基于病穗率的小麦赤霉病发生等级气象预测模型

孔令帅 江胜国 韩正英 蔡冬梅 钱俊

摘要：通过对桐城市1995-2019年共25年小麦赤霉病的发生资料与气象资料进行分析，选取影响小麦赤霉病发生关键期的气温、降水、相对湿度、日照等42个气象因子，基于年度病穗率，采用逐步回归统计方法，建立小麦赤霉病发生等级气象预测模型。结果表明，2月中旬平均相对湿度、3月上旬和中旬累计日照时数与年度病穗率呈明显的负相关，而2月中旬累计日照时数、2月下旬平均最低气温、3月上旬和中旬平均相对湿度则呈显著的正相关;交叉检验复相关系数达到0.63，预测结果同号率达88%，预测复相关系数达到0.68（α0.01=0.5052），均达到0.01的显著性相关水平;2017-2019年试报应用预测值相对误差控制在9%以内，发生等级预测完全正确。模型拟合率达100%，试效果好，可靠性强，可投入业务应用。

关键词：病穗率;赤霉病;发生等级;预测模型

中图分类号 S435 文献标识码 A 文章编号 1007-7731 （2020） 16-0152-03

1引言

赤霉病是安徽省淮河以南地区小麦生产的主要病害之一，严重影响小麦的产量与品质。小麦赤霉病的发生与流行，除受越冬病源菌数量、品种抗性和栽培管理等多种因素的影响外，主要受气象条件的影响，是一种典型的气象型病害[1-2]。安徽省地处南北气候过渡地带，气候条件比较适宜小麦赤霉病的发生发展，赤霉病在本省发生普遍，尤其是江淮之间的发生更为频繁。因此，准确开展小麦赤霉病气象等级预报，已成为现代气象为农业服务的主要任务之一。

桐城市位于安徽省江淮之间，属北亚热带湿润季风气候区，稻茬小麦有一定的种植面积，近几年小麦赤霉病呈偏重流行态势。因此，有必要研究桐城局地气象条件与赤霉病的发生、发展关系，建立赤霉病发生的气象条件等级预测模型，根据实时气象资料开展赤霉病发生的气象条件预警预测，以期为及时制订防治策略提供科学依据。

2 资料来源与预测模型建立方法

2.1 资料来源 1995-2019年小麦赤霉病病穗率等资料来源于桐城市植保站，相应时段的气象资料（包括气温、最高气温、最低气温、降水量、降水日数、相对湿度、日照等逐日资料）来源于桐城国家基准气候站。

2.2 预测模型建立方法 研究表明[3-6]，影响小麦赤霉病发生的主要因素是小麦抽穗扬花期的气象条件。本文在此基础上，针对小麦常年平均发育期和赤霉病发生关键期，主要选取同期2-3月份气象资料参与模型的分析与构建。气象条件对于作物生长过程的影响，往往是通过一定时期的累计效应来体现。为了准确找出小麦赤霉病发生的正、负效应气象因子，基于年度病穗率，选取气温、最高气温、最低气温、降水量、降水日数、相对湿度、日照等旬平均（累计）资料共42个气象因子参与相关性分析，筛选主要气象影响因子。

由于所选择的各气象因子之间的量纲不同，为消除因子间的量纲差异，将原始自变量集合X{x1，x2，x3，…，xn}和原始因变量集合Y{y1}进行数据中心化和无量纲化的标准化处理，标准化处理可以得到2组变量集的标准化数据矩阵：{-xi=xi--xi/Sxi i=（1，2，3…，n）-yi=yi--yi/Sy

其中：-xi表示xi的均值;Sxi表xi的標准差;-yi表示yi的均值;Sy表示yi的标准差;～xi和～yi表示经标准化处理后的变量值。

将病穗率作为因变量，筛选出的主要气象因子作为自变量，经标准化处理后，采用逐步回归统计方法进行拟合，构建出小麦赤霉病发生等级气象预测模型。

3 预测模型的建立和检验

3.1 小麦赤霉病发生发展气象等级划分 根据桐城市气候特点、小麦赤霉病历史发生情况、种植制度等，同时参照安徽省植保部门小麦赤霉病流行程度划分标准，将小麦赤霉病发生发展及流行相应的气象条件划分为4个等级（见表1）。赤霉病大流行对应的气象条件为4级，即该气象条件非常适宜小麦赤霉病的发生发展;赤霉病偏重流行对应的气象条件为3级，即该气象条件适宜小麦赤霉病的发生发展;赤霉病中等流行对应的气象条件为2级，即该气象条件基本适宜小麦赤霉病的发生发展;赤霉病轻发生对应的气象条件为1级，即该气象条件不适宜小麦赤霉病的发生发展。

