徐敏+高蘋+劉文菁+任義方+李玉佩

摘要：為了提前1個月預(yù)報出水稻稻曲病發(fā)生的氣象條件適宜程度，根據(jù)中長期預(yù)報原理，采用因子膨化滑動相關(guān)普查、空間拓?fù)浜妥顑?yōu)相關(guān)技術(shù)，篩選出對綜合稻曲病指數(shù)影響最顯著的預(yù)報因子，分別構(gòu)建基于氣象要素、海溫因子、大氣環(huán)流指數(shù)的預(yù)報模型，并對3種模型的預(yù)報結(jié)果采用算術(shù)平均、加權(quán)平均和多元回歸方法進(jìn)行集成。結(jié)果表明，建立的3種模型均通過了顯著性檢驗，預(yù)報效果較為理想，經(jīng)過集成后提高了單個模型的擬合精度和獨立樣本試報的準(zhǔn)確性，其中多元回歸集成的效果更好。因此，建立的稻曲病預(yù)報模型可投入業(yè)務(wù)使用，預(yù)報結(jié)果將為稻曲病防治工作提供較為充足的時間。

關(guān)鍵詞：水稻；稻曲病；綜合指數(shù)；預(yù)報模型；集成方法；氣象要素；海溫因子；大氣環(huán)流指數(shù)

中圖分類號： S435.111.4+9文獻(xiàn)標(biāo)志碼： A文章編號：1002-1302（2017）17-0095-04

通信作者：高蘋，研究員級高級工程師，主要從事應(yīng)用氣象領(lǐng)域科研、業(yè)務(wù)和服務(wù)工作。Tel：（025）83287136；E-mail：gaoping5268@126.com。稻曲病病菌以菌核、厚垣孢子在土壤、稻種和其他基地或寄主上越冬，翌年當(dāng)氣象條件適宜時萌發(fā)作為初侵染源侵染水稻，誘發(fā)病害[1]。國內(nèi)主要分布于長江中下游、西南、華南等地，通常在中晚稻上發(fā)生，近年來稻曲病呈現(xiàn)出發(fā)病范圍廣、發(fā)病頻率高及產(chǎn)量損失嚴(yán)重等趨勢[2]。該病危害水稻穗部，造成部分籽粒發(fā)病，一般每穗有1～5粒病粒，嚴(yán)重的可達(dá) 20～30粒。稻曲病發(fā)病后，不僅影響水稻產(chǎn)量，降低結(jié)實率和千粒質(zhì)量，而且病原菌附著在稻米上污染谷粒，嚴(yán)重影響谷粒的品質(zhì)[3]。在江蘇、浙江、云南等省該病已經(jīng)普遍發(fā)生，且連續(xù)幾年均較大規(guī)模流行，產(chǎn)量平均損失5%～10%，發(fā)病嚴(yán)重的田塊損失高于50%[4]。

稻曲病病菌在24～32 ℃發(fā)育良好，最適溫度為26～28 ℃，在水稻孕穗至抽穗揚花期適溫、多雨、日照少等條件均能促進(jìn)該病的發(fā)生流行。因此，稻曲病與氣溫、降水、濕度、日照等氣象條件有著密切關(guān)系，是一種典型的氣象型病害[5]。關(guān)于氣象因子與稻曲病發(fā)生關(guān)系的基礎(chǔ)性研究，已有學(xué)者從病菌侵染循環(huán)過程、發(fā)生規(guī)律及其適宜環(huán)境因素等方面開展了一系列試驗，分析了有利于孢子散發(fā)的氣象條件，明確了水稻稻曲病流行的氣象條件，確定了對稻曲病發(fā)病程度具有決定作用的氣象因子[6-8]。由此可見，研究氣象條件對稻曲病的影響以及兩者之間的密切關(guān)系為稻曲病的預(yù)測提供了科學(xué)依據(jù)。根據(jù)已有的稻曲病促病指數(shù)，可利用短期的天氣預(yù)報進(jìn)行稻曲病氣象等級的預(yù)測，但是預(yù)報時效非常有限，通常有效期只有3～7 d，預(yù)報時效短，不利于稻曲病防治工作的開展。另外，稻曲病在發(fā)生的初期很難被發(fā)現(xiàn)，等到肉眼可見穎片間夾著白色菌絲時，防治已為時已晚。因此，若能利用海溫、大氣環(huán)流等大尺度預(yù)報因子構(gòu)建長期預(yù)報模型，提前1個月且較準(zhǔn)確地預(yù)報出稻曲病發(fā)生程度的氣象等級，則可為防治提供較為充足的準(zhǔn)備時間，提前制定稻曲病的防治策略，同時對保障糧食安全和提高農(nóng)民收入也具有十分重要的現(xiàn)實意義。

