小貫小綠葉蟬發生規律與預測預報研究

謝小群,賀望興 ,石旭平 ,彭玉輔，李延升 ,彭 華 ,楊普香*

(1.江西省蠶桑茶葉研究所，江西 南昌 330203；2.江西省茶葉質量與安全控制重點實驗室，江西 南昌 330203)

小綠葉蟬廣泛分布于我國產茶區，是目前我國茶葉生產中危害最重的茶樹害蟲之一[1]。中國茶園共發現了60余種半翅目葉蟬科葉蟬，但因其蟲體小，體色和形態特征接近，難以區分，現已明確江西省絕大部分茶區的優勢種為小貫小綠葉蟬[2]。其中，2015年江西采集5個主產茶縣(遂川縣、婺源縣、南昌縣、修水縣、浮梁縣)共送檢589例葉蟬標本，檢驗結果為：除4例葉蟬(婺源縣采集)外，其余均為小貫小綠葉蟬。因此,前期可能誤將小貫小綠葉蟬作為其他葉蟬種類(如假眼小綠葉蟬)來研究。因茶區的氣候條件、地形地貌和栽培模式不同，小貫小綠葉蟬的發生世代數及為害盛期有所不同[3]。本研究通過8年對江西省南昌縣地區茶園小貫小綠葉蟬動態蟲口的跟蹤調查，已掌握了該蟲的發生規律，建立了較為簡便的第1高峰日的預測預報模型，為區域內推廣物理防治技術提供科學依據。

1 研究方法

1.1 調查地點

江西南昌縣地區茶園——江西省蠶桑茶葉研究所3塊代表性茶園，樹高0.9～1.3 m，茶行距1.5 m。

1.2 調查方法

于2011～2018年開展調查。

(1)葉檢調查。于每年4月～10月進行，每塊茶園按5點取樣，每個樣點調查100張葉片，計數葉片正反面的葉蟬成若蟲數，晴天在晨露未干前調查，陰雨天則全天都可以進行，每7 d調查1次。

(2)逐步線性回歸分析。利用網上查詢并統計的歷年區域的相關氣象數據(包括前一年12月至當年4月的最高溫度、最低溫度、平均最高溫度、平均最低溫度、降雨雪日數等)、葉檢數據、盆拍數據，通過SPSS 19軟件采用逐步線性回歸分析，方法均為：臨界值F顯著水平≤0.05時引入變量，且顯著水平>0.1時剔除變量。

2 結果與分析

2.1 小貫小綠葉蟬的發生規律

匯總南昌縣地區3種茶園葉蟬2011～ 2015年的蟲口數據，揭示南昌地區葉蟬的發生動態規律(圖1)。茶小綠葉蟬在南昌地區發生代數多，田間蟲態混亂，且世代重疊嚴重。在受不同年限年度的氣象條件的影響下，不同年度葉蟬的動態峰型各具表現不同，2011年、2012年表現為明顯危害雙峰型，且第1峰時間跨幅較短，2015年整體蟲口量密度小，沒有明顯的危害期，但仍呈2個明顯的小雙峰型；2013年、2014年呈明顯危害單峰型，由于高峰的跨期較長，田間蟲口量大，田間采取了防治措施，動態波動較大，呈現2個動態波峰。從5年的田間調查發現，田間蟲口量最大的日期即第1高峰日均較為聚集，在5月25日上下浮動8 d，第2高峰日的時間變化較大。葉蟬在不同時期的密度大小受按不同年限葉蟬蟲口密度大小浮動情況，可將葉蟬種群動態人為分3個時期：Ⅰ期為蟲口幅度較大的4月中下旬起至7月上旬，蟲口從每百葉0～12頭的輕度發生[4]、每百葉12～24頭的中度發生到每百葉24頭以上的重度發生均會出現在該時期；Ⅱ期為7月中下旬至9月上旬蟲口幅度最小期，蟲口均控制在每百葉24頭以下，基本為輕度發生，每百葉12～24頭的中度發生的時間極短；Ⅲ期為9月中下旬到10月底，單峰年基本為輕度發生，雙峰年有極少為重度發生，但危害持續時間短。

