利用气象因子构建东港市地区水稻二化螟发生等级的预测模型

杨 眉 ，褚 晋 ，于凤泉 ，李志强 ，刘欣宇，孙富余*

（1 辽宁省农业科学院植物保护研究所，沈阳 110161；2 中国农业大学有机循环研究院（苏州），江苏 苏州 215100）

二化螟Chilosuppressalis 是稻作区常见的害虫，发生严重时可对水稻造成30%以上的减产[1，2]。二化螟是一种钻蛀性害虫，当幼虫蛀入水稻茎秆内部时，各种防治措施均难以生效。通常在卵孵化的高峰时期进行防治可获得显著的效果，而科学可行的预测预报模型能够为二化螟的有效防治提供更加精准的田间施药量以及施药时间。关于害虫发生预测模型的构建，当前的研究报道多采用越冬虫口基数、灯下诱蛾量、性信息素诱蛾量以及气象因子进行建模。陈德兰采用灯诱法连续5 年对马尾松毛虫的越冬代、第1 代成虫数进行统计分析，应用BP 神经网络建立预测模型，对下一代幼虫平均虫口密度进行了有效的预测[3]；杨湘等利用连续16 年的郴州地区烟田斜纹夜蛾的虫情资料，结合历年气象因子构建了该害虫的年发生动态预测模型，并对其进行了长期的预测预报[4]。刘祖建等利用广东省化州市6 年的稻飞虱发生等级与各项气象数据进行通径分析，得出温度是影响2 代稻飞虱的主要气象因子，降水量和日照时长间接影响稻飞虱发生程度，并以此为基础进行建模[5]。

水稻二化螟越冬虫口基数与冬后成虫发生量的关系最为密切[6]，但该方法的工作量相对较大，实际操作较为困难。而水稻二化螟作为一种非迁飞性的害虫，发生情况受地区气象条件影响明显，利用气象因子对其发生动态进行预测是一种较为实用的方式。当前关于利用气象因子构建水稻二化螟发生预测模型的研究极少，仅罗伟等报道了利用气象因子对湖北省自贡市地区的水稻二化螟发生动态进行了预测模型的构建[7]。由于不同地区的气象条件区别较大，该预测模型是否适用于其他地区尚且有待考证。同时，在以往预测模型的报道中，很多研究直接采用气象原始数据来预测害虫的发生量[8]，这种方法常因各气象因子的不同量纲而对预测模型的构建及实际预测效果产生影响。在气象因子的选择方面，也有很多学者选取了全年的气象数据对相关害虫的发生动态进行预测[9-11]，而国内南北方水稻熟制不同，二化螟的发生代数也不同，相应的成虫的发生期也不一致。为此，本研究选取辽宁省东港市地区为研究区域，以当地二化螟越冬代幼虫解除休眠时期至二代二化螟成虫发生期结束期间的气象资料作为研究对象，利用逐步回归分析法筛选出气象等级预测因子，建立该地区水稻二化螟预测模型，并探讨该预测模型的实用性和可行性。

1 材料与方法

1.1 试验材料

二化螟成虫发生动态数据（2012～2021 年）来源自辽宁省农业科学院植物保护研究所；气象数据（2012～2021 年）由辽宁省气象中心提供；二化螟测报专用诱芯购自宁波纽康生物技术有限公司。

1.2 调查地点概况

二化螟成虫发生动态调查地点位于辽宁省丹东市东港市水稻虫害测报专用基地，该地地处鸭绿江流域，属北温带湿润地区大陆性季风气候，年平均气温8.4 ℃，无霜期182 d，年降水量888 mm，年日照时数2 484 h。

1.3 历年成虫发生量调查

成虫发生量调查于该地历年二化螟成虫发生期（5 月下旬至8 月末）开展，在测报专用基地内设置诱捕器，内置昆虫性信息素诱芯，设置15 个/hm2诱捕器，诱捕器距离地面高度1.2 m，每30 d更换1 次诱芯。隔日调查诱捕二化螟成虫数量并记录。

1.4 研究方法

1.4.1 水稻二化螟发生等级划分 根据东港地区历年的水稻二化螟诱蛾量，对其发生情况进行等级的划分，分别为：0＜1 级≤500；500＜2 级≤700：700＜3 级≤900；900＜4 级≤1100：1100＜5级。将其记为因变量Y。

