氣象統計方法在稻飛虱預報應用綜述

張雅樂

中國氣象局氣象干部培訓學院，北京 100081

氣象統計方法在稻飛虱預報應用綜述

張雅樂

中國氣象局氣象干部培訓學院，北京 100081

有關水稻稻飛虱的氣象預報，以應用統計方法最為普遍，本文基于已有成果，綜述氣象因子在國內水稻稻飛虱預報中的應用，指出各類研究的特點以及存在的問題。有關氣象因子對水稻稻飛虱影響的研究多基于田間觀測，通過與氣象資料對比分析，建立水稻稻飛虱發生發展與各氣象因子及因子組合間的定量關系是運用統計方法主要的思路。然而，目前國內水稻稻飛虱預報研究中的數據資料較為有限，指標選擇處于摸索階段，存在模擬方法單一、研究結果地域性強、實用性較差等問題。大尺度環流因子與稻飛虱發生缺乏深入系統的研究，未來亟待開展。

水稻稻飛虱；氣象因子統計方法；氣象預報

稻飛虱屬同翅目飛虱科。危害較重的是褐飛虱和白背飛虱，早稻前期以白背飛虱為主，后期以褐飛虱為主；中晚稻以褐飛虱為主，是兩種遠距離遷飛性水稻害蟲。褐飛虱在中國北方各稻區均有分布；長江流域以南各省發生較烈。白背飛虱分布范圍大體相同，以長江流域發生較多。20世紀20年代，僅在江蘇、上海大發生過；50年代川、黔、湘，鄂、贛一帶曾局部大發生；60年代局部地區稻飛虱危害加重，但仍屬江南部分省的早、中稻上間歇發作的害蟲，在晚稻上偶有成災記錄；70年代以來稻飛虱的危害日趨嚴重，從局部危害成為稻區最主要的危害。1974年、1975年連續兩年在長江下游地區暴發；1987年、1991年在全國各稻區特大暴發；1997年，全國褐飛虱發生面積達1.9×107hm2；2005年秋季，由于氣候條件適宜、褐飛虱種群抗藥性上升等多種因素的共同作用，褐飛虱再度全國性大爆發。

稻飛虱的發生發展與氣象條件、品種抗性、種植制度、耕作方式等密切相關，特別是氣象條件對稻飛虱的遷飛、生長發育、繁殖等起著決定性的作用。有關研究表明氣溫、降水、副熱帶高壓、大氣環流等氣候條件，對中國稻飛虱的遷飛、降落及為害有很大影響。自20世紀90年代以來，許多研究者應用氣象因子對稻飛虱開展了短期、中期（包括發生期預測、發生量預測和發生區預測）及長期預報模式的研究。本文擬基于已有成果，從中篩選氣象條件變化與稻飛虱發生流行的對應觀測數據，總結氣象條件對稻飛虱爆發的影響規律，并以統計學預報方法及預報內容為主線，綜述氣象因子在國內稻飛虱預報中的應用現狀。

1 稻飛虱的氣象因子統計預報法

隨著昆蟲生態學的深入研究，人類對昆蟲種群數量發生規律認識日益清晰，關于害蟲的預測方法也越來越多，常用的有線性回歸分析法、時間序列分析法、模型法、灰色預測法、模糊預測法、地統計學等，這已經成為害蟲預測預報的主要方法。

運用統計預測法預測害蟲發生程度和發生期的研究眾多。根據多年觀察積累的資料，探討某種因素如氣候因素、物候現象等，與害蟲發生期、發生量的關系，并利用數學手段進行一定范圍內預測因子篩選和建模，即為數理統計預測法。目前關于病蟲害的300多種預報法中，大多屬于統計預報。統計學預測法原理和方法簡單，都是通過把系統作為一暗箱處理，考慮其輸入輸出，對未來事件做趨勢預測，因而缺乏統計預測模型的生物學理論基礎，并不能完全把害蟲發生規律和統計理論有機結合起來。

