日照市茶樹小綠葉蟬發生面積預測預報模型的建立

遲慶紅，朱秀紅*，寇文冠

（1.五蓮縣氣象局，山東五蓮 262300；2.中國人民大學信息學院，北京 100872）

自1966 年“南茶北引”成功引種以來，山東省日照市逐步發展為秦嶺—淮河以北最大的綠茶生產基地。據日照市農業科學研究院統計，截至2020 年底，日照市茶園總面積1.95 萬hm2，總產值33 億元，日照市茶園面積和年產量已分別占山東省的60%和75%以上。茶樹蟲害是造成日照綠茶減產和品質降低的重要因素，其中小綠葉蟬相比其他蟲害發生次數偏多、危害偏重[1-2]。研究日照市茶樹小綠葉蟬發生發展的氣象條件，建立日照市茶區小綠葉蟬預測預報模型，對于指導茶農提前預防和科學治理蟲害，提高茶葉產量和品質具有重要意義。

1 日照市茶樹小綠葉蟬情況介紹

1.1 小綠葉蟬發生規律

茶小綠葉蟬屬同翅目，是日照市茶園最主要的害蟲，在日照市茶區一般一年發生9 代，世代重疊明顯。4 月下旬越冬成蟲在氣溫超過10 ℃時開始出現危害活動，蟲卵產于茶樹新梢皮層，第一代若蟲于5 月上旬出現，每發生一代需要15～30 d。茶小綠葉蟬在日照茶區每年有2 個高峰期，第1 個高峰期出現在5 月下旬至6 月上旬，第2 個高峰期出現在8 月下旬至9 月中旬[3-4]。小綠葉蟬喜歡生活在茶葉芽梢，陰雨天氣利于其發生和發展，如果雨強大且降水量大，雨水沖淋害蟲，會造成害蟲數量減少，推遲高峰期出現時間。10 月下旬溫度≤10 ℃時成蟲進入越冬期。

1.2 小綠葉蟬生活習性

小綠葉蟬成蟲和若蟲均具有趨嫩性，在芽葉背面棲息取食，第二、三葉背面較多見，懼雨霧和強光，當晴日早晨露水變干后，頻繁在葉面活動，10:00 前后隨著太陽升高、光照增強，害蟲在茶叢內徒長枝芽葉或雜草上集中活動并進行為害。成蟲喜歡在防風帳、茶叢葉背或松樹柏樹組成的防護林帶越冬。茶樹芽葉汁液被小綠葉蟬成蟲、若蟲刺吸后，受害茶葉沿邊緣變成黃色，葉片脈絡變成紅色，呈現粗老、卷曲狀，危害嚴重時葉緣和葉尖會呈現紅褐且焦枯狀，芽葉停止生長，有的整個葉片因焦枯而脫落，茶葉產量和品質受到嚴重影響。雌成蟲在茶樹嫩梢上產卵，茶樹疏導組織被破壞，導致茶樹生長受阻[5-6]。

2 材料與方法

2.1 資料來源與處理

氣象資料來源于日照市國家氣象觀測站，包括2011—2020 年日照市茶樹發育期內氣溫、降水量、相對濕度、日照時間等氣象要素。蟲害資料部分來源于日照市茶葉科學研究所，部分來源于代表性茶園。茶樹種植面積資料來源于日照市統計局。

分別統計2011— 2020 年以來日照市茶樹小綠葉蟬蟲害發生面積、發生程度、造成茶葉產量損失大小等資料，以及小綠葉蟬危害期間的光、溫、水等氣象資料。

2.2 分析方法

利用SPSS 統計分析軟件，篩選出與茶樹主要蟲害發生面積相關性顯著、生物學意義明確、預報時間相對提前的氣象預報因子，以發生面積為預報對象，采用多元回歸方法建立預報模型。

3 茶樹小綠葉蟬發生面積預測預報模型的建立

3.1 國內專家學者對病蟲害預測預報模型研究思路

茶樹蟲害的發生、發展、流行都與氣象條件關系密切，一旦遇到適宜的氣候條件，就會大面積暴發流行，對茶樹安全生產構成威脅。目前，國內學者對作物病蟲害的研究主要集中在氣象條件和預報方法，高迎娟等運用統計學原理，建立病蟲害發生程度氣象等級預測模型[7]。高霞創建了基于貝葉斯分類的農作物病蟲害等級預測模型，用于分析河北省保定市主要作物主要病害氣象條件與病害發生程度的關系，明確病害的氣象條件等級[8]。為科學防治茶樹蟲害，利用相關性分析篩選氣象預報因子，建立茶樹小綠葉蟬發生趨勢預報模型，為日照市開展茶樹主要蟲害的綜合預報和防治提供決策依據。

