葉理清，王 婷，陳觀浩

?

三化螟田間為害叢率與為害株率相關(guān)性研究及應(yīng)用

葉理清1，王 婷2，陳觀浩1*

（1. 廣東省化州市農(nóng)作物病蟲預(yù)測(cè)預(yù)報(bào)站，廣東 化州 525100；2. 廣東省化州市河西農(nóng)業(yè)技術(shù)推廣站，廣東 化州 525100）

研究三化螟為害叢率與為害株率的關(guān)系，建立相關(guān)模型，為該害蟲的預(yù)測(cè)預(yù)報(bào)和綜合治理提供科學(xué)依據(jù)。選取12塊田間三化螟種群發(fā)生的調(diào)查數(shù)據(jù)，用為害株率（）和為害叢率（）分別擬合線性函數(shù)、一元二次函數(shù)、一元三次函數(shù)、對(duì)數(shù)函數(shù)、冪函數(shù)和指數(shù)函數(shù)6種不同模型，并用未建模的5塊稻田資料進(jìn)行驗(yàn)證應(yīng)用。結(jié)果表明，各模型相關(guān)系數(shù)均達(dá)極顯著水平，但綜合Q、S值分析，以一元三次函數(shù)模型=-2.994 9+0.631 4-0.017 12+0.000 23為最優(yōu)（Q和S值最小）。參與驗(yàn)證應(yīng)用的4個(gè)模型，預(yù)測(cè)精度均在83%以上，其中一元三次函數(shù)模型精度高達(dá)92.6%。另外，利用優(yōu)選出的數(shù)學(xué)模型建立了三化螟為害株率速查表。生產(chǎn)中可以應(yīng)用擬合的最優(yōu)數(shù)學(xué)模型對(duì)田間三化螟發(fā)生為害進(jìn)行監(jiān)測(cè)。

三化螟；危害率；相關(guān)性；數(shù)學(xué)模型

三化螟（Walker）是我國南方稻區(qū)重要鉆蛀性害蟲，該害蟲在我國南方稻區(qū)常年危害，常造成大范圍嚴(yán)重成災(zāi)[1-4]。三化螟野外調(diào)查是進(jìn)行其種群數(shù)量預(yù)測(cè)、危害風(fēng)險(xiǎn)評(píng)估及制定防治策略的基礎(chǔ)和關(guān)鍵。為害株率（螟害率）的調(diào)查是三化螟預(yù)測(cè)調(diào)查規(guī)范的重要內(nèi)容[5-6]。然而，田間調(diào)查是一項(xiàng)勞動(dòng)強(qiáng)度大、費(fèi)工費(fèi)時(shí)的艱苦工作，尤其是三化螟為害株率的調(diào)查，因其種群的聚集程度很高[7]，抽樣調(diào)查工作量相當(dāng)大。關(guān)于稻螟為害叢率與為害株率關(guān)系的研究，國內(nèi)學(xué)者做了一些工作。魏洪義等[8]研究了二化螟田間為害株率與為害叢率間的關(guān)系；寧仲根等[9]應(yīng)用零頻率估計(jì)二化螟危害株率密度，但對(duì)三化螟的研究甚少[10]。為此，本文試圖通過對(duì)三化螟為害叢率和為害株率進(jìn)行調(diào)查，揭示稻田為害叢率與為害株率的關(guān)系，并建立相關(guān)模型，為簡化三化螟田間調(diào)查技術(shù)和預(yù)測(cè)預(yù)報(bào)提供依據(jù)和方法。

1 材料與方法

1.1 調(diào)查方法

在當(dāng)?shù)厝饕来ê?、4代）為害基本定局后，采用平行跳躍取樣法調(diào)查，每塊田調(diào)查200叢水稻，記載每叢水稻中的稻株數(shù)和受害株數(shù)，計(jì)算每塊田的為害叢率、為害株率。2013—2014年共獲得12組為害叢率與為害株率的數(shù)據(jù)用于建模，2015—2016年應(yīng)用以上調(diào)查方法取得5組數(shù)據(jù)進(jìn)行模型回檢。

