气象因素与大田棉铃虫成虫量的相关性分析

2022-05-18 03:36蔡晓玲苏金凯李月英
中国农业文摘-农业工程 2022年3期
关键词:棉铃虫因变量最低气温

赵 平,蔡晓玲,苏金凯,李月英

(1.河北省景县气象局,河北衡水 053500;2.景县农业农村局,河北衡水 053500;3.衡水市气象局,河北衡水 053500)

引言

近年来,随着种植结构的调整,棉花种植面积减少,棉铃虫在玉米田有加重危害趋势,已成为黄淮海玉米穗期的主要害虫之一,严重危害夏玉米雌穗和籽粒。棉铃虫不仅能直接造成产量损失,而且还诱发玉米穗粒腐病,使玉米品质下降。棉铃虫以2、3、4代危害为主,2代幼虫取食玉米叶片成空洞或缺刻状,有时咬断心叶,造成枯心;3、4代主要危害雌穗。

棉铃虫的发育主要受气象条件制约,温度(包括气温和地温)、相对湿度、降水和光照对棉铃虫的发育进度产生影响,尤其以温度影响最为显著。棉铃虫喜中温高湿,适宜的温度、湿度、降水有利于棉铃虫的严重发生。例如,2009年河南省卫辉市5月、6月、7月气温显著偏高,降水适宜,造成4代棉铃虫爆发。0-20cm土层是棉铃虫蛹越冬的主要场所,约占50.3%,越冬深度一般不超过20cm。

1 棉铃虫气象数据分析

1.1 棉铃虫年数据气象分析

棉铃虫在我国各地的年发生代数和主要危害世代各不相同,在我区共计发生4代,以第2代最重,3代次之,以蛹在土中越冬。越冬虫源基数的大小是棉铃虫发生轻重的必要条件。棉铃虫的发生,虫源基数是内因,气象条件是必不可少的外因。为此,笔者整理了2016—2020年的年报资料。

(1)棉铃虫各年统计数量见图1。从图1中可看出,棉铃虫发生数量2020年>2017年>2019年>2018年>2016年。

图1 2016—2020年棉铃虫成虫量柱形图

(2)年气象数据整理见表1和图2。从表1和图2分析可以看出,棉铃虫大发生年份2020年、2017年、2019年的越冬代最低温度分别为-11.5℃、-10.7℃、-11.5℃,明显偏高于小发生年份2018年、2016年越冬代最低温度-13.6℃、-17.1℃;而棉铃虫数量与5—7月份降水量成反比,随降水量的增加而大幅减少。由此总结得出:棉铃虫年发生数量受“暖冬”影响显著,在降水适宜的情况下,与5—7月份降水量呈负相关关系。少雨和偏高的气温使棉铃虫达到分析时段的最高值。这与近年来虫源基地广泛,危害作物多样,越冬基数增长,棉铃虫猖獗的事实相符。

表1 棉铃虫与气象数据统计

图2 棉铃虫与5—7月降水量关系图

1.2 棉铃虫峰值气象分析

(1)棉铃虫峰值特征见表2和图3。从表2和图3可以看出,1代成虫量峰值出现在6月份,而且年际变化波动大,直接影响全年总发生量,同时影响2、3、4代发生与危害。

表2 棉铃虫灯诱成虫月统计表

(2)棉铃虫越冬代于4月中下旬开始羽化,5月中旬为羽化盛期。一代卵见于4月下旬至5月末,以5月中旬为盛期。一代成虫见于6月初至7月初,盛期为6月中旬。为此本文分别统计了2016—2020年4至6月份的日平均气温,日平均相对湿度,降水量,日照时数等气象资料。

从图3、表3统计分析发现:温度、相对湿度、降水对棉铃虫的发育进度产生影响,尤其以温度影响最为显著。例如,2020年4月、5月、6月气温显著偏高,降水适宜,造成2代棉铃虫爆发。由此可见,棉铃虫喜欢中温高湿,各虫态发育的最适温度为25-28℃、相对湿度为70%-90%的天数越长,并且4至6月降水量达100mm左右的年份,越有利于棉铃虫的严重发生。

图3 棉铃虫发生数量折线图

表3 2016—2020年4至6月气象数据统计表

1.3 棉铃虫与气象因素线性回归分析

利用SPSS软件进行多元线性回归分析,建立种群趋势预测系统模型。

1.3.1 引入系统

将可能影响棉铃虫发生数量的15个气象因子:旬平均气温、平均最高气温、平均最低气温、最高气温、最低气温、平均湿度、降水量、0厘米地温、5厘米地温、10厘米地温、15厘米地温、20厘米地温、2分钟平均风速、日照时数作为自变量、棉铃虫LOG2(为标准化量纲,棉铃虫数量已做对数处理)引入系统。

