甘肃陇南冬小麦条锈病气象等级预测模型的建立与应用

万 信，任华荣，韩兰英，贾建英

(1.中国气象局兰州干旱气象研究所 中国气象局干旱气候变化与减灾重点开放实验室 甘肃省干旱气候变化与减灾重点实验室，甘肃 兰州 730020；2.西北区域气候中心，甘肃 兰州 730020)

甘肃陇南冬小麦条锈病气象等级预测模型的建立与应用

万 信1,2，任华荣1,2，韩兰英1,2，贾建英1,2

(1.中国气象局兰州干旱气象研究所 中国气象局干旱气候变化与减灾重点开放实验室 甘肃省干旱气候变化与减灾重点实验室，甘肃 兰州 730020；2.西北区域气候中心，甘肃 兰州 730020)

甘肃陇南地区是中国小麦(Triticumaestivum)条锈病菌核心越夏区，其越夏菌量对中国中东部来年春季小麦条锈病发生发展程度影响很大。本研究利用陇南冬麦区14个代表站点1990-2007年的气象资料和条锈病资料，依病田率将气象条件划分为5个等级，采用逐步回归方法建立了小麦条锈病气象等级预测模型。经历史回代检验，预测模型误差达2个等级的占12%，完全准确的为25%；对于实际病害等级为1～2级的气象等级拟合误差达2个等级的为23%，其他都在1个等级之内，预测效果良好。

小麦条锈病；发生发展；气象预测

小麦条锈病(Pucciniastriiformis)是严重危害我国小麦(Triticumaestivum)的主要农业生物灾害，发生区域主要为西北、西南、华北、淮北等冬麦区和西北春麦区，一般年份可使小麦减产10%左右，严重年份可减产30%以上[1]。若感病品种麦栽培面积大，秋苗发病多，冬季气温偏高，土壤墒情和苗情好，或冬季气温不高，但积雪时间长，雪层厚，翌年条锈病就有大流行的可能。开春以后，若条锈病菌越冬率高，早春菌源量大，气温回升快，春季流行关键时期的雨水多，将发生大流行或中度流行；若早春菌源中等，春季关键时期雨水多，将发生中等流行甚至大流行；若早春菌源量很小，除非气象条件特别有利，一般不会造成流行。

甘肃陇南为小麦条锈病常发流行区，是中国小麦条锈病的主要越夏基地之一，该区小麦条锈病除了在区内往返传播循环外，还通过孢子的远程传播影响到我国东部广大麦区，在中国小麦条锈病流行体系中具有至关重要的战略地位[2-3]。陇南流行区域主要包括天水地区渭河流域和嘉陵江上游徽成盆地与四川接壤的白龙江流域。在陇南海拔765～3 120 m范围的高山、河谷、阴山、川地、阴湿地区中，存在着一年最热月份气温不超过20 ℃的地方，这为锈病孢子的越夏提供了良好条件；在海拔较低且最冷月月平均气温不低于-7 ℃的地方，条锈菌就可以越冬。因此，陇南条锈菌能在该区域范围内完成周年循环浸染，即，在没有外来菌源的情况下，也能自行发生流行[4]。国内外在小麦条锈病原孢子远距离传输数值模拟、条锈病菌传播与高空气流关系研究、小麦条锈病与大气环流的关系及长期预报、小麦条锈病区域流行的相关性分析和局部地形地貌对小麦条锈病发生影响以及与小麦锈病发生原因类似的结缕草(Zoysiajapomca)锈病流行规律等方面都做过大量的研究[5-10]，针对小麦条锈病发生原因及防治措施、草原鼠虫害发生原因及管理对策的研究也较多[11-16]，运用简单统计预报方法进行陇南小麦条锈病气象条件预报研究方面也做过一些工作[17-18]，但是在预报因子选取方法合理性方面仍有欠缺。本研究选取生物学意义明确的气象条件适宜程度等级预报因子[19]，利用线性相关和逐步回归方法[20-21]筛选因子并建立预报模型，旨在为及时发布小麦条锈病气象等级预报提供参考工具，对稳定粮食产量、确保粮食安全具有重要意义。