3.2 茶樹小綠葉蟬發生面積預測模型建模思路

由于日照市茶樹小綠葉蟬越冬病蟲源基數歷史資料不足，故未將小綠葉蟬越冬病蟲源基數和冬季氣溫納入預報因子。基于影響茶樹小綠葉蟬發生的最主要氣象條件，結合中、長期預報業務實際情況，選取2011—2020 年3 月下旬至10 月上旬各旬平均氣溫、平均相對濕度、降水量、日照時間與茶樹小綠葉蟬發生面積做相關性分析，選取相關性顯著、生物學意義明確、預報時間相對提前的氣象因子，以茶樹小綠葉蟬發生面積（y）為預報對象，采用多元回歸方法，建立日照市茶樹小綠葉蟬預報模型[9]。多元線性回歸方程的經驗模型為

式中：b0為常數項；假設有n個自變量，b1,b2,…,bn為y對應于x1,x2,…,xn的偏回歸系數。

3.3 茶樹小綠葉蟬蟲害發生面積預測預報模型的建立

通過對小綠葉蟬蟲害發生面積與氣象因子進行相關性分析，尋找對發生面積影響較大的氣象因子，排除影響較小的氣象因子。對2011—2020 年日照市茶園小綠葉蟬蟲害發生期間有關氣象條件進行分析統計，找出顯著性相關氣象因子，并結合小綠葉蟬發生發展和危害時間情況進行篩選，最終確定7 個顯著相關氣象因子。

將小綠葉蟬發生面積定義為因變量y,將x1～x7定義為自變量，輸入SPSS 數據編輯器，經過計算，得出模型摘要、方差分析表和回歸系數表（見表1～3）。

表1 小綠葉蟬發生面積預測預報模型摘要匯總表

表2 小綠葉蟬發生面積預測預報模型方差統計表

表3 小綠葉蟬發生面積預測預報模型回歸系數統計表

最終得到日照市茶樹小綠葉蟬發生面積預測預報回歸方程為

式中，x1～x7分別為4 月下旬降水量、5 月上旬降水量、8 月下旬降水量、6 月下旬日照時間、7 月下旬日照時間、8 月上旬日照時間及8 月下旬日照時間。

選取的7 個因子均相關性較高。復相關系數R取值在0～1，R越大，說明線性回歸關系越密切，上述方程R為0.993，接近1，說明自變量和因變量線性回歸關系密切程度極高。調整后的R2值越大，模型擬合效果越好，上述方程R2為0.986，調整后的R2為0.939，接近1，說明擬合效果好。F值為20.621，p值0.047小于顯著性水平0.05，該方程通過了a=0.05 檢驗，該模型具有統計學意義，因變量和自變量之間線性關系是顯著的。偏回歸系數的t值分別為-1.408、-3.747、3.719、4.837、-6.543、-4.292、-4.077，偏相關系數顯著不等于0。

3.4 日照茶樹小綠葉蟬發生面積預報模型檢驗

利用以上預報模型，對2011—2020 年日照市茶樹小綠葉蟬發生面積進行歷史擬合檢驗和2021 年試報檢驗。在10 組歷史擬合檢驗里，小綠葉蟬發生面積擬合檢驗誤差為1.7%，2021 年預報準確率98.3%，2021 年發生面積預報誤差為0.9%（見表4）。總體來看小綠葉蟬發生面積預報準確率較高。

表4 小綠葉蟬發生面積與預測面積統計表 單位：hm2

4 結論

統計日照市茶園小綠葉蟬預測模型影響因子，發現4 個日照因子、3 個降水因子對小綠葉蟬發生有顯著影響，氣溫因子影響較小。根據日照市茶樹小綠葉蟬預報發布時間，可將預報發布時間之前的因子實況值納入預報模型，還可從預報發布時間之后臨近的中長期預報中獲取因子預報值；日照時間、降水量作為構成模型的預報因子，能夠方便快捷地從預報中獲取。

日照市茶樹病蟲害發生除了與天氣因素密切相關外，還受茶樹品種、地形地勢、栽種密度及茶園管理水平等因素影響，存在個體差異，本預測模型很難將全部因素考慮進去，其預測精度也有待進一步完善和提高。