1.1 相關分析法

在相關分析中，分析側重于隨機變量之間的種種相關特征，所討論的變量的地位一樣。黃珍珠等采用相關分析法對廣東省1992年—2009年水稻稻飛虱發生面積率與同期地面氣象因子進行研究,采用兩段最小二乘法、曲線回歸方法分別建立6月、9月廣東省稻飛虱發生面積率長期預測模型。結果表明：稻飛虱發生的關鍵時段是6月、9月，關鍵因子是6月溫雨系數、大雨日數、平均風速<5m/s的日數。李軍等應用相關分析法，分析了上海地區單季晚稻褐飛虱發生程度、始見期與氣候生態因子的關系。結果表明，上海地區單季晚稻褐飛虱始見期與當年4月16日-30日的降水日數呈負相關，發生程度與7月降水量成正相關；單季晚稻褐飛虱的發生程度與當年1月1日-2月10日平均最低氣溫呈負相關。

1.2 回歸分析法

回歸分析是應用極其廣泛的數據分析方法之一，是水稻稻飛虱預報中最常用的方法。它基于觀測數據建立變量間適當的依賴關系，以分析數據內在規律，并可用于預報、控制等問題。當前以應用地面氣象因子進行回歸預報居多，溫度、濕度、降水、日照等氣象因子在水稻稻飛虱的數理統計預報中均有應用。此外，還有許多研究針對各自研究區域分別對水稻稻飛虱發生量以及遷飛通徑建立回歸方程。

不少學者將逐步回歸方法用于稻飛虱的預測預報，取得較好的模擬結果，該方法的基本思想是在所考慮的全部因素中，按其對因變量顯著程度的大小，逐個引入回歸方程，那些對因變作用不顯著的變量可能都未被引入方程；另一方面，已被引入回歸方程的變量在引入新變量后也有可能變成對因變量作用不顯著而被剔除。

白先達等利用廣西桂林地區水稻稻飛虱發生資料與氣象資料進行對比分析，選擇影響桂林地區稻飛虱遷入的氣象因子，考慮前期氣象條件和蟲源數，采用回歸分析方法建立水稻稻飛虱遷飛與影響的氣象條件等級預報業務系統。系統將各因子和預報對象都劃分為5級，用當地氣象臺發布的未來一周天氣預報結論，綜合分析前期氣象條件和蟲源數是否有利，對未來1～7d逐日影響稻飛虱遷飛的氣象條件等級進行預報，預報業務系統實用性強,逐日預報準確率達70%以上。呂東紅等采用逐步回歸法，利用江蘇泰州地區歷年氣象資料和水稻稻飛虱發生資料建立了發生程度預報模。結果表明，前期氣象因子與當年水稻稻飛虱發生有著密切相關。

盧小鳳等利用廣西桂林地區稻飛虱歷史蟲情以及相應站點同期地面氣象觀測資料，采用因子膨化技術對氣象因子進行逐候膨化組合，通過相關分析篩選出與蟲害發生相關性最為顯著的關鍵因子及其組合時段，利用SPSS軟件建立稻飛虱發生程度等級逐候氣象預報多元線性回歸模型，實現稻飛虱發生程度等級的逐候動態預報,而且預報準確率和穩定性明顯提高。

陳先文等利用廣東省化州市1993年—2010年稻飛虱系統調查資料和氣象資料，對第3代稻飛虱發生程度與主要氣象因子進行相關和通徑分析，建立回歸預測模型。研究指出影響第3代稻飛虱發生程度的主導因子來自于上年8月下旬平均最高氣溫和當年1月上旬相對濕度，其次為上年8月下旬至9月中旬平均氣溫。并利用逐步回歸方法建立了第3代稻飛虱發生程度的預測模型,模型歷史擬合準確率為87.8%，而2011年預測結果與實際發生實況一致。

1.3 馬爾可夫模型法

馬爾可夫模型預測法是數學中具有馬爾可夫性質的離散時間隨機過程。該過程中，在給定當前知識或信息的情況下，只有當前的狀態用來預測將來，過去（即當前以前的歷史狀態）對于預測將來（即當前以后的未來狀態）是無關的，又稱轉移概率預測法。由n時刻的狀態和轉移概率預測n+1時刻的狀態。馬爾可夫鏈預測方法適用于隨機波動性較大的時間序列的預測。這種方法因其具有長期或超長期預測的特點，已在昆蟲發生、氣候及其它領域的預測模擬研究中得到廣泛應用。基于馬爾可夫鏈理論的轉移概率預測法與其他許多害蟲發生程度預測法相比，無需從褐飛虱和白背飛虱的田間發生程度與本地區氣候條件、種植制度以及當年的遷入、遷出數量等諸多因子密切相關，因此這兩種害蟲在田間的發生程度有較大的隨機波動性。

