西安地區小麥病蟲害發生程度預測研究

王昱等

摘要 根據2001～2011年西安地區小麥主要病蟲害總發生面積，選取對應年有關氣象資料，利用相關統計分析方法，確定關鍵氣象因子，采用模糊數學原理對西安地區小麥病蟲害發生程度進行分析預測，建立了簡單易行，適于基層推廣使用的模糊數學預測模型。結果表明，該模型預測效果較好，且歷史擬合率極高，具有較強的實用價值。

關鍵詞 西安；小麥病蟲害；氣象因素；模糊數學

中圖分類號 S512.1 文獻標識碼 A 文章編號 0517-6611（2014）11-03268-03

Abstract According to the main diseases and insect pests occurrence area of wheat in Xi 'an from 2001 to 2011， selecting corresponding years relevant meteorological data， using the relevant statistical analysis method， the key meteorological factors were determined. By using fuzzy mathematics principle， the wheat plant diseases and insect pests occurrence degree in Xi 'an were analyzed and predicted， a fuzzy prediction model suitable for grassroots was established. The results showed that the model prediction effect is good， and the historical fitting rate is extremely high， has strong practical value.

Key words Xi 'an； Wheat plant diseases and insect pests； Meteorology； Fuzzy mathematics

氣象條件是影響農作物病蟲害的主要因子，可以通過不同數理統計的預測方法建立病蟲害預測模型[1-5]來指導農業生產。但目前這些方法的應用多側重于單一病害或蟲害的研究，肖志強等[6]采用回歸模型預測隴南山區小麥蚜蟲發生程度，司麗麗等[7]應用Fisher判別準則模型預測了河北省小麥白粉病的發生情況，劉偉昌等[8]應用灰色關聯分析、模糊數學等方法對河南省小麥條銹病的氣象等級預測，張瑞英[9]采用方差分析周期外推法對小麥條銹病進行超長期預測，張映梅等[10]應用人工神經網絡預測小麥等作物病蟲害發生情況，而對多時段和多種病蟲害的總趨勢研究偏少。

筆者根據2001～2011年西安地區小麥主要病蟲害總發生面積和相關氣象資料，采用模糊數學原理[11-12]對病蟲害發生程度進行了分析預測，效果良好，為及早預測、準確防治提供科學依據。

1 資料來源與研究方法

西安地區小麥主要病蟲害總發生面積包含條銹病、赤霉病、白粉病、蚜蟲、紅蜘蛛病蟲的發病面積，資料來自于西安市植保站，序列為2001～2011年共11年；氣象資料選取西安市氣象局7個區縣地面氣象觀測站相應時段冬前全年和冬后1～5月共計51旬和逐月的氣溫、降水、相對濕度、日照資料，資料用7個區縣氣象觀測站的平均值代替。利用DPS多元分析——相關分析法[13]，計算與冬小麥病蟲害發生面積的相關系數，選出與發病面積相關顯著的關鍵氣象因子，然后再精選出具有明顯植物生理學、病理學意義、能夠互相彌補、綜合預報能力較高的5個氣象因子。采用等差分級方法給出小麥病蟲害發生程度預測標準，應用模糊數學分析方法研究病蟲害發生有關的氣象因子客觀預報方法，建立病蟲害氣象預報模型。

2 結果與分析

2.1 影響小麥病蟲害主要氣象因子（xi）的確定

雖然影響小麥病蟲害發生程度的因素較多，但在耕作制度基本穩定的條件下，影響其發生程度的主要因素是氣象因子。利用西安市7個區縣氣象站的觀測資料，首先初選15個氣象因子，再通過相關篩選法進行精選，最終確定與小麥病蟲害發生程度相關性較好的5個預報因子：X1為上年11月平均氣溫；X2為當年4月上旬降水量；X3為當年5月中旬降水量；X4為當年4月中旬日照；X5為當年3月上旬相對濕度。

