早稻南方水稻黑条矮缩病发病率预测模型的建立与应用

董城　梁少玉　陈冰　梁盛铭　陈观浩（广东省化州市同庆农业技术推广站，广东化州557；广东省化州市长岐农业技术推广站，广东化州558；广东省化州市气象局，广东化州5500；广东省化州市病虫测报站，广东化州5500；第一作者：078696768@qq.com；通讯作者：cgh7909986@6.com）



早稻南方水稻黑条矮缩病发病率预测模型的建立与应用

董城1梁少玉2陈冰3梁盛铭4陈观浩4*
（1广东省化州市同庆农业技术推广站，广东化州525127；2广东省化州市长岐农业技术推广站，广东化州525128；3广东省化州市气象局，广东化州525100；4广东省化州市病虫测报站，广东化州525100；第一作者：1078696768@qq.com；*通讯作者：cgh7909986@126.com）

摘要：南方水稻黑条矮缩病是近年来在我国南方稻区重发的一种病毒性病害。为了明确生态因子与南方水稻黑条矮缩病发病率的关系，提高预测能力，避免严重损失，笔者利用化州市2007-2015年的生态因子数据与南方水稻黑条矮缩病田间实际发生数据，采用逐步回归和通径分析的方法研究了两者之间的相关性。结果表明，上年10月下旬温雨系数和上年晚稻黑条矮缩病发病率对早稻南方水稻黑条矮缩病发病率影响最大。笔者还建立了生态因子与早稻南方水稻黑条矮缩病发病率回归模型：Y^＝-2.7590+0.1895 X1+0.1345 X2+1.0495 X3+0.0044 X4，利用该回归方程对历史资料进行拟合，拟合程度较好，并对2015年进行预报，预报值与实际值相差较小，准确率较高。可见，该模型适宜于化州乃至粤西地区早稻南方水稻黑条矮缩病的预测预报。

关键词：南方水稻黑条矮缩病；生态因子；逐步回归；通径分析；预测模型

南方水稻黑条矮缩病（Southern rice black-streaked dwarf virus，SRBSDV）属呼肠孤病毒科（Reoviridae）斐济病毒属（Fijivirus）。自2001年在广东省阳西县首次发现以来，已迅速扩散至我国南方广大稻区［1］。2009年，由该病毒引起的病害在我国南方晚季稻上暴发成灾，造成严重的产量损失，据不完全统计，受害面积在30.00万hm2以上，其中失收面积超过0.65万hm2［2-5］。该病毒经迁飞性害虫白背飞虱［Sogatella furcifera （Horváth），WBPH］可以远距离传播，给粮食安全和农民增收带来严重影响。2006年以前，南方水稻黑条矮缩病在广东省化州市只有零星发生，损失较轻，后呈逐年加重趋势，损失也越来越大［6-8］。2011年化州市晚稻发生面积达0.37万hm2，占水稻总面积的14.3%，发病严重田块病丛率高达50.0%～60.0%，个别田块甚至达81.2%，给水稻生产造成严重损失。

由于南方水稻黑条矮缩病的发现时间较短，目前对该病的研究还处于起步阶段［9-11］。罗香文等［12］依据湖南省汉寿县和永州市2010年和2011年白背飞虱虫量与南方水稻黑条矮缩病的发生面积的相关性，建立了南方水稻黑条矮缩病发生情况的区域性预测模型；陈冰等［8］利用逐步回归法建立了晚稻南方水稻黑条矮缩病发病率的预测模型。但对早稻研究较少。因此，笔者根据化州市历年南方水稻黑条矮缩病观测资料及2006-2015年主要生态因子数据，采用逐步回归分析和通径分析的方法，研究了生态因子与早稻南方水稻黑条矮缩病发生的关系，旨在为南方水稻黑条矮缩病的监测预警和防控提供科学依据。