圖1 2011～2015年南昌地區葉蟬蟲口規律

2.2 小貫小綠葉蟬第1高峰日預測

2.2.1 小貫小綠葉蟬第1高峰日回歸模型建立 南昌縣各茶園第1高峰日與當年的茶園春季修剪時間相關，在全區域范圍內相差不大，一般為5月24日上下9 d內發生，2011～2018年觀測結果如表1。以葉檢法調查得到全區域內高峰日(即5月份日期，6月份依次為32,33,34,…)為因變量，區域的相關氣象數據為自變量，通過SPSS 19軟件進行逐步線性回歸分析，得到回歸模型：

Y*=20.538**-3.962*X(**代表極顯著；*代表顯著)

式中，Y值四舍五入取整，X為2月最低溫度，單位為℃，r=0.813，R2=0.661，方程顯著水平P=0.049，常量顯著水平P=0.003，系數顯著水平P=0.049。

2.2.2 小貫小綠葉蟬第1高峰日回歸模型驗證與應用 將2011～2018年每年全區域內2月最低溫度代入公式進行回檢，結果見表1，準確率為54.30%～95.91%,平均準確率為76.41%。

表1 小貫小綠葉蟬第1高峰日預測驗證結果

將南昌縣2019年2月最低溫度(-2 ℃)代入方程檢驗，得到第1高峰日為5月28日，實際調查為5月27日，預測值基本與實際吻合。同時，將代表江西贛北茶區的婺源、贛中茶區南昌縣、贛南茶區遂川縣的2011～2018年2月最低溫度(剔除異常值后)的平均值代入方程，結果見表2，第1高峰日分別為6月1日、5月24日、5月21日。通過查閱文獻可知，汪榮照等[6]調查到婺源縣6組第1高峰日數據中，其中有5組為5月31日,1組為6月5日。袁興華等[7]調查到遂川縣2012年的第1小高峰日為5月23日,預測值基本與實際發生相吻合。

表2 2019年江西代表性茶區第1高峰日預測結果

2.3 小貫小綠葉蟬第1高峰日發生量規律與預測

2.3.1 小貫小綠葉蟬第1高峰日發生量規律 將實際調查中2011～2018年全區域內第1高峰期發生量劃分為輕(蟲口<12)、中(12≤蟲口<24)、重(蟲口≥24)，分別用1、2、3代表作為因變量，以區域內相關氣象數據為自變量，通過SPSS 19進行逐步線性回歸分析，得到回歸模型。

Y*=19.444*-0.556*X(*代表顯著)

式中，Y值四舍五入取整，X為4月最高溫度，單位為℃，r=0.962，R2=0.926，方程顯著水平P=0.029，常量顯著水平P=0.038，系數顯著水平P=0.029。

2.3.2 小貫小綠葉蟬第1高峰日發生量回歸模型驗證與應用 將2019年4月最高溫度(34 ℃)代入公式中，得到第1高峰日發生量為1，輕度發生，實際調查中，百葉蟲口數為5.5，預測值與實際相吻合。并將2011～2018年4月最高溫度代入公式檢驗。結果顯示，該公式的準確率為75%,可以較好地預測當地第1高峰日的蟲口量(表3)。

