水稻白叶枯病发生流行与气象条件关系及预测模型研究

doi:10.11923/j.issn.2095-4050.cjas20190700101

农学学报 ›› 2020, Vol. 10 ›› Issue (2): 29-33.doi: 10.11923/j.issn.2095-4050.cjas20190700101

所属专题：水稻；农业气象

水稻白叶枯病发生流行与气象条件关系及预测模型研究

彭荣南¹, 陈冰¹(), 陈观浩², 何泽华¹, 邱世善¹, 宋祖钦¹, 梁盛铭²

¹ 广东省化州市气象局,广东化州 525100
² 广东省化州市病虫测报站,广东化州 525100

收稿日期:2019-07-03 修回日期:2019-08-20 出版日期:2020-02-24 发布日期:2020-02-24
通讯作者: 陈冰 E-mail:522033051@qq.com
作者简介:彭荣南,男,1983年出生,广东信宜人,工程师,本科,研究方向：气象服务及管理。通信地址：525100 广东省化州市教育路三横巷11号化州市气象局,Tel：0668-7222241,E-mail：690080896@qq.com。
基金资助:
广东省科技计划项目“超级稻主要病虫害发生特点及防控技术集成与推广”(2013B020416002);茂名科技计划项目“水稻主要病虫害灾变气象条件及预测研究与应用”(2019455)

Rice Bacterial Blight: Relationship Between the Epidemic and Meteorological Conditions and Its Prediction Model

Peng Rongnan¹, Chen Bing¹(), Chen Guanhao², He Zehua¹, Qiu Shishan¹, Song Zuqin¹, Liang Shengming²

¹ Meteorological Bureau of Huazhou, Huazhou 525100, Guangdong, China
² Forecast Station of Plant Disease and Insect Pests of Huazhou, Huazhou 525100, Guangdong, China

Received:2019-07-03 Revised:2019-08-20 Online:2020-02-24 Published:2020-02-24
Contact: Bing Chen E-mail:522033051@qq.com

摘要/Abstract

摘要：

为了明确气象条件与水稻白叶枯病发生的关系,提高预报能力,利用1985—2015年化州市晚稻白叶枯病病情资料及气象数据进行相关性分析。结果表明：9—10月降水量、降水日数、相对湿度、台风与发病程度呈正相关;日照时数、气温与发病程度呈负相关。影响白叶枯病发生的关键气象因子分别是8月中旬—9月中旬降水量、9—10月降雨系数、8月下旬降水强度和9月台风次数。采用逐步回归统计方法建立晚稻白叶枯病发病程度气象等级预测模型,模型的复相关系数R为0.9000,通过α=0.01的显著性检验。模型拟合准确率为89.4%。利用该模型对2016—2018年白叶枯病发生等级进行试报检验,平均试报准确率达93.3%。模型拟合结果和试报准确率均较好,为白叶枯病的综合防治及科学决策提供了依据。

关键词: 水稻白叶枯病, 气象条件, 相关性分析, 预测模型, 逐步回归, 流行规律

Abstract:

The paper aims to clarify the relationship between meteorological conditions and the occurrence of rice bacterial blight, and to improve the ability to predict the occurrence of the disease. Based on the data of late rice bacterial blight and the meteorological data in Huazhou during 1985-2015, we conducted the correlation analysis. The results showed that: the precipitation, rainy days, relative humidity and typhoon from September to October were positively correlated with the degree of disease; the sunshine duration and temperature were negatively correlated with the degree of disease; the key meteorological factors affecting the occurrence of bacterial blight were precipitation from mid-August to mid-September, precipitation coefficient from September to October, precipitation intensity in late August and typhoon frequency in September. We established the prediction model of meteorological grade for the incidence degree of late rice bacterial blight by the stepwise regression statistical method; the multiple correlation coefficient R of the model was 0.9000, which passed the significance test of a=0.01; the fitting accuracy of model was 89.4%; the average test accuracy of the occurrence level of bacterial blight during 2016-2018 by the model was 93.3%. The model fitting results and the test accuracy are good, providing the basis for scientific decision-making on the comprehensive control of rice bacterial blight.

