大气环流指数对海南省稻飞虱发生的影响

2018-02-06白蕤李宁吴立

江苏农业科学 2017年15期

白蕤　李宁　吴立

摘要：基于因子膨化方法对74项大气环流特征量进行合理扩充，采用相关分析、回归分析等方法，完成对1961—2010年海南省稻飞虱发生面积率等级具有指示意义的大气环流因子的筛选及其相应等级指标的构建，分析大气环流影响海南稻飞虱的发生机制，建立基于大气环流的海南稻飞虱发生面积率预测模型，并利用2010年资料对模型进行预测检验。结果表明，影响稻飞虱发生面积率等级的次序为副热带高压类、极涡类、槽类以及其他类，影响的时段主要为上一年9—10月；不同指示因子的量值在稻飞虱发生轻、偏轻、偏重和重时差异显著；关键环流因子与稻区气象要素、海南稻飞虱发生面积率三者之间的存在密切关系；大气环流模型回代检验等级准确率为81.63%，2010年等级预测准确率为100%，模型总体评价准确率为82%。该模型准确性较高，可为预测预报海南稻飞虱提供服务。

关键词：大气环流；海南；稻飞虱；发生面积；因子；发生机制；预测模型；回归分析

中图分类号： S435.112+.3文献标志码： A

文章编号：1002-1302（2017）15-0080-05

我国稻飞虱的发生程度与迁入虫量、气候生态条件、水稻品种及栽培管理措施等有着密切关系，其中迁入虫量是决定其发生轻重的关键[1-2]。稻飞虱来源大致有3支[2-3]：一支由泰缅北部随西南季风迁入，主降地区为云南西南边境的局部地区；一支由菲律宾于7―8月随台风外围气旋迁入，主降东南沿海地区；另一支由中南半岛随盛行的西南季风于5—6月迁入，主降两广地区，随后迁向全国稻区。由此可见，海南省处于主降区，稻飞虱的发生与大尺度气候环流背景密切相关，适宜的大气环流场是稻飞虱迁飞的动力和载体。因此，研究海南省稻飞虱发生的气候生态成因，建立并开展稻飞虱发生的中长期气象预测，对增强防御稻飞虱灾害的能力十分重要。

国外学者在气候对水稻病虫害的影响方面进行了较为系统的研究。Mills等认为，水稻害虫在盛行的夏季风和季风中沿宽阔的轨迹向北迁移[4]。日本学者Morishita认为，厄尔尼诺的次年为日本褐飞虱大发生年[5]。国内学者的研究多集中在对稻飞虱与大气环流特征量的相关性分析上。高苹等研究发现，江苏地区褐飞虱前期迁入量与太平洋海温场存在显著的遥相关，水稻白背飞虱虫情因子与环流因子之间存在非线性、非单调的单峰型相关[6-7]；侯婷婷认为，西太平洋副热带高压强度是影响我国稻飞虱发生的重要因素[8]；于彩霞等筛选在我国稻飞虱发生前期对当年稻飞虱发生等级具有一定指示作用的大气环流因子并构建等级指示指标[9]；钱拴等探索大尺度环流背景对我国稻飞虱发生的影响关系，以此为基础建立我国稻飞虱发生面积中长期预报模式[10]。

海南省位于我国的最南端，属热带季风性气候，全年温热给稻飞虱提供良好的生存繁殖和越冬的气候环境。1987年4月下旬，海南省琼海市、陵水黎族自治县等地早稻局部田块稻飞虱虫口百丛密度达1 000～4 500头，最高可达1.5万头，并有相当多的田块出现“穿顶”[2]。2006年8月中下旬，海南省万宁市、琼海市等地的晚稻正处分蘖期，稻飞虱虫口百丛密度为500～4 000头，最高可达2万头，稻株全部枯干倒伏、颗粒无收[11]。王月姣等调查了海南省文昌市稻飞虱的发生规律，并从虫源、气候、品种、肥水管理等方面分析了稻飞虱成灾发生的原因[12]。肖彤斌等分析了海南省稻飞虱发生特点及成灾原因，并提出了相应的防治措施[11]。目前，對海南省稻飞虱的研究多是定性、机制性的描述，或是部分区域、站点的针对性研究，而针对海南省稻飞虱的气候背景研究甚少。本研究从全面反映大气环流的74项特征量入手，根据海南省水稻种植制度和区域分布，探索大尺度环流背景对海南省稻飞虱发生的影响关系，以此为基础建立海南省稻飞虱发生面积中长期预报模型，开展服务，以便及早做好防御工作，减轻稻飞虱造成的危害和损失。