1.4.2 气象因子等级划分 为消除东港地区各个气象因子不同量纲的影响，选取历年3 月份至8月份各个气象因子历史同期的最值，由小到大等差划分为5 个等级，并将其记为自变量，具体设置为：X1～X6分别代表3 月份至8 月份的平均气温等级；X7～X12分别代表3 月份至8 月份的平均湿度等级；X13～X18分别代表3 月份至8 月份的降水量等级；X19～X24分别代表3 月份至8 月份的日照时数等级。由于数据量较为庞大，文中仅列出部分相关数据，详见表1。

1.4.3 利用气象因子等级预测水稻二化螟发生等级 本试验利用DPS 18.1 软件对数据进行处理，将自变量X 与因变量Y 数据导入DPS 18.1 软件中，进行逐步回归分析，筛选出主要的气象因子，并得出相应的回归方程，即为相应的预测模型。利用该预测模型对相关数据进行回测以及检验。

2 结果与分析

2.1 水稻二化螟成虫在稻田中的发生动态

由图1 可知，水稻二化螟成虫历年在田间的暴发时期主要集中在6 月中上旬（6 月1 日～6 月20 日）和8 月中上旬（7 月31 日～8 月19 日）。其中，2015 年、2017 年及2018 年的水稻二化螟成虫在6 月1 日～6 月10 日时间段内达到了10 d 累计发生量的最高值，其余年份则在6 月10 日～6月20 日达到峰值。按照6 月份最高10 d 累计发生量的大小进行排序，则各年份依次为2015 年＞2018 年＞2016 年＞2019 年＞2017 年＞2014年＞2013 年＞2012 年。2015 年、2016 年、2017 年及2018 年的水稻二化螟成虫于7 月31 日～8 月9 日区间内达到了10 d 累计发生量的最高值，其余年份则在8 月10 日～8 月19 日达到了峰值。按照8 月份最高10 d 累计发生量的大小进行排序，各年份依次为2015 年＞2017 年＞2018 年＞2016年＞2014 年＞2013 年＞2012 年＞2019 年。

图1 水稻二化螟田间发生动态

2.2 水稻二化螟发生等级预测模型的建立及检验

利用DPS 18.1 软件对水稻二化螟发生等级与气象因子进行逐步回归分析，筛选出6 项主要的气象因子（表2）。可知，自变量X2、X6、X10、X12、X16及X18的显著性水平均小于0.05，即水稻二化螟发生等级Y 与X2、X6、X10、X12、X16及X18均呈现显著相关，说明上述自变量对因变量具有真实的回归关系，得出预测模型：Y=5.1287+0.1468X2-0.6558X6+0.9123X10+0.4521X12-0.9530X16-0.8540X18（F=419.54，P=0.0203）。利用该预测模型对2012年至2019 年数据进行回归拟合，结果如表3 所示，可知该模型的拟合值与实际值基本吻合，说明该模型具有较高的准确性。利用2020 年与2021年的气象数据及水稻二化螟发生数据对所建立的预测模型进行检验，将预测值与实际值进行对比（表3），可知该模型的预测效果良好，2020 年与2021 年的预测误差均不超过5%，能够对水稻二化螟的发生等级起到有效的预测。

表2 气象因子逐步筛选结果

表3 气象因子预测模型的拟合结果

2.3 水稻二化螟成虫发生等级与关键气象因子的通径分析

直接通径系数为正数说明该项自变量对因变量具有促进作用，反之则具有抑制作用。由表4 可以看出，6 月份平均湿度（X10）和8 月份平均湿度（X12）的直接通径系数最大，说明6 月和8 月的平均湿度是促进水稻二化螟成虫发生等级上升的最为关键的气象因子；4 月平均气温（X2）的直接通径系数为正数，但数值较小，仅为0.3088，说明4月平均气温对水稻二化螟成虫的发生等级影响稍小；其余3 项气象因子中，6 月份降水量（X16）直接通径系数的绝对值最大，说明6 月份降水量对水稻二化螟成虫发生等级的影响最大，6 月份降水量越大，则当年水稻二化螟成虫的发生等级越小；其次为8 月份降水量（X18），直接通径系数的绝对值为0.7914。8 月份平均温度（X6）的直接通径系数相对较小，说明该项气象因子对水稻二化螟成虫的发生等级也具有一定的抑制作用。由此可知，6 月份降水量（X16）及8 月份降水量（X18）是影响水稻二化螟成虫发生等级的最为关键的气象因子。

