气象因素对荔枝椿象和霜疫霉病的影响及预测
2022-03-10付晨妃李冰邓敏植彬黄启锋
付晨妃,李冰,邓敏,植彬,黄启锋
(1.广州市从化区气象局,广东广州 510925;2.广州市海珠区气象局,广东广州 510220)
广州市从化区是著名的荔枝之乡,荔枝种植面积广、产量大,但荔枝病虫害为害明显,每年都会造成大量荔枝减产,尤其是荔枝椿象和霜疫霉病,据从化区农业环境与植物保护站数据统计,近10年从化区椿象平均为害率高达82%,霜疫霉病平均为害率为35%。椿象和霜疫霉病会导致荔枝落花落果及嫩枝幼果枯萎腐烂[1]。当连续阴雨或空气湿度大时,在荔枝表面更容易长出霜疫霉层造成大量落果[2],且气象因素对椿象的繁殖和生活都有明显影响[3-4],进而影响荔枝产量。因此,气象要素与荔枝病虫害的相关研究对荔枝病虫害的防治有重要意义[5-7],但因各地气候、荔枝品种等的不同,影响荔枝椿象和霜疫霉病的关键气象因素及其关系也不相同,致使各种预报模型在异地的适用性有限[8-9]。
本研究通过分析从化区荔枝椿象和霜疫霉病为害面积与气象因素的相关性,选取影响显著的气象因子,并分别构建荔枝椿象和霜疫霉病为害率预测模型[10-15],为荔枝病虫害的防治提供有效支撑,对促进荔枝增产增收有重要作用。
1 资料与方法
1.1 资料来源
本研究病虫害资料为2010—2020年荔枝椿象和霜疫霉病致灾面积(从化区2010—2020年荔枝总种植面积基本不变),来源于从化区农业环境与植物保护站;气象资料选取2010—2020年逐月雨量、平均气温、相对湿度、日照时数、平均气压、雨日、最高气温和最低气温共8项气象要素,来源于从化区国家气象观测站。
1.2 研究方法
运用相关系数法进行因子普查,由于从化区荔枝多于8月采摘,故以每年8月至次年7月为一个荔枝病虫害影响周期。
将2010—2019年荔枝椿象和霜疫霉病逐年致灾面积分别与同周期各项气象因素的逐月数据进行相关性分析,本研究共普查96个气象因子,筛选出相关系数大于0.5的因子各14个(荔枝椿象致灾面积气象因子:1月平均气温、1月平均相对湿度、6月平均气压、1月最高气温、4月最高气温、6月雨量、上一年12月平均气温、上一年11月日照时数、上一年12月日照时数、1月平均气压、上一年12月平均气压、7月最高气温、上一年9月最高气温、1月雨量;荔枝霜疫霉病致灾面积气象因子:6月平均气温、7月平均气压、4月最高气温、6月最高气温、4月平均气温、1月平均气压、2月最高气温、上一年10月平均气温、上一年11月平均气温、6月日照时数、1月雨日、5月雨日、7月最高气温、上一年10月平均气压)。
结合气象因素对荔枝病虫害的主要影响,利用多元回归方法分别建立荔枝椿象和霜疫霉病致灾面积数字预测模型,最后用2020年数据进行预报检验。
2 结果与分析
2.1 气象因素对荔枝椿象致灾面积的影响
统计可知,椿象致灾面积与1、4和6月的部分气象因子相关性最为显著,尤其是1月平均气温和平均相对湿度相关系数都高于0.8,说明气温和相对湿度是影响荔枝椿象发育的重要因素(图1)。
1)气温。椿象致灾面积与冬季气温成正比,与春夏季气温成反比。如图1a所示,2011年1月平均气温最低,对应的荔枝椿象致灾面积也最低。因为在冬天低温情况下,椿象会进入假死状态,成虫受冻不易起飞[3],所以冬季气温越低,椿象的致灾面积越小。2011年4月最高气温超过34℃(图1b),对应当年的荔枝椿象致灾面积也最低。且春季3—5月为椿象产卵盛期[2],说明出现高温天气时椿象产卵率大幅下降。