1材料與方法

1.1研究資料

（1）1978—2015年江蘇省72個氣象站的逐日氣象資料包括日降水量、日平均溫度、日平均相對濕度、日照時數(shù)；8個農(nóng)業(yè)氣象站1978—2015年水稻生育期資料、2005—2015年的水稻稻曲病觀測資料包括大面積普查的病穗率和發(fā)生面積，15個縣（市、區(qū)）2014、2015年的水稻稻曲病大田調(diào)查資料。這些資料用于計算綜合稻曲病指數(shù)。

（2）1981—2015年每年1月上旬至8月上旬（共22旬）每旬的氣溫、降水、日照、溫光指數(shù)（氣溫與日照的乘積）、雨日、雨強（每旬中降水總量除以降水日數(shù)）用于以氣象要素為預(yù)報因子構(gòu)建綜合稻曲病指數(shù)預(yù)報模型；1978—2015年逐月的74項大氣環(huán)流指數(shù)（來自國家氣候中心）用于以大氣環(huán)流指數(shù)為預(yù)報因子構(gòu)建綜合稻曲病指數(shù)的預(yù)報模型；1978—2015年太平洋海區(qū)（10°S～50°N、120°E～80°W）逐月的海表面溫度（來自美國大氣與海洋管理局網(wǎng)站https：//www.esrl.noaa.gov/psd/data/gridded/data.cobe.html），水平分辨率是5°×5°，共286個格點，用于以海溫為預(yù)報因子構(gòu)建綜合稻曲病指數(shù)的預(yù)報模型。

1.2研究方法

針對江蘇省稻區(qū)，采用任義方等研究出的綜合稻曲病指數(shù)計算方法和氣象等級劃分標(biāo)準(zhǔn)[9]。本研究將分別以大氣環(huán)流指數(shù)、海溫、氣象要素為預(yù)報因子，分別構(gòu)建綜合稻曲病指數(shù)的預(yù)報模型。為了獲得最佳預(yù)報因子，采用統(tǒng)一的處理方式，首先采用因子膨化滑動相關(guān)普查方法[10]以確定相關(guān)最顯著的時段，環(huán)流預(yù)報因子的普查時間是從上一年1月至當(dāng)年7月，最大的滑動步長為3個月，氣象預(yù)報因子的普查時間是從當(dāng)年1月上旬至當(dāng)年8月上旬，最大的滑動步長為6個旬，海溫預(yù)報因子的選擇是從上一年1月至當(dāng)年7月，通過空間拓?fù)浞╗11]篩選出空間相連格點≥4個的海區(qū)，計算此海區(qū)影響時段的海溫平均值作為1個海溫預(yù)報因子；其次采用最優(yōu)化技術(shù)[10]確定最佳預(yù)報因子；最后通過逐步回歸構(gòu)建3種預(yù)報模型。

針對3種預(yù)報模型的預(yù)報結(jié)果，采用以下3種方法進(jìn)行集成：

（1）算術(shù)平均集成

=（Z1+Z2+Z3）3。（1）

式中：Z1、Z2、Z3分別為3個預(yù)報模型的預(yù)報值；為算術(shù)平均集成后的預(yù)報值。

（2）加權(quán)平均集成

=（Z1R1+Z2R2+Z3R3）（R1+R2+R3）。（2）

式中：R1、R2、R3分別為3個預(yù)報模型的權(quán)重系數(shù)，本研究取各模型的復(fù)相關(guān)系數(shù)。

（3）多元回歸集成

=Z1α1+Z2α2+Z3α3+α0。（3）

式中：α1、α2、α3是以預(yù)報值為預(yù)報因子、綜合稻曲病指數(shù)的實際值為預(yù)報對象建立的多元回歸方程的系數(shù)；α0為常數(shù)。endprint

2結(jié)果與分析

2.1綜合稻曲病指數(shù)3種預(yù)報模型

運用以上研究方法，基于氣象要素、太平洋海溫、大氣環(huán)流指數(shù)分別建立了綜合稻曲病指數(shù)的預(yù)報模型。基于氣象要素建立的預(yù)報模型為

Zqx=-0.536X1-0.437X2-0.168X3-0.294X4+12.587。（4）

式中：Zqx為水稻綜合稻曲病指數(shù)；X1、X2、X3、X4為經(jīng)過線性和非線性處理的氣象預(yù)報因子。計算公式和相關(guān)信息如表1所示。