1.2 建立數(shù)學(xué)模型

應(yīng)用數(shù)理統(tǒng)計(jì)原理，分別用線性函數(shù)=+、一元二次函數(shù)=2++、一元三次函數(shù)=2+3++、對(duì)數(shù)函數(shù)=+ln()、指數(shù)函數(shù)=ae和冪函數(shù)=ax進(jìn)行擬合。最優(yōu)模型以剩余平方和（）和剩余標(biāo)準(zhǔn)差（S）綜合判定[9,11-13]。

1.3 數(shù)據(jù)處理

文中數(shù)據(jù)采用SPSS軟件進(jìn)行相關(guān)和回歸分析，繪圖采用Excel軟件。

2 結(jié)果與分析

2.1 為害叢率與為害株率關(guān)系的確定

2013—2014年化州市12組三化螟為害叢率及其對(duì)應(yīng)的為害株率調(diào)查數(shù)據(jù)結(jié)果（表1）顯示，為害株率有隨著為害叢率的上升而增大的趨勢(shì)，故可對(duì)其進(jìn)行回歸分析，探索最優(yōu)回歸模型。以表1中的為害叢率作為自變量（橫軸），為害株率作因變量（縱軸），建立直角坐標(biāo)系，作出散點(diǎn)圖（圖1）。

表1 三化螟為害叢率和為害株率調(diào)查數(shù)據(jù)

根據(jù)散點(diǎn)圖的趨勢(shì)，用線性函數(shù)、一元二次函數(shù)、一元三次函數(shù)、對(duì)數(shù)函數(shù)、指數(shù)函數(shù)和冪函數(shù)進(jìn)行擬合，求出方程和相關(guān)系數(shù)、剩余平方和()、剩余標(biāo)準(zhǔn)差(S)（表2）。表2中各擬合方程的相關(guān)系數(shù)（）均＞0.708［0.01(2,10)］，說明研究區(qū)三化螟為害叢率與為害株率均呈極顯著相關(guān)關(guān)系。

圖1 三化螟為害叢率與為害株率的關(guān)系

從表2結(jié)果看出，對(duì)為害叢率與為害株率進(jìn)行擬合的6種函數(shù)方程中，除對(duì)數(shù)函數(shù)的相關(guān)系數(shù)（）較小外，其余5種函數(shù)的相關(guān)系數(shù)（）均在0.97以上，且相差很小，但以一元三次函數(shù)的S值最小，說明該方法估計(jì)精度最高，誤差最小，應(yīng)為首選方法。而對(duì)數(shù)函數(shù)、指數(shù)函數(shù)的估計(jì)誤差較大，不能擬合，不宜采用。

2.2 利用為害叢率估測(cè)為害株率的可行性檢驗(yàn)

為了檢驗(yàn)利用為害叢率估測(cè)為害株率的可行性，筆者把一元三次函數(shù)、一元二次函數(shù)、線性函數(shù)和冪函數(shù)模型放到自然界中用未建模的大田普查樣本資料加以驗(yàn)證，結(jié)果表明（表3），每個(gè)模型的預(yù)測(cè)值與實(shí)查值基本接近，經(jīng)檢驗(yàn)，其可靠平準(zhǔn)降低到0.10=1.860，兩者間差異仍不明顯，說明上述4種函數(shù)預(yù)測(cè)值與直接詳查的調(diào)查結(jié)果均無顯著差異，但前者比后者省工、省時(shí)，可提高工效3~5倍。據(jù)5組調(diào)查統(tǒng)計(jì)，應(yīng)用為害叢率估測(cè)為害株率的簡易估計(jì)，上述4種函數(shù)平均預(yù)測(cè)精度分別為92.6%、83.1%、86.8%、84.8%，完全符合田間調(diào)查的精度要求，其中以一元三次函數(shù)預(yù)測(cè)精度最高。因此，選擇一元三次函數(shù)為最優(yōu)預(yù)測(cè)模型，生產(chǎn)中可以應(yīng)用這個(gè)模型對(duì)田間三化螟發(fā)生為害進(jìn)行監(jiān)測(cè)。

表2 各種方程的函數(shù)表達(dá)式和擬合結(jié)果

表3 對(duì)三化螟為害株率簡易估計(jì)4個(gè)模型的進(jìn)一步驗(yàn)證結(jié)果

2.3 數(shù)學(xué)模型的應(yīng)用

根據(jù)上述最優(yōu)一元三次函數(shù)模型建立三化螟為害叢率與為害株率關(guān)系速查表（表4）。應(yīng)用此表，無需詳細(xì)計(jì)算每一樣方的具體為害株數(shù)，而只統(tǒng)計(jì)有為害株或無為害株，計(jì)算出為害叢率，查表便可知三化螟田間為害株率，為三化螟螟害率調(diào)查提供了一種新的手段。