表4 水稻二化螟发生等级与关键气象因子的通径分析

3 讨论

精准的预测预报是科学防治农业害虫的有效辅助手段。通过预测预报能够掌握害虫的基本发生动态，有助于在农业生产过程中确定钻蛀性害虫最佳的施药时间以及施药量，对于防治效率以及防治成本均实用。构建科学可信的预测模型需要连续多年的虫情资料及气象数据，李晓军等建立山东泰安市地区梨小食心虫的预测模型采用了连续5 年的气象数据[12]，吕国强等构建河南省河泛蝗区东亚飞蝗发生与气象因子的预测模型收集了连续20 年的调查数据[13]，均构建出准确率高、可回验的预测模型。本研究采用了2012 年至2019 年共计8 年的气象数据与虫情资料作为辽宁省东港市地区水稻二化螟发生动态预测模型的构建要素，并以2020 年及2021 年的相关数据作为预测模型准确性的验证对象，结果显示本研究所构建的预测模型对历史值的拟合程度和预测精准度均表现极佳，连续多年的相关数据保证了预测模型的科学性和准确性。在气象数据选择方面，本研究并未采取全年的气象数据作为研究对象，而是选取了每年的3 月份至8 月份的各项气象因子作为研究对象。其原因在于该阶段为历年水稻二化螟成虫的发生期时段，本研究调查的二化螟发生量数据仅为成虫数据，若利用全年气象数据进行预测模型的构建往往会受到极端气候的影响而使得模型的准确性降低。并且，在辽宁省地区3月份至8 月份气象条件较为稳定，利用该时段气象数据构建预测模型能够更好地保证关键气象因子的筛选，具备更可信的预测性。

本研究通过逐步回归分析法构建了辽宁省东港市地区水稻二化螟的发生等级预测模型，筛选出6 项影响该地区水稻二化螟发生的关键气象因子，分别为6 月份降水量，8 月份降水量，6 月份平均湿度，8 月份平均湿度，4 月份平均温度以及8月份平均温度。通过通径分析，可知6 月份降水量与8 月份降水量是影响水稻二化螟成虫发生等级最重要的气象因子。分析原因或许与害虫自身生物学特性有关，6 月份与8 月份分别为一代二化螟和二代二化螟蛹羽化、成虫交配的高峰期。这一时段的平均降水量直接影响成虫的虫口数量，若遭遇强降水或连雨天，蛹羽化率会大大降低，成虫交配成功率也会下降，从而分别导致两代成虫发生量有所下降。6 月份与8 月份的平均湿度被筛选为显著影响因子，推断与二化螟卵孵化率关系密切，二化螟卵孵化对湿度要求极高，湿度不足，卵孵化率会降低，从而间接导致成虫虫口数量下降。4 月份平均温度猜测与越冬老熟幼虫的发育有关，春季温度高可导致害虫越冬之后早出蛰，发生期提前，二化螟越冬老熟幼虫，化蛹率有所提高，羽化后成虫发生量相对增加。8 月份为全年温度最高时段，且有的年份会出现极端高温，连续极端高温天气，对二化螟蛹羽化、雌雄交配、雌虫产卵、卵孵化等行为都将产生显著影响，导致成虫发生量有所下降。6 月份和8 月份的平均日照时长，对成虫交配亦有影响，因成虫交配几乎全部发生在夜间。未被筛选出显著影响的气象因子，并非对二化螟发生量没有影响，只是作用大小有差异，而且各气象因子间本身也存在联系。此外，本研究所获得的预测模型并非绝对模型，而是动态模型。随着年份的增加，虫害发生等级和气象数据也在不断的更新，构建该预测模型中涉及的相关数据资料也应进行相应的调整以保证预测模型的科学精准性。

4 结论

本研究利用2012 年至2021 年的气象数据与虫情资料，通过逐步回归分析法构建并检验了辽宁省东港市地区水稻二化螟的发生等级预测模型：Y=5.1287+0.1468X2-0.6558X6+0.9123X10+0.4521X12-0.9530X16-0.8540X18（F=419.54，P=0.0203），该预测模型的拟合度与预测精准度均较好，能够为辽宁省东港市地区科学防治水稻二化螟提供有效的支持。