2.2.5 辦理意外工傷保險 入職體檢、崗前培訓合格后，辦理工傷保險和團體意外傷害保險，辦理團體人身意外傷害保險，每人每份保險費300元，意外身故、殘疾保額每人30萬元，意外醫療費用補償每人保額35000元。意外傷害住院津貼每人保險金18000元，每人每日津貼給付標準100元。

閆香慧等根據重慶市秀山縣植保站1983年—2007年褐飛虱及白背飛虱田間發生量的歷史資料以及貴州省江口縣病蟲測報站1977年—2007年32年間燈誘資料，建立了加權馬爾可夫鏈模型，除進行歷史回報檢驗外，還用2008年和2009年的實際發生資料對該模型的預測效果進行了檢驗以重慶市秀山1983年—2007年田間褐飛虱和白背飛虱發生程度的時間序列資料，運用基于馬爾可夫鏈理論的轉移概率預測法，構建了1-5級轉移概率矩陣，根據每一階概率矩陣單獨進行回報的歷史符合率，計算各階轉移概率矩陣的權重，以前5年褐飛虱和白背飛虱的連續發生狀態預測第6年的發生級別。回報20年的結果，歷史符合率均達到90%，對2008年的預測也符合當年田間實際發生情況。

占衛國利用馬爾科夫模型的病蟲害狀態分級。按照病蟲害發生的輕重程度，將水稻病蟲害分為5個等級：1級為病蟲害發生程度很輕；2級為病蟲害發生程度較輕；3級為病蟲害發生程度中等；4級為病蟲害發生較大面積；5級為病蟲害大面積爆發且危害程度嚴重。根據劃分的5個等級，對鄂東南水稻病蟲害進行統計。預測2012年稻飛虱病蟲害等級為4級。

陳觀浩針對化州市以褐飛虱為主的第6代是危害晚稻中后期的主害代發生程度，應用馬爾可夫鏈法進行了超長期預報。預測化州市1979年—1999年21年晚稻稻飛虱發生程度，結果與大田實際發生情況完全一致。對1985年—1999年的歷史資料進行回檢，符合率為96.7%。

但馬爾科夫模型方法的應用也受到一定條件的制約：首先，該方法需要積累多年的種群動態調查資料，而且中間的年份不能間斷；第二，該方法對于隨機的、平穩的時間序列有較強的預測能力，而對于未來突發性或災變性事件的預測能力較弱；第三，害蟲種群數量變動是多種因素綜合作用的結果，凡影響種群出生、死亡和遷入、遷出的因素對種群數量的消長都有作用，而基于馬爾可夫鏈理論的轉移概率預測法與其它的時間序列預測法一樣，回避了環境因素等系統變量對害蟲發生的影響，因而不能直接提供有關環境因子對害蟲發生程度作用的相關信息。在采用轉移概率預測法時，建立多少階的轉移概率矩陣較為恰當，這一方面要根據歷史資料的長短，另一方面更應根據害蟲的發生規律，特別是周期性規律，因此，把時間序列周期分析與馬爾可夫鏈方法結合起來，確定轉移概率矩陣的階數是恰當的。

1.4 大氣環流指數法

大氣環流影響稻區的日照、氣溫和降水條件，導致地面氣象要素影響稻飛虱發生的時間主要在夏季和冬季。我國稻區冬季和初春偏暖、多雨寡照及夏季陰雨寡照的年份，易出現稻飛虱的大面積暴發。已有的研究也表明：大氣環流與夏季我國稻區的降水密切相關；冬暖年份稻飛虱發生嚴重，因為暖冬不僅使稻飛虱冬季繁殖，蟲卵安全越冬，還可使害蟲發育速度加快，遷入期提前；長江中下游地區夏季多雨，也常導致稻飛虱發生偏重。