1材料与方法

1.1材料来源

74项大气环流特征量逐月资料取自国家气候中心，时间为1960—2010年，具体情况如表1所示。稻飞虱资料来自全国农业技术推广服务中心，包括1961—2010年海南省稻飞虱逐年的发生面积、导致的水稻损失等。水稻面积、产量资料来自海南省统计年鉴，包括1961—2010年逐年的水稻种植面积、总产量等。

1.2资料处理方法

1.2.1稻飞虱发生等级划分

为消除水稻种植面积对稻飞虱发生面积的影响，将稻飞虱发生面积转化为稻飞虱发生面积率，即稻飞虱发生面积率=当年稻飞虱发生面积/当年水稻种植面积×100%[9]。由此得出历年稻飞虱发生面积率距平序列。

计算1961—2010年稻飞虱发生面积率的平均值，以平均值上下波动50%为等级间隔，对稻飞虱发生面积率进行轻、偏轻、偏重、重4个等级划分[9]，分别对应发生程度1、2、3、4级（表2）。

1.2.2预测因子膨化

预测因子膨化技术能合理扩充不同时段环流特征量的信息，构建的预测模型具有时间上的连续性，在预测准确率和挑选预测关键时段方面也具备优势[13]。

根据统计各气象站的水稻生育期，研究区水稻最早可在1月播种。考虑到稻飞虱的发生对大气环流响应的滞后性和各气象站的水稻生育期，将上一年1月作为水稻稻飞虱因子膨化的时段组合起始时间，上一年12月作为时段组合的终止时间。通过因子膨化的方法从上一年1月至上年12月，按照1个月、2个月直至12个月对74项大气环流特征量进行时段组合。其中，第4、第15、第26、第37项的每年6—9月无数据，不参与时段组合。第65、第66、第70项每年6—8月无数据，不参与时段组合，所有特征量共组合6 642个大气环流因子。

1.2.3相关性分析

不同时间段组合的大气环流特征量与海南省稻飞虱发生面积率之间的相关系数计算公式如下：endprint

2结果与分析

2.1影响海南省稻飞虱发生面积率的大气环流特征量

2.1.1影响海南省稻飞虱发生的关键环流特征因子及影响时段

由图1可看出，74项环流特征因子中通过0.001水平显著性检验的影响时段数和关键因子数。影响海南省稻飞虱发生的关键环流因子有40项，其中副热带高压类环流特征因子显著影响时段数为518个，关键环流因子有22项，占全部关键环流特征因子的55%；极涡类环流因子显著影响时段数为340个，关键环流因子有10项，占全部关键环流特征因子的25%；环流类因子显著影响时段数为27个，关键环流因子有3项，占全部关键环流特征因子的7.5%；槽类环流因子显著影响时段数为17个，关键环流因子有3项，占全部关键环流[CM（25]特征因子的7.5%；其他类环流因子显著影响时段数为5

[TPBR1.tif]

个，关键环流因子有2项，占全部关键环流特征因子的5%。由此可见，北半球大气环流对海南省稻飞虱发生面积率的发生影响程度次序为副热带高压类>极涡类>环流类>槽类>其他类，其中副热带高压类与海南省稻飞虱发生面积率的关系最为密切，其次为极涡类。副热带高压面积指数、强度指数分别与海南省稻飞虱发生面积率呈正相关，极涡类呈负相关。副热带高压类的东太平洋副高北界、北非副高脊线、极涡类的北半球极涡强度指数对稻飞虱发生面积率影响显著，最大相关系数分别是-0.794、0.655、-0.735，均达到极显著相关。而副高北界和副高脊线与海南省稻飞虱发生相关程度较低，22个指数中仅有5个指数与海南省稻飞虱发生面积率的相关达到 0.001 显著水平，且不同区的副高北界和脊线与海南省稻飞虱发生的相关情况不同，既有正相关也有负相关。

