王丹 李夢蕓 俞婷

收稿日期：2023-12-10

作者簡介：王丹（1990—），女，江蘇溧陽人，工程師，主要從事綜合氣象業(yè)務(wù)。

摘 要：觀察2020—2023年長汀縣松材線蟲病統(tǒng)計長汀縣本站年平均氣溫、月平均風(fēng)速、月相對濕度、月平均最高氣溫、月平均氣溫與月日照時數(shù)等氣象觀測要素，發(fā)現(xiàn)當(dāng)?shù)貧夂蚓哂忻黠@的特征變化規(guī)律。因此，重點探討長汀縣境內(nèi)的馬尾松林研究松材線蟲發(fā)病與氣象觀測要素之間的規(guī)律。

關(guān)鍵詞：松材線蟲病；氣象因子；主成分分析

中圖分類號：S763.18 文獻(xiàn)標(biāo)識碼：B文章編號：2095–3305（2024）03–0-03

1985年，長汀縣境內(nèi)水土流失率為31.5%、森林占有面積為59.8%。2023年，在衛(wèi)星遙感觀測數(shù)據(jù)中，長汀縣境內(nèi)水土流失率已經(jīng)回落到7.8%、森林占有面積達(dá)80.32%，為華南丘陵區(qū)域治理水土流失問題樹立了一個典范。

馬尾松是長汀縣水土流失治理區(qū)的先鋒樹種和功勛樹種，對治理初期恢復(fù)植被發(fā)揮重要作用，形成了馬尾松為主的森林植被群落。已治理的7.33萬hm2山地，基本是生態(tài)公益林和天然商品林，其中87%為馬尾松中幼林，林分樹種類別太少、涵養(yǎng)水資源能力過低、生物多樣性匱乏、森林健康總體狀況不理想，森林生態(tài)抗壓能力不強，松材線蟲病所構(gòu)成的威脅極大。在自然條件下，松材線蟲主要侵染危害馬尾松、黑松、赤松、濕地松等78種松屬植物和冷杉屬、落葉松屬、云杉屬等８種其他屬針葉樹種[1]。

近年來，由于極端氣候頻發(fā)，長汀縣濯田、策武、館前、三洲、涂坊、南山等鄉(xiāng)鎮(zhèn)轄區(qū)內(nèi)接連出現(xiàn)零星死亡松樹，長汀縣通過松林提升、防控阻隔帶項目、防治采伐等多手段開展松材線蟲病防治工作。馬尾松是長汀縣水土流失治理過程中的主要樹種，研究長汀縣氣象條件對馬尾松林森林質(zhì)量的影響十分有必要。

1 森林資源及松林資源概況

長汀縣位于南接武夷山脈、西連江西省的閩西山區(qū)，曾是華南紅壤區(qū)水土流失問題的重災(zāi)區(qū)。全縣擁有25.94萬hm2林業(yè)用地，其中24.95萬hm2為林地，占96.2%；材林是主要成分。2020年長汀縣森林資源建檔數(shù)據(jù)統(tǒng)計中，全縣松林覆蓋率為47.5%，有11.85萬hm2，大多數(shù)為馬尾松，少量有濕地松、火炬松等，全縣18個鄉(xiāng)（鎮(zhèn)）和樓子壩國有林場均有分布。鄉(xiāng)土樹種馬尾松作為先鋒樹種，在治理水土流失過程中發(fā)揮了重要作用，是水土流失治理的功勛樹種。

2 材料與方法

2.1 基礎(chǔ)數(shù)據(jù)

選取2020—2023年長汀縣林業(yè)局公布的馬尾松林系松材線蟲病等導(dǎo)致的松樹枯死情況相關(guān)數(shù)據(jù)，包括枯樹小班數(shù)、枯樹株數(shù)及枯樹小班面積。氣象觀測要素選取長汀縣氣象站1991—2020年期間觀測的月平均降水量、年平均氣溫、平均年降水量、月平均相對濕度和年平均相對濕度2020—2022年期間觀測的月日照時數(shù)、月平均風(fēng)速、月平均氣溫、月平均最高氣溫、月總降水量與月平均相對濕度的觀測數(shù)據(jù)，并剔除或采用計算平均值的方法修正由于客觀原因造成的可疑或錯誤的數(shù)據(jù)。

2.2 數(shù)據(jù)分析

2.2.1 求平均值

先對氣象觀測要素進(jìn)行統(tǒng)計分析，主要選用方法包括求算術(shù)平均值和滑動平均值兩種方法，具體描述如下。

（1）求算術(shù)平均值的方法：將指定氣象觀測要素的一個月觀測值序列（Xi|i=1，2，3，…，n）進(jìn)行累加，再除以數(shù)據(jù)觀測序列的長度，算出該氣象觀測要素在n個月內(nèi)的算術(shù)平均值，如式（1）所示。

