鄭瀟菲，曲鳳玲

（1.吉林省吉林市永吉縣農(nóng)業(yè)技術(shù)推廣總站，吉林 永吉 132100；2.吉林省吉林市永吉縣北大湖鎮(zhèn)農(nóng)業(yè)技術(shù)推廣站，吉林 永吉 132100）

一、永吉縣2007～2016 年稻瘟病發(fā)生情況

2007～2016 年永吉縣水稻稻瘟病發(fā)生面積（包括葉瘟和穗頸瘟）分別占水稻種植面積的18.5%、14.3%、10.1%、23.4%、21.2%、9.6%、16.8%、21.2%、8.9%、20.1%。其中2010 發(fā)病率最高，發(fā)病面積達(dá)5697.9 hm2，為近10年來(lái)發(fā)病最嚴(yán)重的1次。2015 年發(fā)病率最低，發(fā)病面積百分比僅為8.9%。

二、稻瘟病的發(fā)生與氣象因子的關(guān)系

永吉縣是吉林省水稻主要生產(chǎn)區(qū)，種植的水稻為一季稻。稻瘟病的發(fā)生流行和7、8 月的氣候因素有緊密關(guān)系。此時(shí)溫度均超過(guò)20℃，濕度是稻瘟病發(fā)生和流行的主要因素。一旦7、8 月降雨量大、雨日多、露水多，稻株表層水膜保持超過(guò)6 h，日照不足易引發(fā)稻瘟病流行。適宜的環(huán)境條件有利于分生孢子的產(chǎn)生和侵染，同時(shí)光照少、光合作用減弱，會(huì)使稻株的碳氮比下降，發(fā)病加重。水稻抽穗期間穗頸瘟的發(fā)生流行主要受雨日天數(shù)和雨量的制約[1]。

1、稻瘟病與降雨量的關(guān)系

從統(tǒng)計(jì)資料可知，永吉縣稻瘟病發(fā)病相對(duì)較重的年份是2010、2011、2014、2016、2007 年。2010 年7 月全縣降雨量約為385.3 mm，為近10 年來(lái)稻瘟病發(fā)生最重的1 年。由此可見(jiàn)，2007～2016 年降雨量是影響水稻稻瘟病發(fā)生和流行的重要因素之一，降雨量增加直接導(dǎo)致稻瘟病發(fā)病面積擴(kuò)大、發(fā)病率上升，兩者呈正相關(guān)關(guān)系。

2、稻瘟病與雨日天數(shù)的關(guān)系

2007～2016 年，全縣7～8 月的雨日天數(shù)不同，但年份之間變化不大。其中，2014 和2016 年雨日數(shù)最少，但發(fā)病率相對(duì)較高，由此可知，降雨天數(shù)并非直接影響水稻稻瘟病發(fā)生流行的主要因素，而是對(duì)發(fā)病面積大小趨勢(shì)有一定影響。

3、稻瘟病與溫度的關(guān)系

2007～2016 年7、8 月平均氣溫都在20℃以上，滿足稻瘟病發(fā)病的溫度要求。2014、2016 年7 月上旬平均溫度較高，2014、2016、2017 年8 月平均溫度較高，稻瘟病發(fā)病率高，表明溫度和稻瘟病的發(fā)生蔓延存在某種必然聯(lián)系。2010、2011 稻瘟病發(fā)病率相對(duì)較高，但溫度特征不明顯；2012、2008 年7、8月平均溫度較高，但發(fā)病率不高。由此可知，溫度影響稻瘟病發(fā)生流行的同時(shí)，也受到降雨量的影響。

4、稻瘟病與濕度的關(guān)系

2015 年7 月，永吉縣的相對(duì)濕度最低僅71%，稻瘟病發(fā)病率最低。由此可知，相對(duì)濕度較低，稻瘟病病菌侵染和擴(kuò)散能力較弱，濕度通過(guò)影響病菌繁殖對(duì)稻瘟病發(fā)生流行起作用。

三、逐步回歸分析模型的應(yīng)用

1、基礎(chǔ)數(shù)據(jù)