1　材料与方法

1.1研究地概况

化州市位于广东省西南部（21°29′～22°13′N，110° 20′～110°45′E），是广东省重要的水稻生产基地，为典型的双季稻区，常年水稻种植面积5.11万hm2。属典型的亚热带季风气候区，雨热同季，水热资源丰富，年平均气温22.1℃～23.9℃，最冷月（1月）平均气温12.3～18.0℃，极端最低温1.3℃，无霜期360 d以上，偶有轻霜，无气候学上真正的冬天，≥10℃活动积温7 964.4～8 683.6℃，年降水量1 103.0～3 005.3 mm，年日照时数1 560.2～2 430.3 h。

20世纪80年代初期和90年代初期化州市曾分别发生较严重的水稻瘤矮病、水稻橙叶病等病毒病［12-14］。另外，化州市也是稻飞虱（以褐飞虱、白背飞虱为优势种群）的常发区、重发区［15-16］。

表1　化州市各年份早稻南方水稻黑条矮缩病发病率与主要生态因子

表2　化州市早稻南方水稻黑条矮缩病发病率与生态因子关系的逐步回归分析结果

1.2病情调查

1.2.1调查时期

田间目测南方水稻黑条矮缩病初现期及病害症状，大面积发病情况于抽穗期至黄熟期期间（病情稳定期）调查1次。

1.2.2调查方法

每年早稻、晚稻选择不同类型田或不同品种，调查20～30块以上稻田，采用5点取样法，每点2行，每行20丛，共计200丛，统计发病丛率（发病丛数/调查总丛数×100），以当年早稻平均发病率作为病情指标。收集整理2007-2015年病情资料。

1.3气象资料

气象资料由化州市气象局观测并提供。2007-2015年，选择对早稻南方水稻黑条矮缩病发生影响较为明显的上年10月至当年3月的平均气温、最高气温、最低气温、降水日数、相对湿度、日照时数等作为分析数据。此外，考虑到不同因子交互作用对早稻南方水稻黑条矮缩病发生发展的影响，引进了温湿比（相对湿度与温度之比）和温雨比（降水量与温度之比）等因子。2007-2014年数据用来建模，2015年数据用来检验。

1.4统计分析方法

应用Excel与SPSS软件进行数据处理。根据历年各生态因子与早稻南方水稻黑条矮缩病平均发病率进行相关分析，分析各生态因子对南方水稻黑条矮缩病发生的影响，并根据所筛选出相关性高的因子，采用逐步回归分析及通径分析的方法分析各生态因子的相互作用，以期剖析流行系统的内部结构，重新衡量各因子在流行中的地位，建立流行预测模型并检验。

2　结果与分析

2.1早稻南方水稻黑条矮缩病的影响因子

当地早稻南方水稻黑条矮缩病发病率受上年晚稻南方水稻黑条矮缩病发生程度、上年10月至当年3月温度、降水等诸多因素的影响。通过对历史资料的综合分析，结合关键因子相关分析，筛选出上年晚稻南方水稻黑条矮缩病发病率（X1，%）、上年11月至12月平均最低气温（X2，℃）、上年10月下旬温雨系数（X3）、上年10月中旬至下旬雨量（X4，mm）共4个主要相关因子（表1）。上述因子均通过显著水平（P＜0.05）检验。

2.2多元回归方程的建立及检验

以表1中2007-2014年早稻南方水稻黑条矮缩病发病率为因变量，以通过相关显著检验的生态因子为自变量，采用逐步回归分析方法建立其流行预测模型：

Y^=-2.7590+0.1895 X1+0.1345 X2+1.0495 X3+0.0044 X4。

（复相关系数R=0.9999**，决定系数R2=0.9998**，回归模型的显著性检验F=10174.811**；Y^为早稻南方水稻黑条矮缩病发病率估计值，其余变量见表1）。

进一步统计分析（t检验）结果（表2）表明，回归模型方程中各回归系数bi均达到显著（P＜0.05）或极显著（P＜0.01）水平。

利用该回归预测模型对2007-2014年资料进行历史拟合，结果见表3。由表3可以看出，该模型预测值与实测值除2008年相差较大外，其余年份相差很小，拟合值相对准确率平均为88.5%，准确率较高，说明该回归预测模型真实可靠，可用于早稻南方水稻黑条矮缩病发病率预测。