对海南省稻飞虱发生的关键环流特征因子进行影响时段统计发现，上一年1月至当年1月关键环流特征因子对海南省当年稻飞虱发生面积率均有显著的影响。其中上一年9—10月和上一年的7—10月为集中影响时段，其次是上一年的2月至当年1月和上一年的3月至当年1月。各类关键环流因子中，副热带高压类和极涡类环流因子对海南省稻飞虱的影响最为重要，其中上一年9—10月副热带高压类环流因子的影响最为明显，上一年6—11月极涡影响也比较明显；而环流类、槽类和其他类环流特征因子对海南省稻飞虱的影响远小于前两者，其中环流类影响时段主要集中在上一年4月至当年1月。

2.1.2影响海南省稻飞虱发生的关键环流特征因子指标

近50年（1961—2010）来，海南省稻飞虱发生面积呈明显上升趋势，以平均1万 hm2/10年的速度增加。由图2可看出，稻飞虱发生面积和发生面积率从20世纪60年代开始呈逐年缓慢增加趋势，1985、1991、1997年呈现不同程度的小高峰，21世纪后呈现明显增加的趋势，到2009年达到最高值，稻飞虱的发生面积达到了9.44万hm2，较20世纪80年代以前的发生面积增加近10倍。

根据海南省稻飞虱发生面积率分级类别（表2），计算每个关键特征因子相应级别的平均值，判断关键环流因子量值在稻飞虱轻、偏轻、偏重、重发生时候的差异，筛选出量值差异较为明显的关键环流因子作为稻飞虱发生等级的指示因子，以指示因子在4个发生等级的量值构建稻飞虱发生等级的指示指标。选取对海南省气候影响更为直接的因子（表3），共7个。其中关键环流特征因子表达为环流特征量编号、开始月份、结束月份，例如1s9s10为1号环流特征量，时段是上一年9—10月。筛选因子时应注意对多个大气环流特征量之间相互关联和同一环流特征量的多个表征指数，只挑选其中对稻飞虱发生影响最显著的一个指数；对于同一指数的多个时段，只筛选持续时间长、差异最显著的时段。

2.2大气环流影响海南省稻飞虱发生的机制分析

本研究对影响稻飞虱发生面积的关键环流特征因子，稻区上一年1月至当年1月不同时间段组合的平均气温、降水量、日照时数与海南省稻飞虱发生面积率三者之间进行相关性分析。结果表明，关键环流特征因子与稻区的光、温、水等生态气象条件有着密切的关系，光、温、水与大气环流特征因子的相关程度次序为平均温度>日照时数>降水量，并且同海南省稻飞虱发生面积率与稻区平均气温、降水量、日照时数的相关情况一致。这说明关键环流因子、稻区生态气象条件和稻飞虱发生面积率三者之间存在较好的相关关系。大气环流影响稻区的气温、日照时数、降水量等条件，气温、日照時数、降水量等又影响稻飞虱的发生发展，三者之间存在较好的影响机制。这种关系具体表现为稻飞虱是变温动物，它的体温基本上取决于周围的环境温度，其生殖活动、迁飞行为、种群数量、存活率、寿命等在很大程度上受外界温度所支配[15]。降水量影响稻飞虱的迁飞能力、体质量变化、虫口数量、存活率及发生程度等，有利时起加速促进作用，不利时则产生抑制作用[16]。光照时数对稻飞虱的取食、栖息、交尾、产卵等行为有关[17]。

