摘要 利用恩施自治州植物保护站1965～1979年来凤、宣恩、恩施、建始4个地区植保站点15年的病虫测报资料，结合相应时段各气象站点地面观测资料，将恩施低山地区水稻作物分蘖至孕穗期主要病虫害1代三化螟全生育期间日平均灯诱数作为因变量，将病虫害发生发展前期气象因子作为自变量，采用常规统计分析方法，对第1代三化螟发生发展的轻重程度与气象条件进行了相关分析，最后采用多级逐步判别方法，建立第1代水稻三化螟发生发展不同等级气象条件预报模式。结果表明：第1代三化螟的发生发展与5月上旬的温雨系数、5月下旬的降水、6月上旬的平均最高气温关系最密切。

关键词 水稻；三化螟；气象条件；等级预报

中图分类号 S161 文献标识码A文章编号1007-5739（2008）19-0153-03

作物病虫灾害是影响农业产量的一个重要因素之一，而作物病虫害的发生发展及其危害都是与气象条件紧密相关的。农作物病虫害发生发展的监测预警业务，国内农业部门利用信息技术和生物技术等在监测预警领域取得了一定的研究成果，但在其发生发展的气象等级预报业务方面，还需要农业与气象部门联合进行。我州目前尚未开展此方面的工作，为了让气象为农业服务在建设社会主义新农村中更好地发挥作用，考虑到各地气候的差异性所决定的农业气象灾害地域性强的特点，结合当地实际，开展这方面的研究工作非常必要。

恩施土家族苗族自治州位于湖北省西南部，是一个以农业生产为主的地区，工业发展还很落后。全州以山地为主，海拔高差悬殊，呈明显高、中、低阶梯状分布，形成了具有地区特点的多样化、多层次的立体气候，从而形成作物布局形态多元，与平原地区相比，自然灾害种类更多、发生更加频繁。据地方民政部门的统计，其每年因自然灾害造成的农业损失近亿元，其中有很大一部分是气象条件直接影响下的作物病虫害，这对一个经济欠发达地区来说是一个很重大的损失。人类不可能制止自然灾害的发生，但是通过研究灾害发生的历史规律，其研究结果对于预测灾害的未来趋势、对农业气象灾害预警及发展农业生产具有重大的指导意义。

1研究思路与方法

恩施自治州主要作物是水稻（早中稻），而对水稻产量影响最大的作物害虫之一是三化螟。根据三化螟的生长发育和生活习性特点，它不但食性单一，且以第1代三化螟危害分蘖至孕穗期的水稻，从而形成“枯心苗”和“白穗”最为严重。在农业防治措施上，一般采取“狠治1代、挑治2代、巧治3代”的方法，控制第1代三化螟的发生发展是关键。故本课题的研究内容，是针对第1代三化螟的发生发展而言的。

通过走访农业部门发现，在20世纪80年代以前，病虫防治技术相对薄弱，但相关农业植保部门却积累了一手较完整的病虫测报资料。近年来，由于病虫防治技术大大提高，所有的病虫测报资料在研究过程中反而失去了原有的客观性，故笔者均选用20世纪80年代以前即1965～1979年来凤、宣恩、恩施、建始4个地区植保站点15年的病虫测报资料。 分析中采用的方法是：统计不同观测站点逐年观测资料，即第1代三化螟的始见日期、盛发日期、终见日期，以及在第1代三化螟全生育期间总灯诱蛾数和日平均诱蛾数，并将日平均蛾数量作为预报对象y。同时，根据三化螟生长发育的生物学特性，选取三化螟发生前期具有生物学意义的气象因子。最后采用多组逐步判别分析，建立第1代三化螟发生发展的等级预报模式。本文以恩施市为例，介绍作物害虫发生发展的等级预报模式建立方法。

2结果与分析

2.1预报因子群的选取

根据三化螟生长发育的生物学指标，即：春季〒≥15℃以上开始出现，秋季〒≤18℃终止；完成一个全生育期需要有效积温450℃；气温高于42℃及低于17℃的日期大于3d则死亡；最适宜湿度条件70%～80%。

根据统计分析，多数年份，恩施第1代三化螟的始见期出现在6月中旬末（见表1），结合上述生物学指标，文中选取了5～6月各旬（月）平均气温、累积降水、平均相对湿度、有效积温、温雨系数、温湿系数以及天气积分指数、水分积分指数等71个因子群。其中，温湿系数（E）是平均相对湿度（RH，去掉百分号）与平均温度（T）的比值，温雨系数（Q）即温度与降雨量（P）的比值，即：

E＝RH／T

Q＝P／T

水分积分指数=（雨量/雨量标准差+雨日/雨日标准差）/2

天气积分指数=（雨量/雨量标准差+雨日/雨日标准差+温度/温度标准差）/3

2.2预报因子判别能力的检验

在众多的待选预报因子中，剔除对预报对象不起作用和作用很小的因子，选取对预报量影响显著的因子，以便进行下一步判别分析，建立最优预报模型。

采用单相关线性回归分析，可求得预报对象y与各预报因子的单相关系数R矩阵。在所求出的R矩阵中，剔除因子x与变量y线性相关程度小的因子。在本文中，剔除了相关系数绝对值低于0.4的因子。通过剔除，在71个预报因子群中，还剩下11个与预报对象相关性较好的因子，各因子物理意义及单相关系数见表2。

