运城市小麦条锈病发生等级与气象因子的相关性

裴秀苗，张茜茹，李娜，苏欢，裴昭萌

（1.运城市气象局，山西 运城 044000；2.山西省气象局气象台，山西 太原 030000；3.临猗县气象局，山西 临猗 044002；4.山西省盐湖区气象局，山西 运城 044000）

小麦条锈病是由条形柄锈菌小麦专化型（Puccinia striiformisWest. f. sp.tritici）引起的在我国麦区广泛流行的病害之一，具有发生历史久、发生范围广、流行频率高、危害损失重等特点[1-3]。小麦条锈病是一种气流传播病害，且是一种低温病害，在我国主要分布在西北、华北、长江中下游和西南各省，自新中国成立以后，曾多次在运城冬麦区大面积流行[4-5]。在全世界范围内，由于小麦条锈病造成的产量损失平均可达5%～10%[6]。山西麦区条锈病是由运城向北扩展引起的，因此研究运城市小麦条锈病的流行对山西全省条锈病的防控具有重大意义。

小麦条锈病的发生与发病程度，除了受品种抗病性的影响外，还受到菌源、菌量、环境以及气象条件等多种因素的影响[7]。近年来，许多专家学者已广泛开展小麦条锈病的发生、发展以及通过分析气象条件进行监测和预报等方面的研究。一些学者针对全国的小麦条锈病开展了预测研究[8-17]，靳宁等[8]通过逐步回归、BP神经网络等方法分析大气环流特征量与全国小麦条锈病发病率之间的相关关系，建立了全国小麦条锈病长期气象预测模型。肖志强等[10]利用1957—2006年陇南市9个气象站的气象资料与山区小麦条锈病资料，分析了陇南地区小麦条锈病的发生流行规律，并确定了影响该地区小麦条锈病流行的主要因子建立流行程度预测模型。郭翔等[16]采用多种分析方法，确定影响小麦条锈病发生的气象因子并建立了四川盆地小麦条锈病气象等级预测模型。赵军等[17]通过对鲁西南小麦条锈病发生程度和各月北半球500 hpa平均高度资料进行分析，研究了条锈病发生程度与大气环流的关系并建立了条锈病预测模型，预报时效30～60 d，历史拟合率达90%。在山西省内小麦病虫害气象预报模型研究方面，王志伟等[18]运用逐步回归分析方法筛选与冬小麦条锈病显著相关的气象因子，建立中长期的发生趋势模型。程海霞等[19]对晋城市冬小麦病虫害的发生规律及其与当地气象条件的关系进行统计分析，建立了山西省晋城市小麦病虫害气象预测模型。不同专家学者利用气象和小麦条锈病的资料，建立了具有较强针对性、地域性的条锈病预测模型，难以推广以及本地化应用，而且目前针对条锈病的研究很少考虑到风的影响。

本试验在研究影响运城市小麦条锈病流行程度的环境气象因子时，除了分析温度、降水、湿度和日照外，还分析了当地风向对条锈病流行程度的影响，并建立运城市小麦条锈病综合预测模型，旨在为病虫害防治提供靶向服务。

1 材料和方法

1.1 试验材料

本研究所用资料包括运城市1990—2020年间小麦生育期内条锈病发生等级、侵染时间以及旬、月平均气温、积温（≥0 ℃、≥5 ℃、≥10 ℃）、降水量、降水日数、日照时数、相对湿度、最高气温、最低气温等常规气象资料，并对旬资料进行组合处理：如3月上旬至中旬、3月上旬至下旬、3月上旬至4月上旬、3月上 旬至5月下 旬、3月 中旬至下 旬、5月 中旬至下旬等，依次进行所有时段组合处理。小麦条锈病发病等级资料来源于运城市农村农业局植保站，气象资料来源于中国气象数据网（http://data.cma.cn）。