随机选取一个大气环流因子，即北半球极涡强度指数（表3），具体分析其与海南省稻飞虱发生面积率的关系。结果表明，上一年2—12月北半球极涡强度指数与当年海南省稻飞虱发生面积率呈明显负相关（图3），即北半球极涡强度指数小的年份，稻飞虱发生面积率偏高。1991—2006年北半球极涡强度整体呈减弱趋势，稻飞虱发生面积率整体呈上升趋势，即北半球极涡强度偏强不利于海南省稻飞虱的大发生。这主要是因为极涡是大规模冷空气的表征，极涡面积越小，强度越弱、冷空气积聚越少。当北半球极涡强度指数偏小，入侵冷空气次数少、强度弱，使秋冬季气温偏高，进入越冬阶段推迟，有利于稻飞虱在冬前侵染繁殖时间的延长、冬季繁殖或残存数量的增加、越冬基数的增加以及范围扩大，导致其越冬死亡率降低，致使第二年侵染基数增加。另外，如果春季气温回升较快，会使稻飞虱发育加快，繁殖代数增加，迁入为害期提前，从而引发稻飞虱暴发[15]。

2.3海南省稻飞虱发生面积率长期预报模型的建立及效果验证endprint

在建立模型时使用1961—2009年的关键环流因子和海南稻飞虱发生面积率，2010年资料留做预测检验使用。建模时采用明显影响海南省稻飞虱的关键环流因子与稻飞虱发生面积率进行逐步回归分析，建立基于大气环流因子的海南省稻飞虱发生面积率的多元回归预测模型，所建模型通过了0001水平的显著性检验。

y=0.014x1-0.002x2+1.496x3-2.875x4-0.197x5-0.211x6+0.094x7+45 （R2=0.767，F=19.31）。[JY]（6）

式中：y为稻飞虱发生面积率，%；x1为上一年9—10月北半球副热带高压面积指数；x2为上一年9—10月北非副高强度指数；x3为当年1月北非副高脊线；x4为上年12月东太平洋副高北界；x5为上一年2—12月北半球极涡强度指数；x6为上一年12月大西洋欧洲环流型W；x7为上一年3月至当年1月西藏高原（25～35°N、80～100°E）。

根据稻飞虱发生面积率等级划分标准，利用模型对1961—2009年海南省稻飞虱发生面积率进行回代检验，对2010年进行预测检验（表4）。考虑到稻飞虱发生面积率的实际意义，当发生面积率预测值<0时，统一修正为0。结果表明，在49年建模样本中，预测等级与实际等级相同的有40年，预测等级与实际等级相差一级的有8年，相差2级的有1年，模型回代检验等级准确率为81.63%，对2010年稻飞虱发生面积率的等级预测与实际相符。总体来说，模型的等级评价准确率为82%。通过以稻飞虱发生面积率逐年实际值与基于大气环流模型的拟合值对比发现，除了2009年超过10%以上，其他年份的预测值与实际值的误差相对较小，回归预测模型对海南省稻飞虱的整体拟合效果较好。

3结论与讨论

利用1961—2010年海南省稻飞虱发生面积率与膨化后的大气环流特征量进行相关分析，筛选出对海南省稻飞虱发生影响显著的大气环流特征量及组合时段。其中，副热带高压类和极涡类环流量对海南省稻飞虱发生影响最为明显，其次为极涡类。副热带高压类环流特征量对稻飞虱发生面积率的影响为正效应；极涡类对稻飞虱发生面积率的影响为负效应。大气环流因子影响海南省稻飞虱发生的时段主要为上一年9—10月和上一年的7—10月。

以稻飞虱发生面积率历年平均值及平均值上下波动50%为参考，将稻飞虱发生等级分为轻、偏轻、偏重、重4个等级，筛选出稻飞虱发生等级的大气环流指示因子，以指示因子在稻飞虱各发生等级的平均值构建稻飞虱发生等级指标。研究表明，影响稻飞虱发生面积率等级的指示因子为东太平洋副高北界、北半球极涡强度指数、北半球副热带高压面积指数、北非副高强度指数、北非副高脊线、大西洋欧洲环流型W、西藏高原（25～35°N、80～100°E）。7个关键环流指标的指示性最好，明显表达了各个发生级别的差异。

