小麦赤霉病病穗率的预测模型

陈将赞，戴以太，杨廉伟

(天台县植物保护站，浙江 天台 317200)

赤霉病[Gibberellazeae(Schw.)Petch]是浙江省小麦的重要病害，在抽穗扬花期气候条件适宜，极易引起赤霉病流行，不仅造成小麦严重减产，而且品质降低[1]。为进一步提高赤霉病监测预报水平，建立回归预测模型，以持续有效控制赤霉病灾害，我们对天台县植物保护站1973—2018年赤霉病测报历史资料和气象资料进行了相关因子分析，建立了回归预测模型。

1 材料与方法

1.1 资料来源

根据天台县植物保护站1973—2018年田间调查和天台气象局气象资料，其中田间稻桩子囊壳丛带菌率在3月中旬调查，赤霉病病穗率在5月上旬稳定期调查，田间调查根据《小麦赤霉病测报技术规范》进行。气象资料由天台县气象局提供，统计上一年10月20日至12月10日总雨量。

1.2 数据统计与整理

汇总了1973—2018年(缺1979年、2001年数据)共44 a赤霉病数据与气象数据，统计了稻桩子囊壳丛带菌率(x1)、上一年10月20日至12月10日总雨量(x2)、赤霉病病穗率(x3)3个因子。由于稻桩子囊壳丛带菌率、赤霉病病穗率与总雨量的绝对数值大小差异较大，对丛带菌率(%)、病穗率(%)数据乘100后，再进行分析。

1.3 分析方法

利用DPS软件[2]进行因子相关分析与回归方程建立。以1973—2017年共43 a的数据用于建立小麦赤霉病逐步回归预测方程，并作回验，把赤霉病病穗率<10%的年份作为轻发生，10%～<40%作为中等发生(其中,10%～<20%为中偏轻发生，20%～<30%为中等发生，30%～<40%为中偏重发生)，≥40%的作为大流行[1]，则可以把数值<10%的判为轻发生，>10%的以拟合误差±5%以下作为预测是否准确判别标准；以余下的2018年数据来独立验证建立的赤霉病回归方程的预测准确性。

2 结果与分析

2.1 小麦赤霉病发生因子

表1表明，x3与x1、x2有显著相关，相关系数分别为0.45、0.83。

表1 1973—2018年天台县小麦赤霉病发生因子 相关系数

注：**表示P<0.01；*表示P<0.05。

2.2 小麦赤霉病病穗率逐步回归

以y为因变量，x1、x2为自变量，建立逐步回归方程：y=7.648 0-0.051 2x1+0.127 7x2。回归方程相关系数r=0.912 5，通径分析决定系数R2=0.832 6，P=0.000 1。

由回归方程对43 a赤霉病病穗率的拟合结果(图1)，病穗率>10%且拟合误差超过5%的仅9 a，预测准确率为79.1%。运用回归方程对2018年赤霉病病穗率进行预测，结果为20.6%，比实际观测值24.1%偏低3.5百分点，属中等发生年份，预测结果与实际发生情况基本相符。

图1 1973—2018年天台县小麦赤霉病病穗率 回归方程拟合结果

3 小结与讨论

发生因子分析的结果表明,小麦赤霉病病穗率与3月中旬稻桩子囊壳丛带菌率、上一年10月20日至12月10日总雨量有显著相关。分析原因可能为：一是3月中旬稻桩子囊壳丛带菌率为赤霉病发生提供菌源基数；二是上一年10月20日至12月10日总雨量可能与4月中下旬小麦赤霉病抽穗杨花期雨日、雨量呈正相关，由于缺乏4月中下旬历史气象资料，故无法进行准确数据分析。3月中旬稻桩子囊壳丛带菌率上一年10月20日至12月10日总雨量也有显著相关，分析原因，可能为上一年10月20日至12月10日连绵阴雨，能滋润寄主，增加黏附力，有利于病菌越冬[3]。

用回归分析建立小麦赤霉病病穗率的逐步回归预测方程，可提前1个月对赤霉病发生程度进行中期预测，预测准确率为79.1%，在小麦赤霉病防控中具有实际指导意义。由于小麦赤霉病的发生程度主要取决于菌源量、抽穗杨花期的气候条件[4-5]，在实际预测预报中还应综合考虑抽穗杨花期的雨日、雨量、气温、湿度等因素，增加预报准确性，更好指导小麦赤霉病防控工作。