1.2 研究方法

根据小麦条锈病自然发病情况，将流行等级（y）按5级划分：0级为未流行，1级为轻流行，2级为中度流行，3级为重度流行，4级为大流行。经可靠性检验修正后投入试用，并对1990—2020年模型预测值与实际资料进行对比，评估拟合准确率。

1.3 数据分析

利用Excel进行数据统计与整理，利用SPSS、多维Logistic回归模型分析环境气象资料与条锈病病害资料，筛选出相关性好、具有明确生物学意义的环境气象因子作为预测因子，建立预测模型。

2 结果与分析

2.1 小麦条锈病流行等级演变趋势

运城市小麦条锈病等级年际变化如图1所示。

图1 运城市小麦条锈病等级年际变化Fig.1 Interannual variation of wheat stripe rust grade in Yuncheng city

从图1可以看出，近31 a来，运城市小麦条锈病共发生24次，其中大流行1次，出现在1990年，大流行的出现概率为3.2%；重度流行2次，出现在2005、2006年，出现概率为6.5%；中度流行9次，出现概率29.0%，主要出现在2个时间段：1993年以前和2003—2010年间；轻度流行12次，出现概率38.7%，主要出现在1994—1999年和2012年以后；未发生条锈病的年份7次，出现概率22.6%，主要出现在2000—2008年间。

2.2 预测模型

研究表明，影响小麦条锈病流行的主要因子是品种的抗病性、菌源量和环境气象条件，在不考虑品种抗病性的情况下，菌源量的多少和环境气象条件的适宜程度决定着条锈病的流行程度[20-21]。

分析历年来运城市小麦条锈病资料，没有发现秋苗感染的记载，其流行程度主要受春季菌源的数量和侵染时间早晚的影响，本研究主要选取3—5月的气温、积温、降水量、降水日数、日照时数、相对湿度等常规气象资料，分析气象因子与小麦条锈病等级的相关性，建立预测模型，并检验模型的拟合效果。

2.2.1 风向 由于运城市小麦条锈病主要受春季菌源影响，根据历年资料记载，小麦条锈病菌首先侵染运城市南部的芮城县和永济市的小麦，因此，本研究中首先分析芮城和永济2县（市）3—5月的风向（图2）。综合分析发现，历年3—5月芮城盛行东北风、永济盛行西南风，小麦条锈菌侵染芮城的小麦后，形成的分生孢子乘着东北风沿中条山南侧进入永济，之后在西南风的推动下，沿中条山北侧的峡谷地带进入盐湖区、平陆等地。

图2 芮城和永济3—5月风玫瑰图Fig.2 Wind rose diagram of Ruicheng and Yongji from March to May

2.2.2 小麦条锈菌的侵染时间 小麦条锈菌一般在4月下旬侵染运城市的小麦，最早发现侵染时间是3月19日（2020年），最晚为5月16日（2019年），平均侵染时间是4月28日；在芮城、永济等地始见，5月以后进入流行扩散期。

本研究将3月18日定义为0，18日之后侵染的时间序列为正，之前的为负。从图3可以看出，条锈病菌侵染时间和当年发生等级在趋势上有一定的关系，侵染时间越早，时间序列越小，后期发生条锈病等级概率越高；侵染时间越晚，时间序列越大，后期条锈病发生等级概率越低。

图3 侵染时间与条锈病等级关系Fig.3 Relationship between infection time and stripe rust grade

2.2.3 气象因子预报模型 因变量为运城市1990—2020年条锈病发生等级数据，自变量为13县（市、区）3—5月各旬、月平均气温、积温、降水量、降水日数、日照时数、相对湿度等共66项环境气象资料，应用回归分析方法，筛选相关性较高且具有明确生物学意义的气象要素作为预报因子，建立条锈病发生等级回归模型（P＜0.05）。