3.2 预测因子与预测模型 通过对病穗率与气象因子之间的相关性分析，筛选出2月中旬累计日照时数、2月下旬平均最低气温、3月上旬和中旬平均相对湿度4个主要气象因子，且均通过0.05的显著性相关水平。借助MATLAB统计软件建立病穗率与4个影响因子之间的逐步回归方程，最后确定2月中旬累计日照时数和3月上旬平均相对湿度作为最终预测因子。

根据以上分析，建立的桐城小麦赤霉病发生病穗率的逐步回归预测模型为：

Y = -18.367 +0.1552X₁+0.3078X₂

式中：F表示病穗率预报值表示预报年2月中旬累计日照时数;X2表示预报年3月上旬平均相对湿度。根据上表1的标准即可最终确定预报年份的小麦赤霉病发生发展的气象条件等级。

此预测模型的复相关系数为0.68（见图1），达到0.01的显著性相关水平。

3.3 模型预测效果检验 通过交叉检验方法可以得出（见图2），预测结果同号率为88%，复相关系数为0.63，达到0.01的显著性相关水平。

一般认为，当预测值与实测值一致时预测结果为完全正确，两者相差1个量级时预测结果为基本正确，相差2个量级时预测结果为错误。以此来评价本预测模型，其历史拟合率为100%，其中完全正确率为52%，基本正确率为48%（见表2），尤其2017-2019年试报应用预测值相对误差控制在9%以内，发生等级预测完全正确。说明用这个模型来进行桐城小麦赤霉病发生的气象条件等级评定和预警可靠性很好。

4 结论与讨论

（1） 基于桐城小麦赤霉病发生年度病穗率，针对小麦常年平均发育期和赤霉病发生关键期，通过相关分析，筛选出其主要气象影响因子，进行小麦赤霉病预报，在本地的应用效果很好。

（2） 影响桐城小麦赤霉病发生的气象条件主要时段为每年的2-3月份，其中2月中旬平均相对湿度、3月上旬和中旬累计日照时数与年度病穗率呈明显的负相关，而2月中旬累计日照时数、2月下旬平均最低气温、3月上旬和中旬平均相对湿度则呈显著的正相关。

（3） 模型交叉检验复相关系数达到0.63，预测结果同号率达88%，预测复相关系数达到0.68 （αO.01 =0.5052 ），均达到0.01的显著性相关水平。赤霉病发生等级历史拟合率为100%，其中完全正确率为52%，基本正确率为48%，尤其2017-2019年试报应用预测值相对误差控制在9%以内，发生等级预测完全正确。

（4） 小麦赤霉病的发生不仅与气候条件密切相关，还受到越冬病原菌数量、寄主生育期、品种抗性和栽培管理等多种因素的影响。在模型的推广应用过程中，要综合当地气象条件和其他因素，依据当年的小麦生育期进程和赤霉病发生关键期，调整与本地赤霉病发生的相关气象因子，建立合适的小麦赤霉病气象条件等级预报模型。

参考文献

[1]北京農业大学.农业植物病理学[M].北京：农业出版社，1982：76-84.

[2]安徽省植保总站.农作物病虫害预测预报方法与技术[M].北京：中国致公出版社，1995：85-89.

[3]张旭晖，高苹，居为民，等.小麦赤霉病气象等级预报模式研究[J].安徽农业科学，2008，36 （23）： 10030-10032.

[4]李军，蒋耀培，蒋建忠，等.小麦赤霉病发生程度的气象动态预测模型[J].西南农业大学学报，2004，26（6）：776-780.

[5]刘富明，徐崇浩，何险峰，等.四川小麦赤霉病流行的环流背景和天气趋势[J].四川气象，1994，14（3）： 18-21.

[6]贾金明.黄河中下游小麦赤霉病气象指数的建立与应用[J].气象，2002，28（3）：51-54. （责编：张宏民）

作者简介：孔令帅（1989-），男，江苏灌云人，工程师，从事气象为农服务工作。 收稿日期：2020-06-28