1 资料收集

收集到1990―2007年陇南冬麦区各县历年条锈病资料98个样本，1989―2007年甘谷、武山、秦安、清水、麦积和武都等14个冬小麦代表站点逐日气象资料(包括平均气温、最高气温、最低气温、降水量、相对湿度和日照时数)。在以上14个站点中，部分资料为某个区域的值，其中武文(武都和文县)、成徽两康(成县、徽县、两当和康县)和宕西礼(宕昌、西和和礼县)病害资料及气象要素数据均为区域平均值，处理数据时分别将其平均值作为一个样本，代表陇南市南部、中部和北部3个区域。因为3个不同区域内各站点间气候类型相似，小麦发育期及条锈病发生发展也具有类同性，取平均值进行分析。

2 建模方法

2.1依病害程度划分气象因子等级 将病田率(y，发生面积占播种面积比例)以五级分类法划分5个等级Y，ygt;80%、 80%≥ygt;60%、60%≥ygt;40%、40%≥ygt;20%、y≤20%分别对应的Y为1、2、3、4、5级。

2.2预报气象因子自变量选取 先以条锈病发生面积百分比5级级别(Y)与样本点上年7月―当年6月逐旬气象因子做相关普查，气象因子分别有降水量、平均气温、平均最高气温、平均最低气温、日照时数和空气相对湿度。选取相关性显著且生物学意义明确的因子作为基础因子，又考虑到旬单位的变量变率较大、稳定性差，尽可能选取较长时段气象要素的累积或平均值作为初选因子。

初选到相关显著的有上年7月上旬―8月上旬平均气温、9月中旬―11月上旬平均气温、8月中旬―9月下旬降水量、12月中下旬降水量，当年1月平均气温、3月中旬―4月上旬平均气温、5月降水量和5月空气相对湿度等因子。

2.3气象因子等级级别值的计算 气象因子从5级到1级对应的级别值为1～50，其中5级对应的数值为1～10，4级对应的数值为10.1～20，3级对应的数值为20.1～30，2级对应的数值为30.1～40，1级对应的数值为40.1～50;如果气象因子小于最小值或大于最大值，则其级别值分别为1和50，对应的气象等级为5和1。将每个级别内的气象因子的上下限差值十等分，求算位于该级别内的气象因子级别值(表1)。表1中列出了预报模型中所用到的气象因子级别值，其他没有选入到预报方程的因子级别值没有再细列出。

T26-31、R23-27、R35-36、T1-3、T8-10和R13-15的生物学意义分别为麦田冬前生长期平均气温、自生麦苗生长期降水量、冬季积雪量、冬季最冷月平均气温、早春气温回升到锈菌侵入最适温度9 ℃以上的时间、锈病流行期降水量。

3 预测结果与验证

3.1预测模型 利用1990―2006年资料，根据气象因子级别值用逐步回归方法[17]得到陇南地区当年春季条锈病发生发展气象等级预报方程。

表1 影响陇南条锈病发生的关键气象因子分级Table 1 Grades of key meteorological factors affecting stripe rust occurrencein longnan

注： T26-31为上年9月中旬―11月上旬平均气温；R23-27为上年8月中旬―9月下旬降水量；R35-36为上年12月中下旬降水量；T1-3位当年1月平均气温；T8-10当年为3月中旬―4月上旬平均气温；R13-15为当年5月降水量。

Note: T26-31is the average temperature from mid-September to early-November of last year; R23-27is the precipitation from mid-August to late-September of last year; R35-36is the precipitation from mid- to late-December of last year; T1-3is the average temperature in January of current year; T8-10is the average temperature from mid-March to early-April of current year; R13-15is the precipitation in May of current year.

Y=a+b·XT26-31+c·XR23-27+d·XR35-36+e·XT1-3+f·XT8-10+ g·XR13-15

各气象因子的级别值与Y的相关系数分别为-0.224 6、-0.280 1、-0.255 6、-0.172 2、-0.337 2和-0.241 3，r0.10=0.163 8,r0.01=0.254 0，且相关性显著(Plt;0.05)。

为了分析各因子的影响程度，再对各气象因子进行偏相关分析，确定各因子对Y的贡献度。所谓偏相关即当变量在两个以上时，考虑两个变量之间的相关，把其他变量对这两个变量间相关的影响视为常数来考虑，这种分析方法称为偏相关分析，其相关系数称为偏相关系数。

从偏相关分析(表2)看，XR13-15(5月降水量)的

表2 各气象因子与Y的偏相关系数及显著性检验Table 2 Partial correlation coefficients of meteorological factors and Y, and significance test of the coefficients

注：Y为气象等级;XT26-31、XR23-27、XR35-36、XT1-3、XT8-10、XR13-15为表1中所列各气象因子的级别值。

Note:Yrepresents meteorological grades;XT26-31，XR23-27，XR35-36，XT1-3，XT8-10，XR13-15are the level values of meteorological factors in Table 1,respectively.