表4 三化螟為害株率（y）與為害叢率（x）速查表

3 結(jié)論與討論

蟲害為害率的調(diào)查是病蟲害預(yù)測(cè)預(yù)報(bào)和綜合治理的重要內(nèi)容之一[5]。對(duì)于聚集程度很高的三化螟，人們要通過抽樣調(diào)查來求得為害株率十分困難，但三化螟的為害叢率比為害株率容易調(diào)查。因此，植保工作者往往對(duì)這些容易觀察的簡單性狀，間接地估計(jì)復(fù)雜或不易獲得的性狀。這種取樣技術(shù)在生產(chǎn)中的應(yīng)用，可以極大提高效益[14]。本研究通過田間調(diào)查，收集數(shù)據(jù)，用線性函數(shù)、一元二次函數(shù)、一元三次函數(shù)、冪函數(shù)、對(duì)數(shù)函數(shù)和指數(shù)函數(shù)來擬合三化螟為害株率和為害叢率之間相關(guān)關(guān)系，發(fā)現(xiàn)為害株率（）與為害叢率（）之間關(guān)系密切，經(jīng)過分析，一元三次函數(shù)：=-2.994 9+0.631 4-0.017 12+0.000 23；相關(guān)系數(shù)=0.983 2，剩余平方和和剩余標(biāo)準(zhǔn)差最小，預(yù)測(cè)精度最高，可判定為最優(yōu)擬合方程。經(jīng)田間應(yīng)用驗(yàn)證，前4個(gè)模型預(yù)測(cè)精度均在83%以上，基本符合田間調(diào)查的精度要求，其中一元三次函數(shù)模型預(yù)測(cè)精度高達(dá)92.6%，預(yù)測(cè)效果最好。同時(shí)，為方便實(shí)際應(yīng)用，本文利用優(yōu)選出來的數(shù)學(xué)模型建立了三化螟為害株率速查表，這為田間三化螟發(fā)生程度的調(diào)查和預(yù)測(cè)預(yù)報(bào)提供了一種簡便的方法，較為省工省時(shí)，具有普遍的應(yīng)用價(jià)值。

目前國內(nèi)對(duì)三化螟田間抽樣技術(shù)及簡易估計(jì)方法的研究還有待加強(qiáng)。劉光杰等[15]研究指出，在稻螟分布型、抽樣技術(shù)和補(bǔ)償能力方面，除進(jìn)一步完善二化螟抽樣技術(shù)外，要重點(diǎn)研究三化螟幼蟲空間分布特征、田間抽樣技術(shù)及簡易估計(jì)方法、稻谷損失補(bǔ)償率能力和補(bǔ)償作用機(jī)制等。研究三化螟為害叢率與為害株率的關(guān)系，并建立相關(guān)模型，是一項(xiàng)具有戰(zhàn)略意義的研究課題，有利于減輕基層測(cè)報(bào)人員的勞動(dòng)強(qiáng)度，改善預(yù)報(bào)條件，提高預(yù)報(bào)水平和防治效果。

[1]方繼朝, 杜正文, 程遐年, 等.三化螟種群的內(nèi)穩(wěn)定性及其生態(tài)機(jī)制[J]. 昆蟲學(xué)報(bào), 2001, 44(3): 337-344．

[2]藍(lán)學(xué)明, 楊鳳, 梁葵珍. 三化螟種群動(dòng)態(tài)分析及防治[J]. 昆蟲知識(shí), 2002, 39(2): 113-115．

[3]孫俊銘, 韋剛, 周先文, 等. 三化螟種群動(dòng)態(tài)、大發(fā)生原因及防治對(duì)策[J]. 昆蟲知識(shí), 2003, 40(2): 124-127．

[4]陳惠祥, 胡加如, 馮新民, 等. 水稻三化螟防治研究進(jìn)展與現(xiàn)狀[J]. 湖北農(nóng)學(xué)院學(xué)報(bào), 2002, 22(3): 274-277．

