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。

1 資料與方法

1.1 資料來源

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。

1.2 研究方法

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。

2 結(jié)果與分析

2.1 氣象因素對荔枝椿象致災(zāi)面積的影響

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

2.2 氣象要素與荔枝霜疫霉病的關(guān)系

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。

2.3 荔枝椿象、霜疫霉病致災(zāi)面積預(yù)測模型構(gòu)建

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。

3 結(jié)論

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。