昌图地区落叶松毛虫发生面积的预测预报

杨庆寅

（辽宁省林业有害生物防治检疫局，沈阳　110036）



昌图地区落叶松毛虫发生面积的预测预报

杨庆寅

（辽宁省林业有害生物防治检疫局，沈阳110036）

摘要：采用多元回归分析法和判别分析法建立了昌图地区落叶松毛虫发生面积与气象因子的预报模型，通过多元回归分析的逐步回归法得到多元方程：f=588.015- 4.062X1- 1.981X2- 5.311X3- 2.674X4，其中X1为12月平均相对湿度，X2为6月平均相对湿度，X3为8月平均气温，X4为6月最高气温；通过判别分析的费舍尔线性判别函数系数表得到3个类别的分类判别函数为：f1=0.467X1+4.592X2+0.651X3- 120.595，其中X1为“2月最低气温”，X2为“7月最低气温”，X3为“9月平均相对湿度”，f2=49.039X1+543.215X2+79.54X3- 7 116.71；f3=52.272X1+575.028X2+84.048X3-7 957.399。其中X1为“2月最低气温”，X2为“7月最低气温”，X3为“9月平均相对湿度”。

关键词：落叶松毛虫；预测预报；多元回归分析；判别分析

落叶松毛虫是重要的食叶害虫，其危害范围较大[1- 6 ]，在全球变暖背景下，落叶松毛虫的发生频率可能会提高。为提高防治落叶松毛虫的效率，充分发挥预测预报在有害生物综合治理中的作用[7 - 8 ]，本文研究了昌图地区落叶松毛虫发生面积与气象因子的关系，并建立了预报模型，以期为全球气候变暖背景下落叶松毛虫的发生趋势预测害虫综合治理提供依据。

1　数据来源

数据资料共两部分，一部分来自昌图地方林业局，为昌图地区1998～2008年落叶松毛虫虫害的发生面积；另一部分来自中央气象台，为1997～2007年昌图地区的气象资料。

2　预测模型建立的方法

通过多元线性逐步回归和判别分析法运用SPSS软件进行分析，根据落叶松毛虫受害面积及受害面积指数与气象资料之间的关系，利用上一年的预报因子来预测今年的发病情况。

逐步回归中，当F的概率≤0.05时变量进入方程；当F的概率≥0.10时从变量中剔除。

判别分析中，依受害面积大小将发生情况分成3个等级，分级标准：受害面积<3 333.35 hm2为1，受害面积为3 333.35~10 000.05 hm2为2，受害面积>10 000.05 hm2为3。

3　结果与分析

3.1多元回归分析

利用1997~2007年的气象资料(各个月的最高平均气温、最低平均气温以及月平均气温，月平均相对湿度)和1998~2008年的发生面积来建立回归方程。

根据逐步回归变量进入和剔除的标准，X1（12月平均相对湿度）、X2（6月平均相对湿度）、X3（8月平均气温），X4（6月最高气温）4个变量进入方程：

Y＝588.015- 4.062X1- 1.981X2- 5.311X3- 2.674X4

R2=0.976说明自变量与因变量之间的相关性特别紧密。Durbin- Watson值为2.225，约等于2，说明残差独立，根据模型的估计与假设所做的结论可靠。对模型的方差结果为F＝61.51，P<0.001，因而拒绝原假设，即认为回归方程中各系数均不为0，回归方程有意义。

3.2判别分析

根据费舍尔线性判别函数系数，得到3个类别的分类判别函数：

f1=0.467X1+4.592X2+0.651X3- 120.595（其中X1为“2月最低气温”，X2为“7月最低气温”，X3为“9月平均相对湿度”），

f2=49.039X1+543.215X2+79.54X3- 7 116.71 f3=52.272X1+575.028X2+84.048X3- 7 957.399（其中X1为“2月最低气温”，X2为“7月最低气温”，X3为“9月平均相对湿度”）