高萍等根據500hPa大氣環流特征量能表征天氣形勢和控制天氣條件的這一特性，利用線性及單調曲線相關與最優化因子相關兩種技術對環流特征量因子進行普查、對比分析，發現白背飛虱蟲情指標與環流因子之間關系不僅是線性及幾種單調曲線的關系，而且還存在非線性、非單調的單峰(谷)型的相關關系，并從中挑選一批與水稻白背飛虱蟲情指標相關極其顯著、穩定性強、因子間相互獨立、可靠的大氣環流特征量作為預報因子，在此基礎上，建立了江蘇省水稻白背飛虱蟲情指標預報的環流模型，且還證實了模型中的環流因子與影響白背飛虱遷入、發生發展的氣象條件呈顯著相關關系。

錢栓等從影響和制約我國水稻種植區氣象條件的大氣環流因子入手，研究了74項大氣環流特征量構建所有不同時段的組合，全面分析了大氣環流特征量與中國稻飛虱發生面積率的相關關系。篩選出了影響中國稻飛虱發生面積率的關鍵環流特征因子52項，其對中國稻飛虱發生影響的重要次序為副熱帶高壓類→極渦類→槽類→其他類；影響的時段主要為當年7月—8月，其次為上年6月至當年6月。其中，副熱帶高壓類、極渦類關鍵環流因子占全部關鍵環流特征因子的67%和23%，在很大程度上決定著中國稻飛虱發生的面積。確定的直接影響中國稻飛虱發生的關鍵環流特征因子有11項,其中6項較好地表征了中國稻飛虱發生面積率輕、偏輕、偏重、重4個級別的氣候特征。用直接影響中國氣候的關鍵環流特征因子建立了當年3月—9月的中國稻飛虱發生面積率月預測模式,每月初可以制作預報。該模式歷史擬合效果較好,對2003年中國稻飛虱發生面積率的外延預報準確率分別達85.6%、90.5%、90.5%、90.4%、90.9%、93.2%、96.3%。同時,本研究還利用1月—11月稻區月降水量、平均氣溫、日照時數所構建的所有不同時段的組合,分析了關鍵環流特征因子與稻區生態氣象條件、中國稻飛虱發生面積率之間的關系。結果表明:三者之間相關密切,這種關系表現為大氣環流通過影響稻區日照、氣溫和水的變化導致稻飛虱發生條件的災變,進而影響稻飛虱發生面積率。

1.5 時間序列法

馬飛等利用我國長江流域的吳縣1979—1990年及太湖地區農科所1986年—1998年6月—11月褐飛虱田間發生時間序列資料,將褐飛虱發生的一維時間序列拓展到多維相空間中。研究結果表明:我國長江流域短期褐飛虱發生演化,在相空間中存在吸引子,并具有分維結構,其維數分別是1.6和0.68,為混沌吸引子(或奇異吸引子);就我國長江流域褐飛虱發生的短期變化而言,為了能在多維相空間支撐上述奇怪吸引了,最好選取4個變量或建立最低為4階的動力學模式來進行描述。

陳建明等用周期圖分析法預報晚稻褐飛虱主害代發生量。收集和整理浙江蕭山、黃巖、龍游3縣（市）病蟲測報站多年的連作晚稻褐飛虱主害代最高蟲量，采用時間序列法中的周期圖分析法建立超長期預報方程，并進行試報，預報準確率和歷史擬合率均為100%，并且還可以隔年預報。吳嗣勛等在田間遷入峰期、高峰日及峰次的基礎上，采用期距法作中期預報，并根據氣候條件調整期距作短期預報。呂雨土等根據灰色系統關聯分析的基本原理，分析了浙江省衡縣早稻后期白背飛虱發生量、歷年6月25日—30日平均百叢蟲量、同期若蟲比例、遲熟品種比例、6月下旬水分積分指和平均氣溫等因素的關聯序，并據此建立加權關聯度預測模型。秦厚國等根據贛州地區1980年—1992年早稻白背飛虱蟲情及氣象資料，采用模糊權重列聯比分析方法，對1993年早稻白背飛虱進行了預測和對歷年蟲情進行了回測，預測值與實發情況吻合。