2.3预测应用

将2015年各预报因子代入上述预测模型，求得Y^=1.2777%，与实际发病率1.35%基本符合，其准确率达94.6%。说明所建立的预测模型可在生产中应用。

2.4对早稻南方水稻黑条矮缩病发病率影响作用的通径分析

从表4可以看出，在影响早稻南方水稻黑条矮缩病发病率Y的4个因子X1、X2、X3、X4中，以上年10月下旬温雨系数X3的直接作用最大（直接通径系数为0.6645），且通过其他因子的间接作用却不明显，上年晚稻发病率X1的直接作用次之（直接通径系数为0.3252），其他因子如上年10月中旬至下旬雨量X4、上年11月至12月平均最低气温X2的直接作用都很小，但它们通过上年10月下旬温雨系数X3对早稻南方水稻黑条矮缩病的影响依次为0.5731、0.4866，都显著大于同一因素的直接作用。这说明上年10月下旬温雨系数和上年晚稻发病率是影响早稻南方水稻黑条矮缩病发病率的主导因子。上年10月中旬至下旬雨量、上年11月至12月平均最低气温对早稻发病率的影响是通过上年10月下旬温雨系数起作用的。

通径分析的决定系数R2=0.9998，剩余通径系数为0.0141，说明这4个因子对早稻南方水稻黑条矮缩病发病率影响的比重高达99.98%。

表3　南方水稻黑条矮缩病发病率逐步回归模型回检结果

表4　影响早稻南方水稻黑条矮缩病发病率的主要因子相关与通径分析

3　小结与讨论

南方水稻黑条矮缩病是近年来发现的一种危害水稻的新病毒病［1-2］。水稻一旦感染该病毒之后，无论采用何种措施，防治效果均不理想［17］，加上目前缺乏对该病害安全有效的防治药剂和高产抗病水稻品种。因此，建立及时准确的病害流行趋势预测模型显得尤为重要。

建立回归模型时对关键生态因子的筛选尤为重要，入选因子必须与病害的发生有显著相关性才能保证方程的准确可靠，而逐步回归分析既可以实现对各影响因素的筛选，又可建立回归方程，是一种较为实用的分析方法［18］。本文利用逐步回归分析方法和通径分析方法，研究了早稻南方水稻黑条矮缩病发病前的气象因子对该病发病的影响，同时将上年晚稻发病率引入到方程中，以提高方程预测的准确性及实用性。筛选出的4个因子证明了上年10月下旬温雨系数和上年晚稻发病率2个因子为影响早稻南方水稻黑条矮缩病发生流行的关键因子，并建立了早稻南方水稻黑条矮缩病发病率的逐步回归模型，得到了较好的模拟及预测效果。

南方水稻黑条矮缩病在大田中发病情况十分复杂，虽然生态因素是影响南方水稻黑条矮缩病发生发展的主导因素，但为了使预测模型获得更高的准确率，还需要考虑白背飞虱虫量、作物抗（耐）病性、栽培措施等［9］。因此，今后需对影响早稻南方水稻黑条矮缩病发病率的其他因素做进一步深入研究。

参考文献

［1］周国辉，温锦君，蔡德江，等.呼肠孤病毒科斐济病毒属一新种：南方水稻黑条矮缩病毒［J］.科学通报，2008，53（20）：2500-2508.

［2］周国辉，张曙光，邹寿发，等.水稻新病害南方水稻黑条矮缩病发生特点及危害趋势分析［J］.植物保护，2010，36（2）：144-146.

［3］刘万才，刘宇，郭荣.南方水稻黑条矮缩病发生现状及防控对策［J］.中国植保导刊，2010，30（3）：17-18.

［4］郭荣，周国辉，张曙光.水稻南方黑条矮缩病发生规律及防控对策初探［J］.中国植保导刊，2010，30（8）：17-20.

［5］姜玉英，郭荣，刘宇，等.越南的水稻病毒病发生和防治概况［J］.中国植保导刊，2010，30（8）：54-57.