2.3最优预报模型建立

2.3.1多级判别决策规则。在费歇尔判别准则前提下（即组间方差与组内方差比值为最大作为判别方程建立的原则），本文采用常用的贝叶斯后验概率方法作决策规则，即前期因子出现时，预报的问题是要确定预报量该判为哪一种类别。如本文中，根据日平均灯诱蛾数量将第1代三化螟的发生程度分为轻、中、重3类，这时，可用已出现的p个因子的样品代入判别函数，进一步计算其值的条件下，第G类出现的概率，然后选择出现最大概率的类别做预报，这类概率称后验概率，即：

式中，f（y0∣g）为判别函数值y0在g类中出现的概率密度。根据上述规则，实际计算中，判别函数可写为：

判别时，可把某样品值X0代入判别函数中，计算yg（g=1，2…G），若

2.3.2判别模型建立。为了选择判别能力强的因子，建立最优判别模型，本文采用多级逐步判别方法建立最优预报判别模式。

首先根据预报对象的值范围（即灯诱蛾日平均只数）分为3类，确定预报量级别，即：

1级：y<20，轻度发生

2级：20≤y≤100，中等程度发生

3级：y>100，重度发生

根据上述标准，对15个样本进行分组，并计算各因子组内均值和总平均值（见表3）。

然后计算因子总逆差交叉积阵和组内离差交叉积阵，即T和W：

最后用统计量Λ=|W|/|T|进行逐步判别计算和F统计检验，选Λi最小的因子xi逐步进行引入和剔除，最后筛选出最优组合因子，建立2个类别的判别方程。

本文在进行F统计检验时，规定Fα=2作为判据。通过采用常用统计预报软件，最后可得到3个类别的最优判别方程为：

y1=-2 522.86+152.771 4 x10+109.634 4 x3+0.353 0 x7

y2=-2 303.98+145.903 9 x10+104.464 0 x3+0.401 5 x7

y3=-2 234.47+144.216 5 x10+96.666 5 x3+0.536 1 x7

从以上判别函数可以得出，影响恩施市第1代三化螟发生发展的最优组合因子是：5月上旬的温雨系数、5月下旬的降水、6月上旬的平均最高气温。

2.3.3 模型的显著性检验。Λ统计量有3个自由度（P，G-1，n-G），用χ2检验法进行显著性检验。

χ2=-〔n-1-1/2（p+G）〕lnΛ（p）～χ2[p（G-1）]。Λ（p）时选入的3个因子的判别能力的统计量Λ（3）。

本例中，χ2=25.5，在α=0.05的显著水平下的自由度3（3-1）=6的χ2分布的为χ2α=12.592，χ2﹥χ2α，故判别方程是显著的。

通过历史数据回代检验，即将每个样品因子代入判别方程计算各类判别函数值，对各类判别函数值进行比较，取其中最大者所属类别作为最终预报类别。在15个样本中，出现1次误判，误差率6.67%（见图1）。

用上述同样的研究思路和方法，可以建立恩施自治州其他地区的病虫害气象条件等级预报判别模型。

3结论与讨论

（1）第1代水稻三化螟的流行和发展与前期气象因子非常密切，适宜的温度和湿度是导致三化螟发生发展最直接的原因。

（2）在害虫发生量预报中，常采用经验指数如温雨系数、温湿系数、天气积分指数等综合指标，即将多因子转换为单因子，综合考虑气象条件对作物病虫害发生发展的影响效果更好。

（3）模型预报中所采用的至少是旬资料，在实际工作中，预报因子的选取可根据作物害虫预报时效（长、中、短期）来选择使用实测值、长期天气预报值以及结合数值预报产品来进行。

（4）在预报方程的建立过程中，由于所选害虫资料均在20世纪80年代以前，当时防灾能力相对薄弱，故用日均灯诱蛾量作为预报范围值来划分害虫发生程度级别非常客观，基本能反应害虫生长的自然状态，模型效果较好。但由于资料年限较短，在实际应用中，还需要不断地对模型进行优化和改进。

4参考文献

[1] 许昌燊.农业气象指标大全[M].北京：气象出版社，2004.

[2] 张孝羲.昆虫生态及预测预报[M].北京：中国农业出版社，2002.

[3] 胡毅.应用气象学[M].北京：气象出版社，2005.

[4] 黄嘉佑.气象统计分析与预报方法[M].北京：气象出版社，2004.

[5] 施能.气象科研与预报中的多元分析方法[M].北京：气象出版社，2001.

[6] 王华弟，程家安.水稻三化螟预测预报与防治研究对策[J].中国农业科学，1997（3）：14.