1.6 卡爾曼濾波法

卡爾曼濾波法是將前一時刻的預報誤差反饋到原來的預報方程，并及時修正預報方程系數，以此提高下一時刻的預報精度。它的最大優點是不需要太多的歷史資料，所建的方程，其預報因子與預報量之間的關系是隨時間的變化而改變的，避免了一般統計方法所建立的預測方程隨時間推移、氣候變化而致預報誤差增大、甚至不可用的缺點。江勝國等利用桐城市2005年—2007年逐候田間系統調查的稻飛虱百叢蟲量數據,分析影響桐城市稻飛虱發生程度的主要氣象因子。分析發現,旬平均氣溫、候平均氣溫與系統調查的桐城市稻飛虱百叢蟲量均呈顯著的負相關,顯示高溫對稻飛虱發生具有抑制作用,最適宜的候平均氣溫為20.5℃。應用卡爾曼濾波方法建立稻飛虱發生適宜氣象條件等級預測模型,目的在于開展稻飛虱發生的氣象條件預警預測,為防蟲治蟲提供依據。經歷史擬合和2008年試報應用,此模型的預測精度較高,可靠性和穩定性都較好。利用安徽省桐城市2005年—2007年逐候田間系統調查的稻飛虱百叢蟲量數據，分析影響桐城市稻飛虱發生程度的主要氣象因子。應用卡爾曼濾波法建立稻飛虱發生適宜氣象條件等級預測模型，對桐城市2007年6月—10月和2008年8月—10月稻飛虱發生的氣象條件等級進行試報，2007年準確率為95.8%，2008年準確率為86.7%。

1.7 地統計學法

地統計學是專門描述空間分布類型以及對未取樣點進行估值的應用統計學的分支，它以區域化變量理論為基礎，以半方差函數為主要工具，研究空間數據的隨機性和結構性并進行最優無偏內插估計，或者模擬這些數據的離散性和波動性。不僅能避免經典統計方法如比較頻次分布、聚集度指標、擴散型指數等忽略研究對象的空間位置，得到的結果很大程度上依賴于取樣單位的大小等缺點，而且能最大限度地利用調查到的信息，充分利用稀疏或無規律的空間數據，作出更為精確的估計，有效地避免系統誤差。

王瑞等運用地統計學方法研究時間序列上灰飛虱種群的空間結構，模擬灰飛虱種群空間分布。利用半方差函數模型分析了麥田一代灰飛虱若蟲在時間序列上的空間結構,得出了空間自相關的各項屬性與蟲口密度或環境因素的關系:長、短變程與密度無關,保持相對穩定;塊金常數與密度成正相關(比例效應的存在),隨機性強度與密度成三次多項式曲線相關;各向異性主要由于麥田行株距的差別所決定.并用一般克立金方法作出預測表面圖,按時間順序排列,將灰飛虱若蟲在田間的時空分布情況直觀地顯示出來進行比較分析,得出灰飛虱若蟲具有比較穩定的時空分布,認為食料充足、生境孤立、自身行動力較弱是形成這種情況的主要原因,此外包括天敵在內的一些次要因素也對其種群分布產生影響。

2 存在問題與思考

篩選關鍵因子、關鍵時段是進行中長期預測的關鍵，以便科學地揭示農作物病蟲害發生流行與氣象條件、氣候背景之間的關系。目前，就稻飛虱氣象環境成因及其預測研究而言，其存在的主要問題：首先，氣象資料的選擇大多研究局限于行政區域（省、縣），主要對稻飛虱發生的氣象條件作定性描述和經驗陳述，缺乏有針對性的系統深入研究，有定量指標的研究結果較少。其次，宏觀尺度對稻飛虱的消長規律的影響機制研究相對薄弱。對于影響我國氣候關系密切大尺度環流因子與稻飛虱發生的研究一般為零星定性的描述，缺乏深入系統的研究。要強化對災變的預警能力，應加強對宏觀尺度氣象因素對稻飛虱發生消長的影響及各系統之間的相互作用和相互聯系的研究。另外，對于稻飛虱的預測預報還需要提高其準確度，尋找大區域范圍內適用的預測預報模型，選擇宏觀尺度氣象因素作為預測預報的預報因子。

在水稻稻飛虱的預報中，以應用統計方法最為普遍，但統計預測法仍還存在著不可忽視問題：預測效果不穩定，有時預報方程擬合率高，但實際應用時隨條件變化而使預測準確率降低。除統計預測法外，信息預測法、人工神經網絡法、相空間重構法等新方法也在一些研究中有應用，由于后幾種方法應用較少，各方法預報效果的優劣尚無法比較。

[1]白先達,劉福洲,鄒麗霞,等.稻飛虱遷飛氣象條件等級預報研究[J].安徽農業科學，2010，38（12）：6303-6306,6341.