以永吉縣農(nóng)業(yè)技術(shù)推廣總站提供的2007～2016 年永吉縣水稻稻瘟病的發(fā)病面積、播種面積和永吉縣氣象局提供的同期7～8月的氣象資料為研究基礎(chǔ)，把水稻稻瘟病的發(fā)病面積和播種面積之比用y表示，即為當(dāng)年稻瘟病的發(fā)病率，也就是預(yù)測(cè)模型的預(yù)測(cè)變量[2]。每年7 月和8 月的上旬平均氣溫、中旬平均氣溫、下旬平均氣溫、月均氣溫、月均降雨量、降雨天數(shù)和平均相對(duì)濕度共14 個(gè)氣象因子，分別記作x1，x2，x3，……，x14。運(yùn)用逐步回歸分析法，從影響永吉縣水稻稻瘟病發(fā)病的14 個(gè)氣象因子中篩選出具有顯著性的3 個(gè)預(yù)測(cè)因子，即x1（7 月上旬平均氣溫）、x8（8 月平均氣溫）、x9（7 月降水量）。表1 列出了相關(guān)原始數(shù)據(jù)，其中前8 年資料氣象用于建立逐步回歸預(yù)測(cè)模型，后3 年資料用于模型可靠性驗(yàn)證。

表1 水稻稻瘟病流行預(yù)測(cè)預(yù)報(bào)數(shù)據(jù)資料

2、建立稻瘟病流行預(yù)測(cè)模型

采用SPSS 軟件，應(yīng)用逐步回歸分析法將預(yù)測(cè)因子依次引入，經(jīng)過(guò)篩選最終確立了以下稻瘟病回歸預(yù)測(cè)模型：

y=1.373x1+5.059x8+0.054x9-134.762

該模型參數(shù)值為：F檢驗(yàn)值89.496 ＞F0.05，回歸方程非常顯著，可以用于預(yù)測(cè)。

由回歸預(yù)測(cè)式可以看出，x1（7 月上旬平均氣溫）、x8（8月平均氣溫）、x9（7 月降水量）與永吉縣水稻稻瘟病的發(fā)病率（y）顯著正相關(guān)。

3、預(yù)測(cè)效果檢驗(yàn)

將表1 中2007～2014 年的氣象數(shù)據(jù)依次帶入回歸預(yù)測(cè)方程中，通過(guò)逐步回歸分析進(jìn)行數(shù)理分析計(jì)算，并通過(guò)歷史擬合度比較法對(duì)預(yù)測(cè)模型的準(zhǔn)確性進(jìn)行檢驗(yàn)，結(jié)果如表2 所示。

表2 逐步回歸方程回驗(yàn)結(jié)果

由表2 結(jié)果顯示，從2007～2014 年，2010 年的預(yù)測(cè)值與實(shí)測(cè)值的符合率最高是99.8%；2008 年為95.9%最低。8 年的年平均符合率在97.5%以上，模型預(yù)測(cè)值與實(shí)際發(fā)生值的符合率較高，說(shuō)明應(yīng)用逐步回歸分析所建立的模型能較正確地反映永吉縣水稻稻瘟病發(fā)病率的動(dòng)態(tài)變化。

4、預(yù)測(cè)應(yīng)用

2015～2017 年的氣象資料沒(méi)有參與預(yù)測(cè)式建立的計(jì)算，現(xiàn)將表1 中的2015～2017 年數(shù)據(jù)當(dāng)作新的預(yù)測(cè)因子帶入方程開(kāi)始預(yù)測(cè)，結(jié)果詳見(jiàn)表3。

表3 逐步回歸方程預(yù)測(cè)結(jié)果

由表3 可知，2015 年預(yù)測(cè)符合率87.2%，2016 年預(yù)測(cè)符合率91.2%，2017 年預(yù)測(cè)符合率89.3%，平均符合率超過(guò)89.2%，符合率較高。因此，可以判定該預(yù)測(cè)模型可靠性較高，可以應(yīng)用于稻瘟病的預(yù)測(cè)。

運(yùn)用數(shù)理統(tǒng)計(jì)方法對(duì)影響永吉縣水稻稻瘟病發(fā)病的14 個(gè)氣象因進(jìn)行了逐步回歸分析，帶入回歸方程得出永吉縣水稻稻瘟病預(yù)測(cè)模型。經(jīng)檢驗(yàn)，歷史預(yù)測(cè)擬合度達(dá)到97.5%；2015～2017年預(yù)測(cè)結(jié)果符合率也很高，平均為89.2%。

四、結(jié)語(yǔ)

逐步回歸分析是數(shù)理統(tǒng)計(jì)方法之一，存在一定局限性。水稻稻瘟病發(fā)生流行的影響因素有很多，如栽培技術(shù)、氣候條件、品種抗性、施肥水平、生理小種種群變動(dòng)等，該方法雖然可以篩選出優(yōu)勢(shì)因子，但卻忽視了各因子之間的內(nèi)在聯(lián)系，所以在稻瘟病的預(yù)測(cè)上，應(yīng)該更多的綜合多種預(yù)測(cè)方法，全面分析，進(jìn)一步提高預(yù)測(cè)預(yù)報(bào)的準(zhǔn)確性[3]。