Key words: Rice Bacterial Blight (RBB), Meteorological Condition, Correlation Analysis, Prediction Model, Stepwise Regression, Epidemics

中图分类号:

S435.111.4 ⁺7

彭荣南, 陈冰, 陈观浩, 何泽华, 邱世善, 宋祖钦, 梁盛铭. 水稻白叶枯病发生流行与气象条件关系及预测模型研究[J]. 农学学报, 2020, 10(2): 29-33.

Peng Rongnan, Chen Bing, Chen Guanhao, He Zehua, Qiu Shishan, Song Zuqin, Liang Shengming. Rice Bacterial Blight: Relationship Between the Epidemic and Meteorological Conditions and Its Prediction Model[J]. Journal of Agriculture, 2020, 10(2): 29-33.

图/表 2

参考文献 23

[1]	Mew T W . Current status and future prospects of research on bacterial blight of rice[J]. Annual Review of Phytopathology, 1987,25:359-382. doi: 10.1146/annurev.py.25.090187.002043 URL
[2]	Yang Z, Sus X, Wang S , et al. Genetic and physical mapping of a new gene for bacterial blightresistance in rice[J]. Theoretical and Applied Genetics, 2003,106(8):1467-1472. doi: 10.1007/s00122-003-1205-4 URL pmid: 12750790
[3]	北京农业大学. 农业植物病理学[M]. 北京: 农业出版社, 1982: 15-23.
[4]	中国农业科学院植物保护研究所. 中国农作物病虫害(上册)[M].第2版. 北京: 中国农业出版社, 1995: 14-24.
[5]	沈颖, 王华弟, 李仲惺 , 等. 水稻白叶枯病再流行原因分析与防控对策研究[J]. 中国农学通报, 2016,32(24):180-185.
[6]	沈颖, 王华弟, 叶建人 , 等. 水稻白叶枯病发生流行动态与防治技术研究[J]. 浙江农业科学, 2016,57(4):600-603.
[7]	李仲惺 . 水稻白叶枯病局部重发生状态下的防控对策探讨[J]. 中国植保导刊, 2014,34(3):28-30.
[8]	王华弟, 陈剑平, 严成其 , 等. 中国南方水稻白叶枯病发生流行动态与绿色防控技术[J]. 浙江农业学报, 2017,29(12):2051-2059.
[9]	吴冠清, 陈观浩 . 晚稻白叶枯病流行程度的通径分析及预测模型[J]. 湖北植保, 2009(4):19-20.
[10]	陈观浩, 梁盛铭, 陈冰 , 等. 超级稻病虫害发生特点及绿色防控技术[J]. 生物灾害科学, 2017,40(3):185-189.
[11]	许志刚, 刘凤权, 沈秀萍 , 等. 水稻白叶枯病和条斑病的流行与预测(综述)[J]. 西南农业大学学报, 1998,20(5):567-572.
[12]	徐坚, 沈颖, 王华弟 , 等. 水稻白叶枯病的发生危害与综合防治技术探讨[J]. 中国稻米, 2016,22(2):65-67. doi: 10.3969/j.issn.1006-8082.2016.02.015 URL
[13]	王华弟, 沈颖, 赵敏 , 等. 水稻白叶枯病发生危害损失动态与模型预测的探讨[J]. 中国植保导刊, 2016,36(4):40-44.
[14]	陈其志, 谢本贵, 刘明贤 . 江陵稻区水稻白叶枯病发生程度预测模型[J]. 湖北农业科学, 1999(6):37-39.
[15]	林朝重, 卢同, 种藏文 , 等. 闽江下游稻区水稻白叶枯病流行预测模型的研究[J]. 福建省农科院学报, 1997,12(4):15-18.
[16]	孙俊铭, 马方中, 邢春生 . 中稻白叶枯病流行程度分段预报方法研究[J]. 安徽农业大学学报, 2000,27(2):122-125.
[17]	农业部农作物病虫测报总站. 农作物主要病虫测报办法[M]. 北京: 农业出版社, 1981: 10-21.
[18]	陈观浩, 张耀忠, 杨果丰 . 晚稻稻瘿蚊主害代发生程度的预测模型[J]. 华东昆虫学报, 2006,15(2):137-139.
[19]	娄伟平, 陈先清, 吴利红 , 等. 基于投影寻踪理论的稻飞虱发生程度预测模型[J]. 生态学杂志, 2008,27(8):1438-1443.
[20]	伍尚忠 . 水稻白叶枯病及其防治[M]. 上海: 上海科学技术出版社, 1983: 55-63.
[21]	王博妮, 景元书 . 农作物病虫害气象条件预报方法研究进展[J]. 江苏农业科学, 2009(4):25-27.
[22]	陈怀亮, 张弘, 李有 . 农作物病虫害发生发展气象条件及预报方法研究综述[J]. 中国农业气象, 2007,28(2):212-216.
[23]	华南热带作物学院. 热带作物病虫害防治[M]. 北京: 农业出版社, 1989: 49-52.