X=Xi（1）

式（1）中，為某個氣象觀測要素在n個X月時段內(nèi)的算術(shù)平均值，Xi為第i月的觀測要素值，i=1，2，3，…，n。

（2）求滑動平均值：求滑動平均值的窗口設(shè)置為5，因為在數(shù)據(jù)分析中發(fā)現(xiàn)相鄰5個數(shù)據(jù)小區(qū)間內(nèi)變化趨于平穩(wěn)，有利于減少隨機誤差；對指定氣象觀測要素一個觀測值序列（Xi|i=1，2，3，…，n）求取序列中的5個相鄰數(shù)據(jù)的平均值構(gòu)成一個新序列，新序列數(shù)據(jù)值計算如式（2）所示。

Xk=Xi（2）

式（2）中，Xk為新序列中第k個數(shù)據(jù)，Xi為原觀測序列中第i月的數(shù)值，i=5k，5k+1，5k+2，5k+3，5k+4。

2.2.2 求距平值

在長期氣象預(yù)報及相關(guān)科研工作中，為了說明氣象觀測要素偏離區(qū)域平均值的情況，通常采用氣象觀測要素的距平值，如式（3）所示。

dk=Xk-Xn（3）

式（3）中，dk為氣象觀測要素的距平值，Xk為k時次氣象觀測要素的觀測值，Xn為該氣象觀測序列的平均值。

2.2.3 主成分分析法

主成分分析法（PCA）是一種研究多維數(shù)據(jù)序列間相關(guān)性的數(shù)學(xué)計算方法，主要從原多維變量中提取出若干個線性不相關(guān)變量作為主成分量，在盡可能保留原始數(shù)據(jù)信息的同時，體現(xiàn)彼此之間互不相關(guān)。在分析過程中，通常將原來的P個向量作線性組合，重組為新的互不相關(guān)的序列。將新組合中的第一個序列記為第一主成分F1，用其方差V（F1）表征原序列的信息占比，即V（F1）越大，則表示F1包含的信息占比越高。如果第一個主成分不能代表原來P個序列數(shù)據(jù)的信息，再考慮選取F2為第二主成分，按照這樣的邏輯，可以選出若干個主成分。主成分序列之間線性無關(guān)，且方差值呈現(xiàn)降序排列。

對于一組原始數(shù)據(jù)：（Xi|i=1，2，3，…，n），其中V（F1）

≥V（F2）≥，…，V（Fp）≥0，向量（ai|i=1，2，3，…，p）為相應(yīng)特征向量，則X的第i個主成分如式（4）所示。

Zi=aiX（4）

式（4）中，Zi為X的第i個主成分，ai為第i個特征向量，i=1，2，…，P。

2.2.4 數(shù)據(jù)檢驗與統(tǒng)計

在數(shù)據(jù)檢驗與統(tǒng)計方面，借助Microsoft Excel和IBM SPSS兩款軟件強大的數(shù)據(jù)分析統(tǒng)計能力，實現(xiàn)上述方法。具體的安排為：不同年份氣象觀測要素分析松材線蟲病疫情指數(shù)，由IBM SPSS內(nèi)置的PCA分析方法實現(xiàn)，排序分析使用基于線性模型的RDA分析方法；數(shù)據(jù)求平均值、5年滑動平均與求距平均值由 Microsoft Excel軟件完成。

2 長汀縣松材線蟲病統(tǒng)計數(shù)據(jù)分析

2.1 相關(guān)性分析

表1為計算出的2020—2023年長汀縣境內(nèi)松材線蟲病疫情指數(shù)之間的相關(guān)系數(shù)矩陣，長汀縣境內(nèi)的松枯死樹小班個數(shù)和枯死株數(shù)（r=0.955，P＜0.05）、松枯死樹株數(shù)和小班面積（r=0.97，P＜0.01）、松枯死樹小班個數(shù)和小班面積（r=0.994）之間均有明顯的相關(guān)性，其他各個指數(shù)之間的相關(guān)性均較小。

2.2 主成分分析

2020—2023年長汀縣境內(nèi)松材線蟲病疫情指數(shù)的主成分分析結(jié)果如表2所示，表中“特征值”反映的是每個成分所集中松材線蟲病疫情指數(shù)矩陣中信息量占比，特征值分別為0.754、0.243 和0.002，第一主成分可以反映75.45%不同發(fā)病年份疫情指數(shù)間的關(guān)系，第一、第二主成分可以反映99.76%，3個主成分則可以反映99.99%。因此，該主成分分析結(jié)果是比較理想的，能夠反映大部分馬尾松林的松材線蟲病的疫情指數(shù)與發(fā)病年份之間相關(guān)性。

