解 鋒, 王世鋒, 蘇海燕, 廖淑霞, 胡想順

(1.楊凌職業(yè)技術(shù)學(xué)院 ，陜西 楊凌 712100；2.陜西省西安市臨潼區(qū)穆寨街辦農(nóng)業(yè)綜合服務(wù)中心，陜西 西安 710600；3.陜西省西安市臨潼區(qū)園藝工作站，陜西 西安 710600；4.楊陵區(qū)委考核督查辦，陜西 楊凌 712100；5.西北農(nóng)林科技大學(xué) 植保學(xué)院，陜西 楊凌 712100)

我國是小麥種植大國，麥長管蚜Sitobionavenae是小麥穗期最主要的害蟲種類，防治主要依靠化學(xué)農(nóng)藥[1]。但化學(xué)防治不可避免地會殺死天敵，增加麥長管蚜的抗藥性，還會污染環(huán)境，破壞田間生態(tài)系統(tǒng)的穩(wěn)定。及時對麥長管蚜的發(fā)生與發(fā)展做出準(zhǔn)確的預(yù)測，可以及時指導(dǎo)、制定麥田小麥蚜蟲防治的綜合治理措施。

氣象因素如溫度、濕度、干旱和降雨等氣象因子是影響麥長管蚜發(fā)生的重要因素[2～7]。氣象因素如何影響蚜蟲的種群發(fā)展，與各地的氣象因素密切相關(guān)。筆者根據(jù)楊凌(武功)1980-1987、2004-2008、2010-2016的百株蚜量和氣象因子，利用多元線性相關(guān)分析和回歸法構(gòu)建了麥長管蚜發(fā)生百株蚜量值與氣象因子間的多元回歸模型，這對麥長管蚜發(fā)生的預(yù)測及預(yù)報，及時精準(zhǔn)防控麥長管蚜意義重大。

1 材料與方法

1.1 數(shù)據(jù)來源

麥長管蚜種群動態(tài)數(shù)據(jù)來源于西北農(nóng)林科技大學(xué)昆蟲生態(tài)學(xué)研究團隊于1980-1987年，2004-2008年以及2010-2016年的統(tǒng)計數(shù)據(jù)。數(shù)據(jù)收集的地點是陜西楊凌西北農(nóng)林科技大學(xué)實驗田，時間為每年3月15日到5月30日。每5 d采集一次數(shù)據(jù)，換算為百株蚜量，進一步根據(jù)百株蚜量轉(zhuǎn)換為發(fā)生級別(表1)。

表1 根據(jù)百株蚜量劃分蚜情發(fā)生級別

1.2 數(shù)據(jù)處理

將所有數(shù)據(jù)到整理Excel表中。首先進行百株蚜量與16種單旬氣象因素：平均風(fēng)速、最大風(fēng)速、最大風(fēng)速的風(fēng)向、極大風(fēng)速、極大風(fēng)速的風(fēng)向、20-8時降水量、8-20時降水量、平均氣溫、日最高氣溫、日最低氣溫、平均氣壓、日最高本站氣壓、日最低本站氣壓、日照時數(shù)、平均相對濕度、最小相對濕度的相關(guān)性分析，接著選取相關(guān)性高的氣象因子，以田間百株蚜量y為自變量，選取的氣象因素為因變量，在SPSS軟件中建立多元線性回歸模型，構(gòu)建麥長管蚜不同時期的發(fā)生預(yù)測模型。得出近幾年的麥長管蚜預(yù)測數(shù)量后，并與真實麥蚜發(fā)生數(shù)據(jù)進行對比，確定模型的可行性。

2 結(jié)果與分析

2.1 楊陵區(qū)麥長管蚜蚜量與氣象因素的相關(guān)性分析

與麥長管蚜的種群數(shù)量正相關(guān)性最強的氣象因子是旬均溫度、旬均相對濕度和旬均氣壓，相關(guān)系數(shù)分別為0.27、0.19和0.11。其他相關(guān)系數(shù)均低于0.09。因此選取因子是旬均溫度、旬均相對濕度和旬均氣壓作為因變量進行多樣線性回歸分析。

2.2 楊陵區(qū)麥長管蚜多元線性回歸模型

2.2.1 楊陵區(qū)麥長管蚜發(fā)生預(yù)測模型構(gòu)建 利用1980-1987，2004-2007共12 a間楊陵3月中旬到5月下旬這段時間各旬百株蚜量(y)與旬平均溫度x1、x2旬相對濕度和日最高氣壓x3多元線性回歸方程如表2所示。