对象	偏相关	t检验值	P值	相关系数R	F值	P值	剩余标准差S	调整后的相关系数R_a
R(y,x₁)=	0.7218	5.3176	0.0000	0.9000	27.7229	0.0000	0.7187	0.7808
R(y,x₂)=	0.6164	3.9915	0.0000
R(y,x₃)=	0.5582	3.4301	0.0020
R(y,x₄)=	0.4398	2.4968	0.0192

对象	偏相关	t检验值	P值	相关系数R	F值	P值	剩余标准差S	调整后的相关系数R_a
R(y,x₁)=	0.7218	5.3176	0.0000	0.9000	27.7229	0.0000	0.7187	0.7808
R(y,x₂)=	0.6164	3.9915	0.0000
R(y,x₃)=	0.5582	3.4301	0.0020
R(y,x₄)=	0.4398	2.4968	0.0192

年份	实际值	拟合值（预测值）	拟合误差	拟合评分/%	年份	实际值	拟合值（预测值）	拟合误差	拟合评分/%
1985	5	6.06	-1.06	70.0	2002	5	4.25	0.75	80.0
1986	3	2.83	0.17	100.0	2003	2	1.42	0.58	80.0
1987	2	1.66	0.34	100.0	2004	0	0.36	-0.36	100.0
1988	1	1.46	-0.46	100.0	2005	1	1.95	-0.95	80.0
1989	1	0.42	0.58	80.0	2006	0	0.19	-0.19	100.0
1990	1	0.63	0.37	100.0	2007	1	1.16	-0.16	100.0
1991	1	1.03	-0.03	100.0	2008	5	4.55	0.45	100.0
1992	1	2.26	-1.26	70.0	2009	1	0.84	0.16	100.0
1993	1	1.43	-0.43	100.0	2010	2	1.89	0.11	100.0
1994	2	2.02	-0.02	100.0	2011	1	1.38	-0.38	100.0
1995	2	2.70	-0.70	80.0	2012	1	1.11	-0.11	100.0
1996	4	3.36	0.64	80.0	2013	3	2.78	0.22	100.0
1997	4	2.19	1.81	0.0	2014	4	2.55	1.45	70.0
1998	1	1.22	-0.22	100.0	2015	4	4.14	-0.14	100.0
1999	1	1.21	-0.21	100.0	2016^*	2	1.64	0.36	100
2000	1	1.94	-0.94	80.0	2017^*	3	2.50	0.50	80
2001	4	4.02	-0.02	100.0	2018^*	4	4.48	-0.48	100

