付晨妃,李冰,鄧敏,植彬,黃啟鋒
(1.廣州市從化區(qū)氣象局,廣東廣州 510925;2.廣州市海珠區(qū)氣象局,廣東廣州 510220)
廣州市從化區(qū)是著名的荔枝之鄉(xiāng),荔枝種植面積廣、產(chǎn)量大,但荔枝病蟲害為害明顯,每年都會造成大量荔枝減產(chǎn),尤其是荔枝椿象和霜疫霉病,據(jù)從化區(qū)農(nóng)業(yè)環(huán)境與植物保護站數(shù)據(jù)統(tǒng)計,近10年從化區(qū)椿象平均為害率高達82%,霜疫霉病平均為害率為35%。椿象和霜疫霉病會導(dǎo)致荔枝落花落果及嫩枝幼果枯萎腐爛[1]。當(dāng)連續(xù)陰雨或空氣濕度大時,在荔枝表面更容易長出霜疫霉層造成大量落果[2],且氣象因素對椿象的繁殖和生活都有明顯影響[3-4],進而影響荔枝產(chǎn)量。因此,氣象要素與荔枝病蟲害的相關(guān)研究對荔枝病蟲害的防治有重要意義[5-7],但因各地氣候、荔枝品種等的不同,影響荔枝椿象和霜疫霉病的關(guān)鍵氣象因素及其關(guān)系也不相同,致使各種預(yù)報模型在異地的適用性有限[8-9]。
本研究通過分析從化區(qū)荔枝椿象和霜疫霉病為害面積與氣象因素的相關(guān)性,選取影響顯著的氣象因子,并分別構(gòu)建荔枝椿象和霜疫霉病為害率預(yù)測模型[10-15],為荔枝病蟲害的防治提供有效支撐,對促進荔枝增產(chǎn)增收有重要作用。
本研究病蟲害資料為2010—2020年荔枝椿象和霜疫霉病致災(zāi)面積(從化區(qū)2010—2020年荔枝總種植面積基本不變),來源于從化區(qū)農(nóng)業(yè)環(huán)境與植物保護站;氣象資料選取2010—2020年逐月雨量、平均氣溫、相對濕度、日照時數(shù)、平均氣壓、雨日、最高氣溫和最低氣溫共8項氣象要素,來源于從化區(qū)國家氣象觀測站。
運用相關(guān)系數(shù)法進行因子普查,由于從化區(qū)荔枝多于8月采摘,故以每年8月至次年7月為一個荔枝病蟲害影響周期。
將2010—2019年荔枝椿象和霜疫霉病逐年致災(zāi)面積分別與同周期各項氣象因素的逐月數(shù)據(jù)進行相關(guān)性分析,本研究共普查96個氣象因子,篩選出相關(guān)系數(shù)大于0.5的因子各14個(荔枝椿象致災(zāi)面積氣象因子:1月平均氣溫、1月平均相對濕度、6月平均氣壓、1月最高氣溫、4月最高氣溫、6月雨量、上一年12月平均氣溫、上一年11月日照時數(shù)、上一年12月日照時數(shù)、1月平均氣壓、上一年12月平均氣壓、7月最高氣溫、上一年9月最高氣溫、1月雨量;荔枝霜疫霉病致災(zāi)面積氣象因子:6月平均氣溫、7月平均氣壓、4月最高氣溫、6月最高氣溫、4月平均氣溫、1月平均氣壓、2月最高氣溫、上一年10月平均氣溫、上一年11月平均氣溫、6月日照時數(shù)、1月雨日、5月雨日、7月最高氣溫、上一年10月平均氣壓)。
結(jié)合氣象因素對荔枝病蟲害的主要影響,利用多元回歸方法分別建立荔枝椿象和霜疫霉病致災(zāi)面積數(shù)字預(yù)測模型,最后用2020年數(shù)據(jù)進行預(yù)報檢驗。
統(tǒng)計可知,椿象致災(zāi)面積與1、4和6月的部分氣象因子相關(guān)性最為顯著,尤其是1月平均氣溫和平均相對濕度相關(guān)系數(shù)都高于0.8,說明氣溫和相對濕度是影響荔枝椿象發(fā)育的重要因素(圖1)。
1)氣溫。椿象致災(zāi)面積與冬季氣溫成正比,與春夏季氣溫成反比。如圖1a所示,2011年1月平均氣溫最低,對應(yīng)的荔枝椿象致災(zāi)面積也最低。因為在冬天低溫情況下,椿象會進入假死狀態(tài),成蟲受凍不易起飛[3],所以冬季氣溫越低,椿象的致災(zāi)面積越小。2011年4月最高氣溫超過34℃(圖1b),對應(yīng)當(dāng)年的荔枝椿象致災(zāi)面積也最低。且春季3—5月為椿象產(chǎn)卵盛期[2],說明出現(xiàn)高溫天氣時椿象產(chǎn)卵率大幅下降。