數(shù)的預(yù)報模型中預(yù)報因子有7個，是不同顯著相關(guān)時段的北非副高面積指數(shù)、北半球區(qū)極渦面積和強度指數(shù)、歐亞緯向大氣環(huán)流指數(shù)、印緬槽等。從預(yù)報因子所處的影響時段可以看出，基于氣象要素的預(yù)報模型和基于大氣環(huán)流指數(shù)的預(yù)報模型在6月初就可以預(yù)報出綜合稻曲病指數(shù)；基于海溫的預(yù)報模型，由于預(yù)報因子中含有當(dāng)年7月的預(yù)報因子，因此在8月初就可以預(yù)報出綜合稻曲病指數(shù)。

2.23種預(yù)報模型的擬合檢驗與模擬效果對比

3種模型的歷史擬合效果均通過了α=0.01的F檢查，模擬值與實際值的波動特征基本一致（圖1）。1981—2012年間，共有6年（1988、1990、1993、1999、2003、2008年）的實際綜合稻曲病指數(shù)≥11，即這6年的氣象條件均非常適宜稻曲病發(fā)病，基于氣象要素的預(yù)報模型準(zhǔn)確地模擬出了其中3年（1990、1993、2008年）稻曲病氣象等級是非常適宜，1988、1999、2003年的模擬值分別為1093、10.81、10.55，對應(yīng)的氣象等級為適宜稻曲病發(fā)病，比實際等級非常適宜低了1個等級?；诤匾蜃拥念A(yù)報模型準(zhǔn)確地模擬出了其中4年稻曲病氣象等級是非常適宜，1990、2008年的模擬值分別為1028、10.57，對應(yīng)的氣象等級為適宜，比實際等級同樣低了1個等級?；诖髿猸h(huán)流指數(shù)的預(yù)報模型準(zhǔn)確地模擬出了這6年的綜合稻曲病指數(shù)氣象等級。由此可見，基于大氣環(huán)流指數(shù)的預(yù)報模型對于非常適宜稻曲病發(fā)生的氣象等級預(yù)報性能更好一些。

復(fù)相關(guān)系數(shù)是度量一個變量與其他多個變量之間線性相關(guān)程度的指標(biāo)，復(fù)相關(guān)系數(shù)越大，表明預(yù)報值與預(yù)報因子之間的線性相關(guān)程度越密切，公式（4）、公式（5）、公式（6）3種預(yù)報模型的復(fù)相關(guān)系數(shù)分別為0.836、0.891、0.926，表明基于大氣環(huán)流指數(shù)的預(yù)報模型中預(yù)報量與預(yù)報因子的線性程度最高，其次是基于海溫的預(yù)報模型。公式（4）、公式（5）、公式（6）模擬值的平均相對誤差分別為6.8%、5.8%、4.2%，說明基于大氣環(huán)流指數(shù)的預(yù)報模型模擬效果好于其他2種模型。

2.33種集成結(jié)果對比分析

根據(jù)“1.2”節(jié)中的3種集成方法，即公式（1）、公式（2）、公式（3）對3種預(yù)報模型進(jìn)行預(yù)報集成，生成綜合稻曲病指數(shù)的集成結(jié)果。由圖2可知，經(jīng)與實際值對比，3種集成方法均對模擬效果有所改進(jìn)，尤其是從20世紀(jì)90年代中期至2012年，集合后的模擬值變化曲線與實際值基本重合。算術(shù)平均集成、加權(quán)平均集成、多元回歸集成后的綜合稻曲病指數(shù)平均相對誤差分別為3.7%、3.6%、3.1%，說明對模型結(jié)果進(jìn)行集成后的效果均好于單個模型的模擬效果，因此，對模型結(jié)果進(jìn)行綜合集成是非常有必要的。在3種集成方法中，多元回歸集成的效果最好，其次是加權(quán)平均集成，算術(shù)平均集成的效果略差一些。

2.4預(yù)報模型的試報檢驗

利用2013—2015年的資料進(jìn)行試報檢驗，結(jié)果（表4）表明，利用氣象因子構(gòu)建的預(yù)報模型預(yù)報出的綜合稻曲病指數(shù)與實際值的誤差范圍是0.17～1.64，普遍比實際值大一些；利用大氣環(huán)流因子構(gòu)建的預(yù)報模型誤差范圍是-0.62～163；利用海溫因子構(gòu)建的預(yù)報模型試報結(jié)果誤差范圍是-0.47～002。從氣象等級的預(yù)報情況來看，基于氣象要素的預(yù)報模型和大氣環(huán)流指數(shù)的預(yù)報模型均準(zhǔn)確預(yù)報出了2014—2015年的稻曲病氣象等級，但2013年的預(yù)報等級比實際氣象等級高1個等級；基于海溫因子的預(yù)報模型準(zhǔn)確預(yù)報出了這3年的氣象等級。從集成情況來看，多元回歸集成后的氣象等級與實際等級均一致，效果好于加權(quán)平均和算術(shù)平均2種集成方式。