表3 南昌地區第1高峰日發生量預測式回檢結果

3 小結與討論

3.1 小貫小綠葉蟬動態規律

小貫小綠葉蟬發生因地理、氣候、環境而異，絕大部分地區每年有2個為害高峰[5-11]，主要為害夏、秋茶，世代重疊，蟲態混雜。由于跟蹤調查的年份不同，同一地區報道的小貫小綠葉蟬發生規律不一[12-14]。楊普香等[15]報道了江西南昌田間葉蟬動態呈雙峰型，第一個高峰為5月下旬至6月中下旬。本研究繼2012年后連續跟蹤小貫小綠葉蟬田間種群動態發現，南昌地區有明顯的雙峰型和單峰型之分，大多數為雙峰型，第1高峰日集聚在5月下旬。根據年度種群動態浮動大小可分為3期：Ⅰ期為4月中下旬起至7月上旬，蟲口動態幅度隨年限浮動最大，第1個高峰期均在此時期發生，跨期因不同年限氣象差異較大。Ⅱ期為7月中下旬至9月上旬，蟲口動態幅度隨年限的浮動最小。Ⅲ期為9月中下旬到10月底，雙峰年的第2個高峰均發生在此期間。結合2011～ 2015年歷史氣象數據記錄可知，3個時期的旬平均溫度分別為：19～27、27～32、20～27 ℃，說明在小貫小綠葉蟬在田間氣溫超過27 ℃時蟲口受到抑制，而當氣溫處于19～27 ℃適合葉蟬在田間生長發育和繁育。這與喬利等[16]的室內研究結果一致。2013、2014年，8月下旬起降雨量少，干旱高溫，為單峰型動態，這與朱俊慶[17]研究結果一致。

3.2 小貫小綠葉蟬第1高峰日預測與防治

小貫小綠葉蟬的區域性發生可追溯一定短期內的規律[18]，同時，我國茶樹植保工作者對葉蟬蟲情的中期預報進行了卓有成效的研究[19-24]。使用了線性回歸模型、列聯表模型和模糊綜合評判模型等，且模型隨著跟蹤年限的增多在不斷逐步修改。本研究利用逐步線性回歸分析，建立了一個可預測江西省三大產茶區的第1高峰日的回歸方程Y=20.538-3.962X(X為2月最低溫度)。第1高峰日與2月最低溫度呈顯著負相關，且通過與江西主產茶區實際調查驗證，贛北茶區、贛中茶區、贛南茶區從北至南第1高峰日依次推后3～7 d，這與預測結果一致，在江西茶區內具有一定的參考價值。

通過黃板示范推廣發現，黃板在高峰日前1個星期左右插置，可有效控制葉蟬危害。贛南產區的采摘期較長，到7、8月份進行修剪。人工采摘帶走的蟲量少，5月中下旬起至8月葉蟬為害嚴重，高峰期跨度較長，可進行預測第1高峰日后安排黃板防治。其他茶區集中在4月底至5月初進行春茶修剪，可在修剪后，大約5月中旬左右安插色板，可有效防控下一代葉蟬蟲口，控制第2高峰的形成。由于第2高峰日較為分散，且近8年中，2013、2014、2018年葉蟬的種群動態為單峰型，還未建立起第2高峰日的預測模型。通過將第1高峰日進行換算高峰始期發現，與三四月份月平均氣溫之和無顯著性相關，這與朱俊慶[25]研究結果不一致，可能有2個原因：其一本研究的氣象數據的來源于中央氣象網，并非田間監測實際數據，可能與實際數據有所差異；其二，不同模型只能適應于特定區域內，不同區域氣象條件和管理模式差異都可能造成模型的不適用。本研究利用逐步線性回歸分析的獲得第1高峰日蟲口發生量回歸方程Y=19.444-0.556X(X為4月最高溫度)。通過對江西主產茶區的實際調查發現，該預測公式適用于贛北茶區和贛中茶區一些丘陵、平地茶區，對多為山區的贛南茶區不適用。

本研究圍繞江西地區小貫小綠葉蟬的發生規律開展,以8年大田數據為基礎,建立了適用于當地小貫小綠葉蟬第1高峰日有關預測公式。由于調查中主要以葉檢法為監測手段，受一定的人為因素影響，所包含的因子收集不盡完全。在全球氣候變化的大背景下，探討了不同區域、不同茶園管理水平下小貫小綠葉蟬的中、長期精準預測方法，需要建立起更為穩定、客觀和多元的監測手段進行不斷地跟蹤調查，全面深入收集和積累資料，逐步完善規律，得到更為精準、穩健的預測模型。