[5]全國農(nóng)業(yè)技術(shù)推廣服務(wù)中心. 農(nóng)作物有害生物測(cè)報(bào)技術(shù)手冊(cè)[M]. 北京：中國農(nóng)業(yè)出版社, 2006: 3-48．

[6]張左生. 糧油作物病蟲鼠害預(yù)測(cè)預(yù)報(bào)[M]. 上海：上?？茖W(xué)技術(shù)出版社, 1995: 44-56．

[7]劉光杰, 秦厚國. 我國稻螟研究新進(jìn)展（一）[J]. 昆蟲知識(shí), 1997, 34(3): 171-174．

[8]魏洪義, 舒暢, 張可錢, 等. 二化螟田間為害株率與為害叢率間的關(guān)系[J]. 江西植保, 2006, 29(2): 55-58.

[9]寧仲根, 張美根, 謝建能, 等. 零頻率估計(jì)二化螟危害株密度方法的研究[J]. 植物保護(hù), 1997, 23(3): 7-10.

[10]陳東, 萬金貴. 三化螟螟害叢率與株率關(guān)系的測(cè)定應(yīng)用[J]. 江西植保, 1986, 9(4): 29-30.

[11]秦厚國, 葉正襄, 李華. 稻莖毛眼水蠅幼蟲密度估計(jì)方法的研究[J]. 中國水稻科學(xué), 1996, 10(3): 185-188．

[12]楊瑤君, 汪淑芳, 弓加文, 等. 長足大竹象蟲口密度與蟲孔數(shù)、竹筍受害率的關(guān)系[J]. 應(yīng)用生態(tài)學(xué)報(bào), 2009, 20(8): 1980-1985.

[13]張連翔, 于曉東, 羅春田. 油松毛蟲卵(塊)種群密度簡易估計(jì)的零頻率方法[J]. 東北林業(yè)大學(xué)學(xué)報(bào), 1997, 25(5): 38-42．

[14]寧仲根. 雙重取樣技術(shù)在病蟲測(cè)報(bào)調(diào)查中的應(yīng)用[J]. 植保技術(shù)與推廣, 1997, 17(1): 13-14．

[15]劉光杰, 秦厚國. 我國稻螟研究新進(jìn)展（二）[J]. 昆蟲知識(shí), 1997, 34(4): 239-242．

Study and Application of Correlation Between Fragmentation Rate and Harmful Plant Rate in the Field of

YE Li-qing1，WANG Ting2，CHEN Guan-hao1*

(1. Forecast Station of Plant Diseases and Insect Pests of Huazhou, Huazhou, Guangdong 525100, China; 2. Agricultural Technology Promotion Station of Hexi Street, Huazhou, Guangdong 525100, China)

The relationship between the rate of mites and the rate of harmful plants was studied, and relevant models were established to provide a scientific basis for the prediction and comprehensive management of the pests. The survey data of 12 populations of stem borer in the field were selected, and the linear function, the unary quadratic function, the unary cubic function, the logarithmic function, the power function and the index were fitted as the plant damage rate () and the mite damage rate (), respectively. The function is based on six different models and is validated by using five un-modeled rice fields. The results showed that the correlation coefficient of each model reached a very significant level, but the comprehensiveandSvalue analysis was optimal with the one-dimensional cubic function model= -2.994 9 + 0.631 4-0.017 12+0.000 23(the minimumandSvalues). The four models participating in the verification application had a prediction accuracy of more than 83%, and the accuracy of the one-dimensional cubic function model was as high as 92.6%. In addition, the use of the preferred mathematic model was selected to establish a sputum mites as a rate of disease rate. In the production, the optimal mathematic model of the fit can be used to monitor the occurrence of damage in the field.

; damage rate; correlation; mathematic model

S435.112+.1

A

2095-3704（2019）02-0112-04

2019-04-14

廣東省科技計(jì)劃項(xiàng)目(2013B020416002)

葉理清（1986—），男，農(nóng)藝師，主要從事植物保護(hù)及農(nóng)業(yè)技術(shù)推廣工作，151322795@qq.com；*通信作者：陳觀浩， 推廣研究員，cgh7909986@126.com。

葉理清, 王婷, 陳觀浩, 等. 三化螟田間為害叢率與為害株率相關(guān)性研究及應(yīng)用[J]. 生物災(zāi)害科學(xué), 2019, 42(2): 112-115.