1.3.2 初步筛查(单因素筛查)

把每一个自变量和因变量做皮尔逊相关性分析,为避免要素间混杂干扰,把显著性不强的要素剔除。通过分析得出显著性强的气象因素包括旬平均气温、平均最高气温、平均最低气温、最高气温、最低气温、0厘米地温、5厘米地温、10厘米地温、15厘米地温、20厘米地温10个气象因素。

表4 各个气象因子相关系数表

1.3.3 初步回归

将10个自变量引入模型,进行多元线性回归。

图4中“模型摘要”给出了本次多元线性回归模型的拟合度R2=0.588,表明自变量10个气象因子一共可以解释因变量变化情况的58.8%,即因变量“棉铃虫LOG2”有58.8%是受这10个气象因子影响的。一般而言,拟合度超过50%即可认为模型拟合达标。

图4 初步回归结果

1.3.4 逐步回归

因10个气象因素之间存在多重共线性(指线性回归模型中的解释变量之间由于存在精确相关关系或高度相关关系而使估计失真或难以估计准确)的影响,需要对模型进行逐步回归运算。

如图5所示,逐步回归运算结果分析如下。

图5 逐步回归结果1

①拟合度分析:“模型摘要”表给出了本次多元线性回归模型的拟合度R2=0.585,表明自变量气象因子“旬20厘米地温”“最低气温”“平均最低气温”一共可以解释因变量变化情况的58.5%,即因变量“棉铃虫LOG2”有58.5%是受气象因子“旬20厘米地温”“最低气温”“平均最低气温”的影响。

②ANOVA表的运算结果是考察回归模型的显著性的。所谓回归模型的显著性,即回归模型的存在是否有意义。如果自变量气象因子“旬20厘米地温”“最低气温”“平均最低气温”都不能显著影响因变量“棉铃虫LOG2”表明这个回归模型的存在是无意义的。本次数据计算的结果显示,F=49.937,P=0.000<0.05,说明回归模型显著,即模型中的3个自变量至少有1个可以显著影响因变量。

③“系数”表给出的是每一个变量对自变量的影响情况。“旬20厘米地温”可以显著正向影响“棉铃虫LOG2”,回归系数为0.853>0,P=0.001<0.05,表明“旬20厘米地温”变化1,会直接导致“棉铃虫LOG2”变化0.853。

“最低气温”可以显著负向影响“棉铃虫LOG2”,回归系数为-1.035<0,P=0.002<0.05,意味着“最低气温”变化1,会直接导致“棉铃虫LOG2”变化-1.035。

“平均最低气温”可以显著正向影响“棉铃虫LOG2”,回归系数为0.905>0,P=0.022<0.05,意味着“平均最低气温”变化1,会直接导致“棉铃虫LOG2”变化0.905。

从图6可以看出:直方图呈正态分布;P-P图中的散点越接近直线,符合正态分布;散点图中各点在0线上下随机分布没有异常值(离群值);残差、方差稳定。

图6 逐步回归结果2

基于上述分析,得出自变量和因变量之间的回归方程为:

棉铃虫LOG2=-9.803+0.853*旬20厘米地温-1.035*最低气温+0.905*平均最低气温

2 结论与讨论

(1)棉铃虫年发生数量受“暖冬”影响显著,在降水适宜的情况下,与5至7月份降水量呈负相关关系。少雨和偏高的气温使棉铃虫达到分析时段的最高值。

(2)棉铃虫的发育主要受气象条件制约,温度、相对湿度、降水对棉铃虫的发育进度产生影响,尤其以温度影响最为显著。棉铃虫喜欢中温、高湿,各虫态发育的最适温度25-28℃,相对湿度为70%-90%的天数越长,并且4至6月降水量达100mm左右的年份,棉铃虫越有可能严重发生。

(3)利用SPSS软件进行多元线性回归分析,建立种群趋势预测系统模型为:

棉铃虫LOG2=-9.803+0.853*旬20厘米地温-1.035*最低气温+0.905*平均最低气温

猜你喜欢
棉铃虫因变量最低气温
调整有限因变量混合模型在药物经济学健康效用量表映射中的运用
日光温室内最高气温和最低气温预报模式的建立
玉米棉铃虫的发生与综合防治措施
浙江泥质海岸带巨桉引种试验研究
偏最小二乘回归方法
谈谈如何讲解多元复合函数的求导法则
精心设计课堂 走进学生胸膛
数学选择题练习
我们与棉铃虫的战争
棉铃虫重发频次趋高原因探析与综合治理对策