3 松材線蟲病發(fā)病與氣象觀測要素變化分析

3.1 年均氣溫變化分析

現(xiàn)有研究表明，松材線蟲病發(fā)生與流行最主要的氣象觀測指標(biāo)就是年均氣溫，當(dāng)且僅當(dāng)當(dāng)?shù)啬昃鶜鉁馗哂?0 ℃時，松材線蟲病才有在當(dāng)?shù)匕l(fā)生并流行可能[2]。根據(jù)統(tǒng)計研究，長汀縣觀測1991—2020年的年均氣溫的平均值為18.9 ℃，遠(yuǎn)高于誘發(fā)松材線蟲的年均氣溫最低值；（圖１）統(tǒng)計了長汀縣1991—2020年的年均氣溫距平值和5年滑動距平值變化情況，如圖所示，年均氣溫距平值和5年滑動距平值均＞0時，當(dāng)年松材線蟲病則會發(fā)生與流行（圖１）。

3.2 降水量變化分析

觀察1991—2020年長汀縣年降水量距平值與5年滑動距平值變化曲線可知，年降水量和5年滑動的距平值變化沒有規(guī)律性，表明松材線蟲病發(fā)病與降水量變化相關(guān)性不明顯（圖2）。而1991—2020年月降水觀測值中，各月降水情況差異明顯，5—6月降水觀測值最為顯著，6月測得降水量達(dá)到峰值。

3.3 相對濕度變化分析

觀察1991—2020年長汀縣年均相對濕度距平值與5年滑動距平值變化曲線可知，年均相對濕度距平值與5年滑動距平值與松材線蟲病發(fā)病與流行的關(guān)系不明顯（圖3）。而從2020—2022年月均相對濕度觀測數(shù)據(jù)中，3—11月是松材線蟲活躍期時，月均相對濕度均明顯低于往年觀測值。

4 松材線蟲發(fā)病與氣象觀測要素的相關(guān)性分析

計算1991—2020年長汀縣氣象觀測要素的相關(guān)系數(shù)如表3所示，計算結(jié)果顯示：月平均最高氣溫與月平均氣溫（r=0.997）具有顯著的正相關(guān)性；月平均氣溫與月平均風(fēng)速（r=-0.879）具有明顯的負(fù)相關(guān)性；月平均最高氣溫與月平均風(fēng)速（r=-0.867）具有明顯的負(fù)相關(guān)性；月平均相對濕度與月總降水量（r=-0.855）具有明顯的正相關(guān)性；其余各個氣象觀測要素之間亦呈現(xiàn)一定相關(guān)性，但均未達(dá)到顯著水平。

5 松材線蟲發(fā)病的氣象觀測要素之間主成分分析

統(tǒng)計2020—2022年長汀縣氣象觀測要素之間的主成分分析結(jié)果如表４所示，其中特征值反映的是氣象觀測要素在矩陣中信息量占比。4個成分的特征值分別為0.589、0.369、0.026和0.009，使用2個成分構(gòu)成的線性組合可以說明95.95%的不同發(fā)病年份氣候因子之間的關(guān)系，4個成分構(gòu)成的線性組合可以說明99.48%的不同發(fā)病年份氣候因子之間的關(guān)系。因此，本研究的氣象觀測要素主成分分析結(jié)果較為理想。

6 結(jié)論

松材線蟲病的發(fā)生與流行與氣象因子有著重要的關(guān)聯(lián)，高氣溫低相對濕度的氣象條件有助于松材線蟲病的集中爆發(fā)。分析1991—2022年長汀縣溫度、降水量及平均相對濕度氣象觀測值，發(fā)現(xiàn)長汀縣境內(nèi)的松材線蟲病發(fā)病期具有下列明顯特征。

（1）當(dāng)年的年平均氣溫顯著高于往年統(tǒng)計平均值；（2）當(dāng)月的月平均風(fēng)速能夠表征長汀縣松材線蟲病擴散和蔓延范圍及危害程度，當(dāng)月風(fēng)速大時，松材線蟲的媒介昆蟲松墨天牛能夠進(jìn)行更遠(yuǎn)距離的傳播擴散，致使研究區(qū)域內(nèi)松材線蟲病發(fā)生范圍變廣，危害程度也趨于嚴(yán)重化；（3）當(dāng)月的月相對濕度、月平均風(fēng)速觀測值均較高時，松材線蟲病在各個小班之間的傳播擴散均表現(xiàn)較同期其他時候活躍，呈現(xiàn)明顯的正相關(guān)；（4）當(dāng)月的月平均最高氣溫、月平均氣溫和月日照時數(shù)觀測值較大時，馬尾松病死總株數(shù)和危害面積的統(tǒng)計值也較大，呈現(xiàn)明顯的正相關(guān)。

長汀縣松材線蟲病危害程度整體情況較輕，且松墨天牛幼蟲孵化具有一定的潛伏期，馬尾松林從感染到枯死具有一定的時間，松材線蟲病疫情指數(shù)和氣象因子之間的關(guān)系還需有更進(jìn)一步分析。

參考文獻(xiàn)

[1] 朱克恭，姚仕義.松材線蟲病在我國蔓延的嚴(yán)重性[J].林業(yè)科技開發(fā)，1992（3）：6-7.

[2] 高瑞賀.松材線蟲入侵對三峽庫區(qū)馬尾松林生態(tài)系統(tǒng)的影響[D].北京：北京林業(yè)大學(xué)，2020.