2.2 小麥病蟲害主要影響因子的分級

預測等級劃分采用等差分級法確定y、Xi的分級標準（表1）。原理是預報對象y根據11年來病蟲害最大和最小發生面積（表1）的極差，若按5 級分則求其等差差距。故y的5個分級等級標準分別為：1級，偏輕發生，<525.3；2級，中度偏輕發生，525.3～650.0；3級，中度發生650.0～774.7；4級，中度偏重發生，774.7～899.4；5級，偏重發生，>899.4。5個預報因子Xi的分級計算方法同y。對照表1 標準將原始數據轉換成y、Xi的分級結果（表2），組建列聯表（表3）。

2.3 建立預測模型及驗證

2.3.1 確定模糊向量。

根據每個因子對預報對象貢獻大小，賦予不同權重， 組成模糊向量X=（X1，X2，X3，X4，X5）。采用因子精選時已算出的變量Xi與y的單相關系數取其絕對值，作歸一化后處理后得模糊向量Xd=（0.165 138 0.211 009 0.238 532 0.206 422 0.178 899）。結與討論

（1）根據前期具有明顯植物生理學、病理學意義的氣象因子與當年冬小麥病蟲害發生面積的相關分析，應用模糊數學原理，建立了切合當地實際的小麥病蟲害發生程度模糊數學預測模型，應用效果較好，實用性較強。

（2）在預報模型中，加權平均求和模型不僅考慮了所有主導因子的影響， 還具有權重的意義， 避免了應用4個子模型建立綜合預測模型的麻煩， 計算簡單，應用效果好，適宜于基層推廣。

（3）該模型結構簡單，預測時效性較長。由于沒有考慮影響小麥病蟲害發生和流行等非氣象因素，加之病蟲害資料序列較短， 模型的效果還有待在實際工作中進一步檢驗和完善。

參考文獻

[1]

程極益.病蟲害數理統計預報方法[M].南京：南京農業大學出版社，1990.

[2] 張文斌，安德榮，任向輝，等.中國小麥黃矮病的發生及綜合防控研究進展[J].麥類作物學報，2009， 29（2）：361-364.

[3] 陳懷亮，張弘，李有.農作物病蟲害發生發展氣象條件及預報方法研究綜述[J].中國農業氣象，2007，28（2）：212-216.

[4] 葉彩玲，霍治國，丁勝利，等.農作物病蟲害氣象環境成因研究進展[J].自然災害學報，2005，14（1）：90-97.

[5] 霍治國，葉彩玲，錢拴，等.氣候異常與中國小麥白粉病災害流行關系的研究[J].自然災害學報，2002， 11（2）：85-90.

[6] 肖志強，陳俊，樊明，等.隴南山區小麥蚜蟲發生氣象條件及程度預測模型[J].安徽農業科學，2009，37（33）：16419-16422.

[7] 司麗麗，姚樹然，閆峰.基于Fisher判別準則的河北省小麥白粉病氣象條件中期預報模型[J].中國農業氣象，2013，34（3）：338-341.

[8] 劉偉昌，陳懷亮，王君，等.小麥條銹病氣象等級預測方法研究[J].安徽農業科學，2008，36（27）：11830-11832.

[9] 張瑞英.小麥條銹病超長期預測[J].植物保護，2001，27（6）：13-16.

[10] 張映梅，李修煉，趙惠燕.人工神經網絡及其在小麥等作物病蟲害預測中的應用[J].麥類作物學報，2002，22（4）：84-87.

[11] 王信群.模糊數學在病蟲害測報中的應用[J].安徽農業科學，2005，33（3）：396-396，398.

[12] 楊崇瑞，耿濟國.病蟲害模糊分析與預報[M].合肥：安徽教育出版社，1991.

[13] 唐啟義，馮明光.使用統計分析及其DPS數據處理系統[M].北京：科學出版社，2007.

[14] 盧恩雙.模糊綜合評判在農業科技上的應用[J].陜西農業科學，1990（6）：40-41.

[15] 羅承忠.模糊集引論上冊[M].北京：北京師范大學出版社，1989.