［6］陈观浩，梁盛铭，任惠，等.南方水稻黑条矮缩病空间分布型及抽样技术［J］.植物保护，2014，40（1）：131-133.

［7］陈冰，颜松毅，梁盛铭，等.广东省西南部南方水稻黑条矮缩病越冬调查初报［J］.农学学报，2014，4（3）：20-22.

［8］陈冰，颜松毅，陈蔚烨，等.气象因素对南方水稻黑条矮缩病的影响及预测模型的创建［J］.中国农学通报，2015，31（17）：246-250.

［9］龙梦玲.我国水稻黑条矮缩病及其防治研究进展［J］.广西植保，2011，24（1）：30-32.

［10］葛帅，余守武，杜龙岗，等.中国南方水稻黑条矮缩病的研究概况［J］.农学学报，2014，4（5）：8-11.

［11］罗香文，张德咏，戴建平，等.区域性南方水稻黑条矮缩病发生情况预测预报模型［J］.天津农业科学，2013，19（1）：87-89.

［12］范怀忠，张曙光，何显志，等.水稻新病毒病“瘤矮病”在广东湛江地区发生流行［J］.广东农业科学，1983（1）：44.

［13］陈观浩，陈少兰，梁训友，等.水稻瘤矮病危害产量损失的测定［J］.植物医生，1996，9（6）：26-27.

［14］谢双大，周小毛，虞皓，等.广东水稻橙叶病病原（MLO）的越冬［J］.植物保护学报，1996，23（1）：29-33.

［15］陈观浩，陈源，张雪梅，等.化州市近十年稻飞虱重发原因浅析及防治对策［J］.昆虫知识，2010，47（6）：1 240-1 244.

［16］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.

［17］刘万才，陆明红，黄冲，等.南方水稻黑条矮缩病大区流行规律初探［J］.中国植保导刊，2014，34（4）：47-51.

［18］陈士华，吴兴泉，杜春梅，等.寒地春油菜菌核病流行预测方法［J］.中国油料作物学报，2005，27（4）：89-91.

Establishment and Application of Forecasting Model on Early Southern Rice Black -streaked Dwarf Virus Disease Incidence

DONG Cheng1，LIANG Shaoyu2，CHEN Bing3，LIANG Shengming4，CHEN Guanhao4*
（1Tongqing Agricultural Technology Station，Huazhou，Guangdong 525127，China；2Changqi Agricultural Technology Station，Huazhou，Guangdong 525128，China；3Huazhou Meteorological Bureau，Huazhou，Guangdong 525100，China；4Huazhou Forecast Station of Plant Diseases and Insect Pests，Huazhou，Guangdong 525100，China；1st author：1078696768@qq.com；*Corresponding author：cgh7909986@126.com）

Abstract：The southern rice black streaked dwarf disease virus is an important viral disease that newly happen in recent years in rice area of Southern China. In order to clarify the relationship between the ecological factors and the disease incidence and improve the ability to predict and avoid serious losses，the author did a survey on their relationship based on the occurrence data from 2007 to 2015 by stepwise regression and path analysis. The results showed that the temperature and rain coefficient of late October last year and the late southern rice black streaked dwarf disease incidence of last year have a critical impact on the disease incidence. The author established the early southern rice black streaked dwarf virus disease incidence regression model with the ecological factors，and the model is Y^=-2.7590+0.1895X1+0.1345X2+1.0495X3+0.0044X4. The fitting effect of historical data is better by using the regression equation. In 2015，the difference between the forecast values and actual values is small and the predictive ability is strong，so the model is suitable for local as well as West Guangdong region.

Key words：southern rice black-streaked dwarf virus；ecological factors；stepwise regression；path analysis；prediction model

中图分类号：S435.111

文献标识码：A

文章编号：1006-8082（2016）02-0061-04

收稿日期：2015－11－22

基金项目：广东省科技计划项目（2011B020416001）；茂名市气象局气象科技计划项目［茂气（2012）114号］