationship to climate in China[J].Chinese Journal of Atmospheric Sciences，2002，26（1）:69-82.（in Chinese）

Medium and Long-term Forecasting Models of Nilaparvata lugens (stål)’s Immigration Amount in Jiangsu Province

BAO Yun-xuan1,2, XUE Zhou-hua1,2,3, LIU Yao1,2, JIANG Rong1,2, XIE Xiao-jin1,2, YANG Rong-ming4, ZHU Feng4
（1.Collaborative Innovation Center on Forecast and Evaluation of Meteorological Disasters， Nanjing University of Information Science ＆ Technology， Nanjing 210044， China;2.Jiangsu Key Laboratory of Agricultural Meteorology， Nanjing University of Information Science ＆ Technology， Nanjing 210044;3.Meteorological Bureau of Fu’an City in Fujian Province， Fu’an 355000; 4.Jiangsu Province Plant Protection Station， Nanjing 210013）

Abstract：In order to predict the annual total immigration heads of brown planthoppers （BPH）， Nilaparvata lugens （stål）， at a station in a rice-growing region by using the atmospheric background fields in the earlier stages and provide a basis for the early warning of BPH’s catastrophic immigrations and their effective prevention and controlling， the BPH’s lighting catches of all plant protection stations in Jiangsu Province during the period frombook=99,ebook=1021983 to 2010 and the reanalyzed meteorological data from the National Center of Environmental Predicting （NCEP）in USA during the period from 1982 to 2010 were collected to analyze the teleconnections between the BPH’s annual total immigration heads of Gaoyou， Tongzhou and Yixing as the representative plant protection stations in the different rice-growing regions of Jiangsu Province and the sea surface temperature anomalies （SSTA） on the Pacific Ocean from January of the preceding year to June of the present year， the temperature field of Indo-China Peninsula （T-INP） from December of the preceding year to June of the present year and the atmospheric circulation characteristic variables （ACCV） from July of the preceding year to June of the present year. A stepwise regression method was used to establish a series of the forecasting models for the annual total immigration heads of BPH at the three stations. The results showed as follows: （1） there were the correlations of different extents between the BPH’s immigration heads of Gaoyou， Tongzhou and Yixing and the SSTA on the Pacific Ocean， the T-INP and the ACCV on the Northern Hemisphere in the different temporal and spatial thresholds. The significant negative correlations exist between the logarithms of BPH’s annual total immigration heads at the three stations and the SSTA in the preceding year. Among them， the remarkable correlative regions between the logarithms of BPH’s annual total immigration heads at Tongzhou and Yixing and the SSTA on the Pacific Ocean mainly distributed on the northern and middle Pacific Ocean and the obvious correlative regions at Gaoyou situated in the southern Pacific. There were the positive correlations between the logarithms of BPH’s annual total immigration heads at Gaoyou and the T-INP in December of the preceding year and April of the present year， the negative correlations between the logarithms of BPH’s annual total immigration heads at Tongzhou and the T-INP in December of the preceding year， February and March of the present year and the positive correlations between the logarithms of BPH’s annual total immigration heads at Yixing and the T-INP in January and March of the present year， but the negative correlations between the logarithms of BPH’s annual total immigration heads at Yixing and the T-INP in April of the present year. The logarithms of BPH’s immigration heads at the three stations had the significant relationships with the characteristic indices of all subtropical highs， the characteristic indices of all polar vortexes， the atmospheric circulation types on the Atlantic Ocean and Europe， Zonal circulation indices on Asia， the strength of East Asian trough， the strength of cold air in East Asia， the strength of serial number typhoons on West Pacific and the indices of Southern Oscillation during from July of the preceding year to June of the present year. （2）Some significant factors （P＜0.05） screened from the above factors were used as the key predictors to establish the forecast models for the BPH’s annual total immigration heads of the three stations and 17 forecast equations with the historical fitting accordance of more than 70% and the pre-examination accuracy rate of more than 66.7% were selected from the established models. The results of applicability evaluation on these equations displayed that the fitting values of these models were identical to the observed values on the whole and the models were feasible in the predicting practice of BPH’s annual total immigration amount at a station in a rice-growing region.

Key words：Immigration heads of Nilaparvata lugens （Stål）; SSTA （sea surface temperature anomaly）; T-INP temperature field of Indo-China Peninsula）; ACCV （atmospheric circulation characteristic variable）; Correlation analysis

作者简介：包云轩（1963-），博士，教授，主要研究方向为气候变化与防灾减灾、应用气象、病虫害测报学。E-mail：baoyx@nuist.edu.cn; baoyunxuan@163.com

基金项目：国家自然科学基金面上项目（41075086；41475106）；江苏省农业科技自主创新项目[SCX（12）3058]；江苏省高校自然科学研究重大项目（14KJA170003）；江苏省高校优势学科建设工程

* 收稿日期：2015-05-04

doi:10.3969/j.issn.1000-6362.2016.01.013