表2 各旬百株蚜量與氣象因子間的回歸方程

2.2.2 楊陵區(qū)預(yù)測模型的驗證 用2010-2016年的數(shù)據(jù)對預(yù)測方程進行驗證，實際發(fā)生值與預(yù)測值比較如表3。

通過表3就可以看出，利用1980-1987年、2004-2008年數(shù)據(jù)構(gòu)建的預(yù)測方程，預(yù)測2010-2016年的蚜蟲發(fā)生程度，3月中、下旬，4月上、中和下旬全部與實際發(fā)生值基本相同。5月上旬2012年預(yù)測值是2，實際值是1；2014和2015年預(yù)測值為2，實際觀測值為1，準(zhǔn)確率為57.14%；5月中旬2016年預(yù)測值為2，實際觀測值為1，準(zhǔn)確率為85.71%，所有這些預(yù)測值與觀測值之間的等級相差均是1級。

表3 各旬回歸方程預(yù)測麥長管蚜發(fā)生程度與實際發(fā)生程度比較(預(yù)測/實際觀察)

3 討論

麥長管蚜的準(zhǔn)確測報是國際難題，干擾麥長管蚜種群動態(tài)的因素包含生物的和非生物的，非生物因素主要就是氣象因素。我們的結(jié)果表明，影響當(dāng)旬麥長管蚜種群動態(tài)的主要氣象因素包括溫度、濕度和氣壓。另外，也有學(xué)者報到氣流[8]、低空風(fēng)向[9, 10]、日照時長[11]以及微環(huán)境[12]等也會影響麥長管蚜的種群數(shù)量。實踐表明，小麥進入灌漿期后，降雨也是影響麥長管蚜種群數(shù)量的最重要因素[6, 12, 13]。除了氣象因素，小麥品種特性，天敵等生物因素也會影響麥長管蚜的種群動態(tài)[1]。筆者發(fā)現(xiàn)，除了旬均溫度和濕度外，旬均氣壓也是影響麥長管蚜發(fā)生的因素之一。

近年來，我國學(xué)者應(yīng)用局部支持向量回歸、大數(shù)據(jù)以及傅立葉級數(shù)修正等方法對麥長管蚜的發(fā)生進行了預(yù)測預(yù)報，取得了良好的效果[14～16]。筆者使用傳統(tǒng)的多元線性回歸法，構(gòu)建了楊凌區(qū)各旬麥長管蚜的種群發(fā)生程度的預(yù)測模型，此方法應(yīng)用簡單，便于理解。然而實際上，蚜蟲種群發(fā)生與當(dāng)旬氣象因素之間可能并不是簡單的線性關(guān)系，多個氣象因素之間可能還會存在共線性問題。本模型也忽略掉了許多關(guān)鍵的非線性的因果關(guān)系，如連日風(fēng)雨。因此，以2010-2016年年數(shù)據(jù)進行驗證時，準(zhǔn)確率相對不高。但如果以1980-1987年、2004-2008年以及2010-2016年共20年的數(shù)據(jù)進行預(yù)測值和實際觀察值比較時，4月下旬準(zhǔn)確率為下降為90%，但5月上旬準(zhǔn)確率上升為75%，5月中旬上升為85%，蚜蟲危害關(guān)鍵期(4月下旬，5月上旬和中旬)總體準(zhǔn)確率達到了90%。重要的是所有預(yù)測值與實際觀察值間的差值均沒有超過1，這對一個模型來講已經(jīng)是相當(dāng)不錯的成績。

麥長管蚜主要在穗部為害，筆者的預(yù)測預(yù)報模型5月上旬預(yù)測結(jié)果和實際發(fā)生情況差距最大，除了連日風(fēng)雨影響之外，可能還有以下幾個原因：①缺少對施肥、灌溉、土壤類型等非生物因素，以及小麥品種抗性、天敵等非生物因素的考慮；②數(shù)據(jù)采集時間并不特別統(tǒng)一準(zhǔn)確，調(diào)查樣本量太??；③周圍農(nóng)田5月上旬田間防治蚜蟲時的農(nóng)藥漂移等。特別是農(nóng)藥漂移，很可能是造成預(yù)測值與實際觀察值不符的最主要原因(觀察值均低于預(yù)測值)。預(yù)測預(yù)報需要長期的數(shù)據(jù)觀察和記錄，穩(wěn)定不受干擾的數(shù)據(jù)觀察場所，準(zhǔn)確而且標(biāo)準(zhǔn)的數(shù)據(jù)記錄方法應(yīng)該是預(yù)測預(yù)報關(guān)鍵。