式中，x1为4月上旬日照时数，x2为3月下至4月上旬相对湿度，x3为5月中旬降水量，x4为4月下旬日照时数。

运城市小麦条锈病等级受春季日照和空气湿度的影响较大，与4月上旬的日照时数呈明显正相关（P＜0.05），4月上旬日照时数较多时，往往温度较高，气候温暖，条锈病菌繁衍速度较快；条锈病等级与3月下旬至4月上旬相对湿度呈正相关，空气湿度大时小麦叶片表面上容易形成露珠，条锈病菌在有露珠的环境下繁衍、蔓延，后期流行等级越高；5月中旬的降水多，空气湿润，植株长势旺盛，底部叶片密度大，通风透光性差，有利于条锈病发展。

2.2.4 预测模型拟合验证 检验预测模型的拟合准确率，将每年的气象资料回代入模型得到拟合的条锈病等级，拟合结果与实际发生程度相差0.5（0～0.5）级为符合，计100%；相差1（0.5～1.0）级为基本符合，计80%；相差1.0～1.5级，计70%；相差1.5级以上为不符合，计为0；历史符合率为各年符合程度评分值的平均值。由表1可知，在运城市31 a资料中，历史回报拟合率在100%的为13 a，占41.9%；拟合率在80%的为12 a，占38.7%；拟合率在70%的为5 a，占16.1%；拟合率在0的为1 a，占3.2%。

表1 小麦条锈病等级相关因子及拟合Tab.1 Correlation factors and fitting of wheat stripe rust grade

续表1 小麦条锈病等级相关因子及拟合Tab.1（Continued） Correlation factors and fitting of wheat stripe rust grade

利用预测模型对1990—2020年的条锈病等级进行拟合（图4），并对2021年条锈病发生等级进行预测，其结论为：y＝-6.415+0.051x1+0.047x2+0.022x3+0.019x4＝-6.415+0.051×16.5+0.047×56.5+0.022×15.3+0.019×49.6＝1.639。根据模型预报2021年小麦条锈病等级为2级；据运城市农村农业局植保站调查，2021年运城市条锈病发生等级是2级，预报准确。

图4 小麦条锈病等级拟合值与实际值比较Fig.4 Comparison between fitting value and actual value of wheat stripe rust grade

2.2.5 大流行年份分析 1989年隆冬，全国大部分地区以偏暖为主，1990年春季降水丰沛、适时，北方冬小麦产区3—5月的降水量在50～200 mm，比历年同期偏多50%至2倍，全国各地对条锈病暴发的严重性估计不足，导致条锈病在全国大面积暴发，发生范围及流行强度均为近年之最[22]。

当年3—5月，运城市气温偏低，降水总量偏多，阴雨日数较多（表2）。3月21—28日出现连续8 d的阴雨天气，4月16—23日、4月27日至5月3日再次出现连续性降水；4月中下旬的平均气温分别为13.4、11.1 ℃，在条锈病潜育适温范围内；3月下旬至4月上旬间，运城市空气相对湿度为67.7%，高于历年同期平均值55.2%。温度适宜、空气湿润，阴雨日数多，小麦叶面易于形成露珠，有利于条锈病菌的侵入、繁殖乃至蔓延；5月15—18日运城全市再次普降中到大雨，旬降水量比历年同期平均值偏多33.0 mm，湿润的气候条件导致当年条锈病严重发生，发生面积10.7万hm2，等级达4级，是运城市1990年以来仅有的一次条锈病等级达到4级。

表2 特殊年份气象因素与平均值差Tab.2 Difference between meteorological elements and average values in special years

2.2.6 全国大流行而运城未形成大流行年 1990—2017年，小麦条锈病在我国有3次大流行，1990、2002、2017年，分别造成小麦减产12.4亿、8.5亿、1.7亿kg[23-25]，但运城市仅在1990年形成大流行，2017年轻度流行，2002年条锈病涉及甘、陕、川、渝、云、贵、宁、鄂、豫、鲁、冀等11个省区，山西未流行。