通过分析关键环流因子、稻区气象要素（光、温、水）、海南稻飞虱发生面积率三者之间的关系，探讨大气环流对海南稻飞虱发生的可能影响机制。结果表明，它们存在密切关系，大气环流不仅是稻飞虱迁飞的动力和载体，而且通过影響稻区生态气象条件从而影响稻飞虱的发生发展。另外研究发现，北半球极涡强度指数与海南省稻飞虱发生面积率之间呈负相关关系。当北半球极涡面积强度偏小时，入侵冷空气次数少、强度弱，导致秋冬季气温偏高。由于海南省地处热带地区，气候条件有利于稻飞虱在冬季有少量的虫源存活，暖冬可以使稻飞虱冬季大量繁殖或残存数量大幅度增加，越冬范围扩大、虫源基数提高[15]。

以影响海南省气候最为直接的7个关键环流特征因子为预测因子，建立海南省稻飞虱发生面积率预测模型。模型回代检验等级准确率为81.63%，对2010年等级预测与实际相符。总体来说，模型的等级评价准确率为82%，回归预测模型对海南省稻飞虱的整体拟合效果较好。由于资料限制，本研究仅考虑在大气环流因子对稻飞虱发生面积的影响，没有考虑人类的生产活动对稻飞虱发生面积造成的影响，如耕作栽培制度、肥水管理等。而稻飞虱是迁飞性害虫，其发生发展与其迁入的时段、虫源基数、极端气候事件、防治技术等因素有关[17-19]，若在应用模型时对其进行订正，预报效果将会更好。

参考文献：

[1]中国农业科学院植物保护研究所. 中国农作物病虫害（上册）[M]. 北京：中国农业出版社，1995：124-132.

[2]霍治国，陈林，叶彩玲，等. 气候条件对中国水稻稻飞虱为害规律的影响[J]. 自然灾害学报，2002，11（1）：97-102.

[3]侯婷婷，霍治国，李世奎，等. 影响稻飞虱迁飞规律的气象环境成因[J]. 自然灾害学报，2003，12（3）：142-148.

[4]Milks A P，Rutter J F，Rosenberg L J. Weather associated with spring and summer migrations of rice pests and insects in south-eastern and eastern Asia[J]. Bulletin of Entomological Research，1996，86（6）：683-694.

[5]Morishita M.A possible relationship between outbreaks of rice planthoppers in Japan and the El Nino phenomenon[J]. Plant Epidemic Prevention，1992，46（5）：11-13.

[6][JP2]高苹，武金岗，陈宁，等. 大气环流特征量的水稻白背飞虱发生程度预报模型的研究[J]. 生态学杂志，2005，24（2）：146-152.

[7]冼晓青，翟保平，张孝羲，等. 江苏沿江和江淮区褐飞虱前期迁入量与太平洋海温场的遥相关及其可能机制[J]. 昆虫学报，2007，50（6）：578-587.

[8]侯婷婷. 稻飞虱发生的气候背景及风险分析[D]. 北京：中国农业大学，2004：1-36.

[9]于彩霞，霍治国，张蕾，等. 中国稻飞虱发生的大气环流指示指标[J]. 生态学杂志，2014，33（4）：1053-1060.

[10]钱拴，霍治国. 大气环流对中国稻飞虱危害的影响及其预测[J]. 气象学报，2007，65（6）：994-1002.

[11]肖彤斌，昊凤芝，芮凯，等. 稻飞虱在海南省的发生特点及防治措施[J]. 广东农业科学，2008（4）：42-43.

[12]王月娇，陈辉. 海南文昌稻飞虱发生规律及防治对策[J]. 农技服务，2007，24（10）：48.

[13]姜燕，霍治国，李世奎，等. 全国小麦条锈病长期预报模型比较研究[J]. 自然灾害学报，2006，15（6）：109-113.

[14]刘祖建，陈冰，陈蔚烨，等. 广东省西南部稻飞虱发生期和发生程度的气象预测模型[J]. 中国农业气象，2013，34（2）：204-209.

[15]霍治国，李茂松，李娜，等. 季节性变暖对中国农作物病虫害的影响[J]. 中国农业科学，2012，45（11）：2168-2179.

[16]叶彩玲，霍治国，丁胜利，等. 农作物病虫害气象环境成因研究进展[J]. 自然灾害学报，2005，14（1）：90-97.

[17]霍治国，王石立. 农业与生物气象灾害[M]. 北京：气象出版社，2009：163-212.