年份	实际值	拟合值（预测值）	拟合误差	拟合评分/%	年份	实际值	拟合值（预测值）	拟合误差	拟合评分/%
1985	5	6.06	-1.06	70.0	2002	5	4.25	0.75	80.0
1986	3	2.83	0.17	100.0	2003	2	1.42	0.58	80.0
1987	2	1.66	0.34	100.0	2004	0	0.36	-0.36	100.0
1988	1	1.46	-0.46	100.0	2005	1	1.95	-0.95	80.0
1989	1	0.42	0.58	80.0	2006	0	0.19	-0.19	100.0
1990	1	0.63	0.37	100.0	2007	1	1.16	-0.16	100.0
1991	1	1.03	-0.03	100.0	2008	5	4.55	0.45	100.0
1992	1	2.26	-1.26	70.0	2009	1	0.84	0.16	100.0
1993	1	1.43	-0.43	100.0	2010	2	1.89	0.11	100.0
1994	2	2.02	-0.02	100.0	2011	1	1.38	-0.38	100.0
1995	2	2.70	-0.70	80.0	2012	1	1.11	-0.11	100.0
1996	4	3.36	0.64	80.0	2013	3	2.78	0.22	100.0
1997	4	2.19	1.81	0.0	2014	4	2.55	1.45	70.0
1998	1	1.22	-0.22	100.0	2015	4	4.14	-0.14	100.0
1999	1	1.21	-0.21	100.0	2016^*	2	1.64	0.36	100
2000	1	1.94	-0.94	80.0	2017^*	3	2.50	0.50	80
2001	4	4.02	-0.02	100.0	2018^*	4	4.48	-0.48	100

水稻白叶枯病发生流行与气象条件关系及预测模型研究

Rice Bacterial Blight: Relationship Between the Epidemic and Meteorological Conditions and Its Prediction Model

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 2

参考文献 23

相关文章 15

编辑推荐

Metrics

本文评价

关于本刊

作者中心

审者中心

在线期刊

联系我们

[1]	吉志红, 刘晓迎, 张燕燕, 曹苏娅. 三门峡红富士苹果始花期预测模型研究[J]. 农学学报, 2022, 12(8): 81-86.
[2]	刘帆, 高萌, 刘艳, 吕阳. 2020/2021年度咸阳冬季气象条件对农业生产的影响[J]. 农学学报, 2022, 12(5): 65-69.
[3]	田甜, 韩宇, 付山. “乡村振兴”视角下人力资本投资对农业发展影响的实证研究[J]. 农学学报, 2022, 12(4): 96-100.
[4]	刘振元, 班立桐, 金海东, 张虹, 黄亮, 王玉, 金波. 天津市蓟州区食用菌主产区的气象条件和对策研究[J]. 农学学报, 2022, 12(10): 73-76.
[5]	木合塔尔·艾买提, 周勇, 吴正祥. 鄂西北耕层土壤全氮含量空间分异特征及其影响因素分析[J]. 农学学报, 2022, 12(1): 12-21.
[6]	张翠英, 吕令华, 樊献政, 李瑞英. 油用牡丹种子采摘始期预报模型研究[J]. 农学学报, 2021, 11(9): 85-91.
[7]	夏利娟, 蔡鲲鹏, 马莉娟, 陈文强, 王宇, 丁晨露, 冉强, 蔡健. 小麦品质相关分析和聚类分析[J]. 农学学报, 2021, 11(8): 1-7.
[8]	张童, 刘宇飞, 隋心, 宋福强. 土地利用方式对黑龙江西部地区土壤理化性质和酶活性的影响[J]. 农学学报, 2021, 11(5): 33-41.
[9]	卞建锋, 闫芳芳, 陈冠陶, 刘杨, 冯文龙, 罗万麟, 王谢. 1999—2018年四川省烟叶播种面积的年际动态分析[J]. 农学学报, 2021, 11(5): 57-61.
[10]	于长文, 许启慧, 马贵东, 杨梅. 河北青龙板栗生长气象条件分析与气候品质认证[J]. 农学学报, 2020, 10(3): 93-100.
[11]	闫希光,张海娥. 应用IAD值确定‘徐香’猕猴桃后熟过程中的内在品质[J]. 农学学报, 2019, 9(7): 48-52.
[12]	高海燕,程庆军,田承华,高鹏,张俊珍. 高粱净光合速率的遗传分析[J]. 农学学报, 2019, 9(1): 11-15.
[13]	张宇. 黑龙江省一次严重霾天气特征及成因分析[J]. 农学学报, 2018, 8(10): -.
[14]	买合甫拉提?乃比,玉苏甫?买买提. 渭-库河绿洲种棉土壤pH与微量元素的相关性分析[J]. 农学学报, 2017, 7(6): 21-26.
[15]	黄华英,陈观浩,梁盛铭,陈梅珍. 南方水稻黑条矮缩病测报技术研究[J]. 农学学报, 2017, 7(5): 6-9.