将待测样本的变量数据代入这两个函数中，将每个样本对应的3个函数值进行比较，其中值最大的那个是第几个函数，则该样本判为第几类。回报检验结果表明，原始样本进行分类的准确率及交叉确认检验的准确率均为100%，模型预测准确性非常高。

两组样本的Log Determinant分别为1.926和- 0.361，相差很大，表明组间协方差矩阵不同。Box’s M检验结果P>0.05，所以接受原假设，即认为总体协方差矩阵相等，差异不显著。典型相关测量了判别分值与分组之间的相关性，其系数为0.967，显示了二者之间较强的联结关系。

4　讨论

4.1受害面积指数与6月相对平均湿度、6月最高气温、8月平均气温以及12月平均相对湿度有关，并且这几个变量均与受害面积指数呈负相关。通过落叶松毛虫在昌图的生活史可以发现6月份到7月份为幼虫化蛹的关键时期，6月份湿度和温度越高越不利于幼虫的化蛹，幼虫化蛹需要相对干燥的环境和适宜的温度，因此6月份的高湿和高温不利于落叶松毛虫虫害的发生。8月份是成虫产卵以及卵孵化幼虫的时期，相对较高的温度同样不利于其卵的孵化，因此8月份的高温天气同样可以抑制落叶松毛虫的大发生。12月份昌图地区正处于寒冬季节，此时的落叶松毛虫的虫态为越冬幼虫，如果湿度较高则会对幼虫产生致命的冻伤，因此12月份的湿度越大松毛虫发生面积的指数就会相对降低。

4.2受害面积与2月最低气温、7月最低气温以及9月相对平均湿度呈正相关。2月东北地区仍为寒冬，此时温度为负值，即温度越低则落叶松毛虫的发生面积指数越低，2月落叶松毛虫的虫态为越冬幼虫，温度过低会使幼虫大部分冻死，从而降低落叶松毛虫的发生面积指数。7月份主要是蛹羽化为成虫的时期，如果此时温度过低会影响蛹的羽化，因此如果7月的最低温度相对较高则落叶松毛虫的羽化率提高，这样就加大了落叶松毛虫的发生面积指数。9月份落叶松的主要虫态为幼虫，此时正是秋季，气候相对干燥，如果此时的湿度相对增加则利于幼虫的成长，因而幼虫的数量和成活率增加，所以9月的相对湿度适当增加可以使落叶松毛虫的受害面积指数相对增加。

参考文献

［1］董双波,朱宝珠,刘海波.勃利县落叶松毛虫发生状况及防治技术的研究.防护林科技, 2009, 11(6): 30 - 45.

［2］董洪军,马喆.落叶松毛虫预测及综合防治措施.林业勘察设计, 2009(2): 98 - 100.

［3］岳书奎,王志英,黄玉清.落叶松毛虫生物学特性及天敌.东北林业大学学报, 1996, 24(4).

［4］周茂建,赵宇翔,李永成,等.我国外来林业有害生物发生现状及趋势分析.植物检疫, 2007(2): 71 - 73.

［5］岳书奎,王志英,黄玉清.落叶松毛虫生物学特性及天敌.东北林业大学学报, 1996, 24(4): 1 - 7.

［6］孙晓波,孙晓风.落叶松毛虫调查与防治技术.黑河科技, 2002: 5 - 8.

［7］Wang Zhiyin,Yue Shukui,Jia Chunsheng, Study on Cytoplasmic polyhedrosis virus on Dendrolimus superans, Journal of Forestry Research, 1998, 9(4): 261 - 263.

［8］MaDongMei,QinShiLi, SongChunbin. The effect of Dendrolimus superans breakout on growth oftrees, Journal of Forestry Research, 1998, 9(4): 269 - 272.

（责任编辑：李丹）

收稿日期：2015 - 12 - 19

作者简介：第1杨庆寅（1975-），男，高级工程师，主要从事林业有害生物防治的研究。

文章编号：1001 - 9499（2016）01 - 0045 - 02

中图分类号：S791. 22, S763. 303

文献标识码：A