图1 陇南各代表站历年条锈病发生气象等级实测值与拟合值Fig.1 The measured and fitted values of meterological grades observed in representative meterological stations in Longnan

注：各站点资料序列为，甘谷1990-2001年,2004-2006年；武山1990年，1996-1997年，1999年，2002年，2005年；秦安1990-1991年，1996年，2002年；清水2004-2006年；麦积1990-1991年，1993-1994年，1996-1999年，2001-2006年；武文(武都、文县)1990-2006年；成徽两康(成县、徽县、两当、康县)1990-2006年；宕西礼(宕昌、西和、礼县)1990-2006年。

Note:The sequence of data of each stations,Gangu 1990 to 2001,2004 to 2006;Wushan 1990, 1996 to 1997,1999,2002,2005;Qin’an 1990 to 1991,1996,2002;Qingshui 2004 to 2006;Maiji 1990 to 1991,1993 to 1994,1996 to 1999,2001 to 2006;Wudu and Wenxian 1990 to 2006;Chengxian,Huixian,Liangdang,and Kangxian 1990 to 2006;Tanchang,Xihe,and Lixian 1990 to 2006.

贡献最小，即陇南5月降水量多少对当地春季小麦条锈病发生发展程度影响较小，而3月中旬―4月上旬平均气温(XT8-10)的影响最大。

3.2历史回代检验 误差达2个等级的有11个样本，约为12%，完全准确的有23个样本，约为25%。对于实际病害等级为1～2级即大流行年份的气象等级拟合误差达2个等级的有7个样本，约为23%，其他都在同一个等级之内。也就是说，凡是条锈病大流行年的气象等级预报误差不超过1个等级的在77%左右，条锈病大流行年不可能出现气象等级预报为不适宜的情况。

3.32007年试预报结果检验 运用该条锈病发生发展气象等级预报模型对2007年资料完整的站点(清水、麦积，陇南市南部、中部和北部)进行试预报(图2)。在资料完整的5个样本中，3个预报完全准确，1个样本误差为1个等级，1个样本误差为2个等级，预报效果较好。

图2 2007年试预报结果检验Fig.2 Prediction results of the year 2007

4 结论

陇南冬麦区条锈病发生主要与上年9月中旬―11月上旬平均气温、上年8月中旬―9月下旬降水量、上年12月中下旬降水量、当年1月平均气温、当年3月中旬―4月上旬平均气温和当年5月降水量相关。而以上因子生物学意义为麦田冬前生长期平均气温、自生麦苗生长期降水量、冬季积雪量、冬季最冷月平均气温、早春气温回升到锈菌侵入最适温度9 ℃以上的时间迟早和条锈病流行期降水量多少，生物学意义比较明确。

小麦条锈病气象等级预测模型应用历史回代检验表明：误差达2个等级的仅为12%，预测模型历史拟合效果较好。对于实际病害等级为1～2级的样本气象等级拟合误差在1个等级之内的达到了77%，效果很好；即，凡是条锈病大流行年不可能出现气象等级预报模型历史拟合为不适宜的情况。

利用2007年资料进行预测效果检验表明，模型应用效果较好。

预报方程建立时，5月下旬的空气相对湿度十分重要，远远优于5月降水量，虽然两个因子互相替代对预测模型效果影响不大，但是在实际生产中还是要关注5月下旬空气相对湿度变化情况。

[1] 中国农业科学院植物保护研究所．中国农作物病虫害[M].第二版．北京：中国农业出版社，1995：271-284.

[2] 李振岐，曾士迈.中国小麦锈病[M]．北京：中国农业出版社，2002：218-220.

[3] 商鸿生.小麦条锈病及其防治[M]．北京：金盾出版社，2008：64-74.

[4] 孙智泰.甘肃农作物病虫害[M]．兰州：甘肃人民出版社，1984：1-5.

[5] 荣飞,翟保平,姜玉英.小麦条锈病原孢子远距离传输数值模拟[J].生态学报,2009,29(7):3952-3959.

[6] 谢水仙,汪可宁,陈杨林.我国小麦条锈病菌传播与高空气流关系的初步研究[J].植物病理学报,1993,23(3):203-209.