2)相對濕度。相對濕度與荔枝椿象致災(zāi)面積呈正相關(guān)(圖1c)。由圖1c可知,當(dāng)相對濕度大于80%時,荔枝椿象的致災(zāi)率都較高,說明荔枝椿象適宜生長在相對濕潤的環(huán)境中。從化區(qū)年平均相對濕度在75%~85%之間,滿足荔枝椿象的生長所需的濕度條件,故而椿象的為害率較高。
圖1 荔枝椿象致災(zāi)面積與1月平均氣溫(a)、4月最高氣溫(b)和1月平均相對濕度(c)的散點圖
由1.2節(jié)可知,霜疫霉病致災(zāi)面積與氣溫和氣壓都有較高的相關(guān)系數(shù)。
1)氣溫。霜疫霉致災(zāi)面積與4和6月的最高氣溫都呈負相關(guān),說明春夏季氣溫越高越不利于霜疫霉生長。劉晉[5]和張榮等[6-7]指出,廣東省荔枝霜疫霉培養(yǎng)基中,34℃以上菌絲均不能生長和產(chǎn)孢。結(jié)合圖2來看,只有2010年6月最高氣溫低于34℃,且2010年致災(zāi)面積也是最多的,說明34℃以上不利于霜疫霉生長,這與以往的研究是吻合的。
圖2 荔枝霜疫霉病致災(zāi)面積(a)與6月最高氣溫的散點圖(b)
2)氣壓。經(jīng)計算,6—8月平均氣壓與霜疫霉病致災(zāi)面積的相關(guān)系數(shù)為0.655 711,說明夏季氣壓越高越有利于霜疫霉的生長。夏季氣溫高、氣壓低,當(dāng)近地面氣壓升高時,氣溫降低,再次驗證2.1節(jié)高溫天氣不利于霜疫霉生長繁殖。
1)致災(zāi)面積預(yù)測模型的建立。
設(shè)定置信度為0.1,選取通過水平顯著性檢驗的氣象因子,結(jié)合氣象條件關(guān)系分析,用逐步回歸方法進一步篩選出顯著因子并建立線性多元回歸方程[8-12]。
荔枝椿象致災(zāi)面積預(yù)測方程為
其中,X1為1月平均氣溫(℃);X2為1月平均相對濕度(%);X3為4月最高氣溫(℃)。
荔枝霜疫霉病致災(zāi)面積預(yù)測方程為
其中,X1為7月平均氣壓(hPa);X2為4月最高氣溫(℃);X3為上一年10月平均氣壓(hPa)。
對方程(1)和方程(2)進行顯著性檢驗[11],分別求得F檢驗值為15.342 3和8.753 7,F(xiàn)查表值均為3.288 8,方程(1)和方程(2)的F檢驗值均大于查表值,通過顯著性檢驗。
2)致災(zāi)面積預(yù)測模型的試預(yù)測。
運用區(qū)間估計[13]的方法,分別計算兩個方程的置信區(qū)間,將2020年氣象數(shù)據(jù)回代回歸方程后求出回代值,如回代值介于置信上限和置信下限之間,則預(yù)測正確?;貧w效果見表1。
表1 荔枝霜疫霉病致災(zāi)面積預(yù)測方程回歸效果檢驗
經(jīng)對比檢驗,荔枝椿象致災(zāi)面積和荔枝霜疫霉病致災(zāi)面積預(yù)測方程回代后誤差都比較小,試預(yù)報正確,回歸效果較好。
1)影響荔枝椿象致災(zāi)面積的主要氣象因子是氣溫和相對濕度,影響霜疫霉病致災(zāi)面積的主要氣象因子是氣溫和氣壓。
2)該預(yù)測模型2020年試預(yù)報效果表明,該方法科學(xué)可行,可用于荔枝椿象、霜疫霉病致災(zāi)面積的早期預(yù)測預(yù)警。
3)霜疫霉病致災(zāi)面積與夏季氣壓呈正比,與秋冬季氣壓呈反比,說明存在適宜霜疫霉病菌生長的氣壓區(qū)間,目前氣壓與霜疫霉病相關(guān)性研究較少,有待資料補充后再做進一步研究。
本研究荔枝病蟲害致災(zāi)面積是經(jīng)噴灑農(nóng)藥和生物防治影響后的數(shù)據(jù),對本研究并未完全達到控制變量的效果,致災(zāi)面積的增減不一定是完全由氣象條件導(dǎo)致的,且荔枝病蟲害還受其生長環(huán)境、栽培技術(shù)等因素的影響,如果能開辟單獨實驗田,并將其他因素融入到預(yù)測模型中,預(yù)測效果更佳。