[2]包云軒,謝杰,向勇,等.低空急流對中國褐飛虱重大北遷過程的影響[J].生態學報，2009,29（11）:5773-5782.

[3]包云軒,李金建,繆啟龍,等.2006年褐飛虱重大遷入過程的大氣動力背景模擬：個例研究[J].中國農業氣象，2008, 29（3）:347-352.

[4]陳觀浩.應用馬爾可夫鏈法預測晚稻稻飛虱發生程度[J].昆蟲知識，2003,40（2）:176-178.

[5]陳建明,黃次偉,馮炳燦,等.周期圖分析法在晚稻褐飛虱主害代長期預報中的應用[J].植物保護，1994,20（3）:2-3.

[6]陳先文,黃聞楨,黃瑞娟,等.第3代稻飛虱主要氣象影響因子的通徑分析及預測[J].生物災害科學，2012，35（1）：70-73.

[7]程遐年,吳進才,馬飛.褐飛虱研究與防治[M].北京:中國農業出版社,2003.

[8]高蘋,武金崗,陳寧,等.大氣環流特征量的水稻白背飛虱發生程度預報模型的研究[J].生態學雜志，2005,24（2）: 146-152.

[9]高明昌,朱昌穩,朱光時,等.蕪湖稻區白背飛虱發生規律與測報技術探討[J].植物保護，1994（6）:11-13.

[10]封傳紅,翟保平,張孝羲,等.我國低空急流的時空分布與稻飛虱北遷[J].生態學報，2002,22（4）:559-565.

[11]黃珍珠,杜堯東,王華,等.地面氣象因子對廣東省稻飛虱危害的影響及其預測[J].中國農學通報，2013,29（12）: 174-178.

[12]胡高,包云軒,王建強,等.褐飛虱的降落機制[J].生態學報，2007,27（12）:5068-5075.

[13]江勝國,程林,張友明,等.基于蟲源基數的稻飛虱發生等級氣象預測模型[J].安徽農業科學，2009,37（28）:13658-13659,13744.

[14]江勝國，楊太明，程林，等.卡爾曼濾波方法在稻飛虱發生等級預測中的應用研究[J].氣象，2010,36（10）:106-109.

[15]季璐,朱敏.中國稻飛虱發生面積與大氣環流特征指數的關系[J].安徽農業科學,2012，40（25）:12526-12529.

[16]李軍,蔣耀培,楊秋珍,等.單季晚稻褐飛虱發生程度的氣候診斷[J].生態學雜志，2005,24（3）:339-342.

[17]劉祖建,陳冰,李志杰,等.氣象因子對第2代稻飛虱發生程度的影響及預測模型[J].南方農業學報，2011,42（12）:1500-1502.

[18]盧小鳳,霍治國.桂林地區稻飛虱發生等級氣象預報模型[J].生態學雜志，2013，32（9）：2444-2450.

[19]呂冬紅,王海青,劉素萍,等.水稻褐飛虱發生程度氣象預報方法的研究[J].安徽農業科學，2009,37（2）:668-671. [20]呂雨土，毛文彬.白背飛虱種群動態關聯分析及預測模型的研究[J].昆蟲知識，1996,33（4）:193-195.

[21]馬飛,張夕林,程遐年.褐飛虱長期預測因子的選擇與模型的組建[J].南京農業大學學報，2001,24（2）:53-56.

[22]錢拴,霍治國.大氣環流對中國稻飛虱危害的影響及其預測[J].氣象學報，2007,65（6）:994-1002.

[23]秦厚國,葉正襄,邱克逢.白背飛虱數量預測的研究─模糊權重列聯比分析[J].江西農業學報，1994,6（1）:37-41.

[24]王彥集,劉峻明,王鵬新,等.基于加權馬爾可夫模型的標準化降水指數干旱預測研究[J].干旱地區農業研究，2007,25（5）:198-203.

張雅樂（1983年—），烏魯木齊人，博士，主要從事氣象學（氣候變化）的研究。

2014－02－18