[7] 赵军,黄善斌,孔凡忠.小麦条锈病与大气环流的关系及长期预报[J].山东气象,1997(3):19-23.

[8] 陈刚.小麦条锈病区域流行的相关性分析[D].北京：中国农业大学,2005.

[9] 项守明.涪江中游沿岸局部地形、地貌对小麦条锈病发生影响初探[J].中国植保导刊,2006(3):5-7.

[10] 张露明，方程，张学勇，等.北京地区结缕草锈病流行规律及种质抗病性鉴定[J].草业科学,2011,28(2):279-285.

[11] 周高军，周娟，陶志刚.甘肃陇南小麦条锈病发生的原因及防治对策[J]．农林科技，2008,37(1)：31.

[12] 谢鹏云.甘肃陇南小麦条锈病菌源基地改造工程初探[J]．中国减灾，1995,5(4)：27-29.

[13] 李振岐，王美楠，贾明贵，等.陇南小麦条锈病的流行规律及其控制策略研究[J]．西北农业大学学报，1997,25(2)：1-5.

[14] 谢水仙，陈万权，陈杨林，等.陇南地区小麦条锈病发生动态与治理[J].植物保护学报，1997,24(1)：29-34.

[15] 孙涛,赵景学,田莉华,等.草地蝗虫发生原因及可持续管理对策[J].草业学报,2010,19(3):220-227.

[16] 王玮,冯琦胜,于惠，等. “3S”技术在草地鼠虫害监测与预测中的应用[J].草业科学,2010,27(3):31-39.

[17] 许彦平，姚晓红，王丛书，等.甘肃天水市冬小麦条锈病发生发展的气象预测[J]．自然灾害学报，2011,20(1)：142-148.

[18] 肖志强，李宗明，樊明，等.陇南山区小麦条锈病流行程度预测模型[J]．中国农业气象，2007,28(3)：350-353.

[19] 袁福香,刘实,郭维，等.吉林省一代玉米螟发生的气象条件适宜程度等级预报[J]．中国农业气象，2008,29(4):477-480.

[20] 张福顺,付和平,武晓东，等.荒漠区子午沙鼠种群数量动态及其预测[J].草业科学,2011,28(3):454-458.

[21] 唐启义.DPS数据处理系统[M].北京：科学出版社，2010：661-672.

ApredictionmodelofmeteorologicalgradesonwinterwheatstriperustinsouthernofGansu

WAN Xin1,2, REN Hua-rong1,2, HAN Lan-ying1,2, JIA Jian-ying1,2

(1.Institute of Arid Meteorology CMA, Key Laboratory of Arid Climate Change and Reducing Disaster of China Meteorological Administration, Key Laboratory of Arid Climate Change and Reducing Disaster of Gansu Province, Lanzhou 730020, China; 2.Northwest Regional Climate Center, Lanzhou 730020, China)

Southern of Gansu Province is the core surviving area of stripe rust bacteria(Pucciniastriiformis)of winter wheat (Triticumaestivum)in summer. Amount of bacteria at the end of summer is a great influence on the development of stripe rust in next spring in central and eastern of China. Based on the meteorological and wheat stripe rust data of 14 representative stations in the winter wheat planting region of southern Gansu Province from 1990 to 2007, meteorological conditions were divided into 5 level according to disease field rate; and a forecast model of meteorological level on the wheat stripe rust was established by using stepwise regression method. Through the historical regression test, the error of the forecast model with 2 levels was 12% and the completed right prediction was 25%. The fitting errors up to 2 levels for the actual disease grade 1-2 was 23%, while others were all in one level. The prediction effect of forecast model was good. The model is extremely important to predict the development of wheat stripe rust and to improve wheat yield in central and eastern of China.

wheat stripe rust； occurrence and development； meteorological forecasting

REN Hua-rong E-mail:ren_huarong@qq.com

2012-01-16接受日期：2012-05-18

中国北方果树霜冻灾害防御关键技术研究(GYHY201206023-06)；2008年度中国气象局基建和事业费项目“中国主要农作物病虫害气象等级预报业务系统建设”

万信(1963-)，男，甘肃白银人，高级工程师，大学，主要从事农业气象科研业务。E-mail：Lanzhouwx@163.com

任华荣(1989-),女,江苏连云港人，助理工程师，大学，主要从事应用气象科研业务。E-mail:ren_huarong@qq.com

S431.11

A

1001-0629(2013)01-0029-05