2)相对湿度。相对湿度与荔枝椿象致灾面积呈正相关(图1c)。由图1c可知,当相对湿度大于80%时,荔枝椿象的致灾率都较高,说明荔枝椿象适宜生长在相对湿润的环境中。从化区年平均相对湿度在75%~85%之间,满足荔枝椿象的生长所需的湿度条件,故而椿象的为害率较高。
图1 荔枝椿象致灾面积与1月平均气温(a)、4月最高气温(b)和1月平均相对湿度(c)的散点图
2.2 气象要素与荔枝霜疫霉病的关系
由1.2节可知,霜疫霉病致灾面积与气温和气压都有较高的相关系数。
1)气温。霜疫霉致灾面积与4和6月的最高气温都呈负相关,说明春夏季气温越高越不利于霜疫霉生长。刘晋[5]和张荣等[6-7]指出,广东省荔枝霜疫霉培养基中,34℃以上菌丝均不能生长和产孢。结合图2来看,只有2010年6月最高气温低于34℃,且2010年致灾面积也是最多的,说明34℃以上不利于霜疫霉生长,这与以往的研究是吻合的。
图2 荔枝霜疫霉病致灾面积(a)与6月最高气温的散点图(b)
2)气压。经计算,6—8月平均气压与霜疫霉病致灾面积的相关系数为0.655 711,说明夏季气压越高越有利于霜疫霉的生长。夏季气温高、气压低,当近地面气压升高时,气温降低,再次验证2.1节高温天气不利于霜疫霉生长繁殖。
2.3 荔枝椿象、霜疫霉病致灾面积预测模型构建
1)致灾面积预测模型的建立。
设定置信度为0.1,选取通过水平显著性检验的气象因子,结合气象条件关系分析,用逐步回归方法进一步筛选出显著因子并建立线性多元回归方程[8-12]。
荔枝椿象致灾面积预测方程为
其中,X1为1月平均气温(℃);X2为1月平均相对湿度(%);X3为4月最高气温(℃)。
荔枝霜疫霉病致灾面积预测方程为
其中,X1为7月平均气压(hPa);X2为4月最高气温(℃);X3为上一年10月平均气压(hPa)。
对方程(1)和方程(2)进行显著性检验[11],分别求得F检验值为15.342 3和8.753 7,F查表值均为3.288 8,方程(1)和方程(2)的F检验值均大于查表值,通过显著性检验。
2)致灾面积预测模型的试预测。
运用区间估计[13]的方法,分别计算两个方程的置信区间,将2020年气象数据回代回归方程后求出回代值,如回代值介于置信上限和置信下限之间,则预测正确。回归效果见表1。
表1 荔枝霜疫霉病致灾面积预测方程回归效果检验
经对比检验,荔枝椿象致灾面积和荔枝霜疫霉病致灾面积预测方程回代后误差都比较小,试预报正确,回归效果较好。
3 结论
1)影响荔枝椿象致灾面积的主要气象因子是气温和相对湿度,影响霜疫霉病致灾面积的主要气象因子是气温和气压。
2)该预测模型2020年试预报效果表明,该方法科学可行,可用于荔枝椿象、霜疫霉病致灾面积的早期预测预警。
3)霜疫霉病致灾面积与夏季气压呈正比,与秋冬季气压呈反比,说明存在适宜霜疫霉病菌生长的气压区间,目前气压与霜疫霉病相关性研究较少,有待资料补充后再做进一步研究。
本研究荔枝病虫害致灾面积是经喷洒农药和生物防治影响后的数据,对本研究并未完全达到控制变量的效果,致灾面积的增减不一定是完全由气象条件导致的,且荔枝病虫害还受其生长环境、栽培技术等因素的影响,如果能开辟单独实验田,并将其他因素融入到预测模型中,预测效果更佳。