2017年受冬季温暖、春季多雨适温气候的影响，小麦条锈病在我国大面积流行，发生面积约556万hm2[23]，山西发生区域由运城向北扩展到忻州的原平，面积超6.67万hm2，是1990年大发生后的又一重发年。

2017年春季运城市的气候特点是气温异常偏高，降水正常。冬季（2016年12月至2017年2月）运城市平均气温达2.7 ℃，比历年同期平均值偏高2.3 ℃，入春后气温继续回升，春季（3—5月）平均气温为15.4 ℃，比历年同期平均值偏高0.9 ℃，期间降水量为104.5 mm，比历年同期偏多3.9 mm；3月1日至4月6日全市降水稀少，平均降水量仅11.5 mm，比历年同期偏少9.6 mm；4月7—10日，出现连续4 d降水天气，过程降水量介于17.2～39.8 mm；4月15—16日再次出现零星小雨，降水量在0～9.9 mm，永济、夏县降中雨，降水量分别为12.1、11.4 mm，条锈病菌于4月16日侵染芮城、永济。4月17—24日运城市以晴到多云天气为主，气温回升，不利于条锈病菌的潜育和繁衍；4月25日有0.0～1.1 mm的零星降水，5月份降水量和降水日数依然偏少，空气干燥，不利于小麦叶面形成露珠，因此条锈病菌虽然侵染运城小麦，并经运城向北扩散，但由于运城市防治病害发生的措施得力，而且后期气象条件并不利于其潜育、流行。因此，在2017年全国条锈病大流行的环境下，条锈病菌仅仅是经运城扩散至山西以北的小麦种植区，而对运城市内的小麦种植区并没有形成大流行。

3 结论与讨论

小麦条锈病是一种气传病害，流行年份常造成小麦明显减产。近31 a来，运城市小麦条锈病频发，开展条锈病预报预测的研究对提高作物产量、农业防灾减灾具有重要的指导意义。影响小麦条锈病发生、流行的因素较为复杂，研究发现，运城市小麦条锈病发生等级主要受4月上旬日照时数、3月下旬至4月上旬相对湿度、5月中旬降水量和4月下旬日照时数的影响。条锈病发生等级预测模型经过历史资料回代检验，拟合效果较好；利用2021年气象资料预测当年小麦条锈病发生等级与实际发生等级相符，预测效果良好，有一定的指导意义。

对比以往条锈病预测模型，本模型在考虑气温、降水量、日照、相对湿度等诸多气象因子时，对各个时段的旬、月资料进行组合处理，避免了旬、月资料存在人为间断的不足，有利于分析环境气象资料对条锈病菌影响的连续性，在要素选择上更加切合实际；其次，前人对条锈病的分析、研究中没有涉及到风向和侵染时间。本研究通过分析发现，当地春季的风向对运城市条锈病流行等级有一定的影响，病菌随着东北风沿中条山南侧由芮城进入永济，之后在西南风的推动下，沿中条山北侧的峡谷地带进入盐湖区、平陆等地。另外，条锈病菌侵染时间的早晚与运城市条锈病流行等级关系密切，侵染早，后期流行等级往往较高，侵染晚流行性等级往往较低。本研究建立的预报模型是基于基础气象要素资料，相对于遥感预测模型更加简易、可行。综合来看，本研究的预报模型具有一定的代表性，提升了运城市冬小麦条锈病预测的准确率，对条锈病的防治有积极的现实意义。

小麦条锈病发生等级不仅与当地气象因子有关，还受到小麦品种抗病性、菌源、病菌基数、防治措施等多方面因素的影响，本研究仅分析了环境气象要素对条锈病等级的影响。由于精确的条锈病发生面积、等级等实地观测资料较难获取，导致预测模型存在一定的偏差；此外，条锈病发生等级受主观因素影响，相邻等级之间可能存在一些误差。因此，在今后的应用中，将进一步细化观测方案、积累并完善条锈病相关资料，继续更全面、更深入地优化模型。