3結(jié)論與討論

水稻稻曲病發(fā)生程度與氣象條件密切相關(guān)，本研究根據(jù)中長期天氣預(yù)報原理，海溫的變化會引起大氣環(huán)流系統(tǒng)的改變[12]，從而影響到各地的氣象條件，而氣象條件的變化會影響稻曲病的發(fā)生發(fā)展，因此，以海溫因子、大氣環(huán)流指數(shù)、氣象要素為預(yù)報因子建立稻曲病氣象等級的預(yù)報模型是可行的，經(jīng)過擬合檢驗和試報檢驗，預(yù)報模型切實可行，可提前1個月預(yù)報出氣象等級，為提前準(zhǔn)備稻曲病的防治提供了充足的時間，彌補了原有稻曲病氣象等級預(yù)報時效短的不足。

對3種預(yù)報模型的預(yù)報結(jié)果集成后的效果明顯好于單個模型，說明對預(yù)報結(jié)果進(jìn)行集成十分重要，其中多元回歸集成的效果要好于算術(shù)平均和加權(quán)平均2種集成方式。

值得注意的是，本研究構(gòu)建的稻曲病氣象等級預(yù)報模型，預(yù)報出的氣象等級與稻曲病發(fā)生流行實際等級可能會存在不一致的情形，因為實際田塊中的稻曲病除了受氣象條件影響外，還與水稻品種、播期、植株抗病能力、病原數(shù)量、氮肥施用量和施用時期等有關(guān)[13-14]。因此，在開展稻曲病的實際預(yù)報時，需要綜合考慮氣象因素、管理水平以及水稻本身的抗病能力。

參考文獻(xiàn)：

[1]陳永堅，肖炎農(nóng)，趙永靜. 稻曲病菌越冬厚垣孢子萌發(fā)力及其侵染力的研究[J]. 植物保護(hù)學(xué)報，1995，22（2）：102-106.

[2]舒暢，潘華. 江西水稻病蟲災(zāi)害發(fā)生與防治淺議[J]. 氣象與減災(zāi)研究，2006，29（1）：61-64.

[3]陳永水. 我國稻曲病研究概述[J]. 中國農(nóng)學(xué)通報，1992，8（4）：15-19.

[4]黃珊. 水稻稻曲病研究進(jìn)展[J]. 福建農(nóng)業(yè)學(xué)報，2012，27（4）：452-456.

[5]蘇榮瑞，劉凱文，馮明，等. 2014年江漢平原水稻稻曲病促病氣象條件指數(shù)分析[J]. 中國植保導(dǎo)刊，2015，35（9）：44-49.

[6]王長金. 稻曲病發(fā)生發(fā)展的氣候條件及其防治措施[J]. 中國農(nóng)業(yè)氣象，1996，17（3）：41-48.

[7]葉生海，陳國平，程年娣，等. 鄂州市水稻稻曲病流行的氣象條件初探[J]. 湖北植保，2005（2）：37-38.

[8]朱明華. 稻曲病發(fā)生規(guī)律研究及防治技術(shù)研究[C]//華東植物病理學(xué)術(shù)研討會論文集. 2003：422-427.

[9]任義方，高蘋，朱鳳，等. 稻曲病氣象風(fēng)險評估及適宜度等級預(yù)測技術(shù)[J]. 植物保護(hù)，2017，43（1）：61-67.

[10]湯志成，孫涵. 最優(yōu)化因子處理及加權(quán)多重回歸模型[J]. 氣象學(xué)報，1992，50（4）：514-517.

[11]吳長彬，閭國年. 空間拓?fù)潢P(guān)系若干問題研究現(xiàn)狀的評析[J]. 地球信息科學(xué)學(xué)報，2010，12（4）：524-531.

[12]章基嘉，葛玲. 中長期天氣預(yù)報基礎(chǔ)[M]. 北京：氣象出版社，1983：254-282.

[13]張俊喜，成曉松，宋益民，等. 中國水稻稻曲病研究進(jìn)展[J]. 江蘇農(nóng)業(yè)學(xué)報，2016，32（1）：234-240.

[14]王文斌，尹小樂，李燕，等. 影響稻曲病嚴(yán)重度主要因素的研究[J]. 西南農(nóng)業(yè)學(xué)報，2014，27（3）：1067-1071.龍承鵬，戴小華，郭青云，等. 天竺桂葉片上黑刺粉虱的空間分布格局[J]. 江蘇農(nóng)業(yè)科學(xué)，2017，45（17）：99-101.endprint