褐飛虱前期遷入與海溫場、ENSO指標(biāo)的遙相關(guān)及其中長期預(yù)測.pdf

1、褐飛虱是亞洲地區(qū)一種遠(yuǎn)距離遷飛性水稻害蟲。自20世紀(jì)70年代以來，在我國多次暴發(fā)成災(zāi)。1992年以后種群整體呈下降趨勢，但2003年以來又有大發(fā)生的態(tài)勢。如果能夠?qū)诛w虱種群的大發(fā)生做出準(zhǔn)確而又超前的預(yù)報(bào)，將為防治決策提供有效的信息。目前褐飛虱的預(yù)報(bào)多限于中短期預(yù)報(bào)，其預(yù)測效果較好，并廣泛地應(yīng)用于指導(dǎo)生產(chǎn)實(shí)踐。而長期預(yù)報(bào)一直沒有進(jìn)行深入的研究。褐飛虱前期遷入量與田間種群發(fā)生關(guān)系密切，氣象因子也是影響褐飛虱種群發(fā)生的一個(gè)重要因素。本文通過

2、分析影響褐飛虱前期遷入的大尺度背景來尋找長期預(yù)測因子，如前期海溫、ENSO指標(biāo)等，在相關(guān)分析的基礎(chǔ)上對褐飛虱的前期遷入量作中長期預(yù)測。 1.遙相關(guān)分析分別計(jì)算6個(gè)褐飛虱發(fā)生區(qū)內(nèi)16個(gè)監(jiān)測點(diǎn)的褐飛虱前期遷入量與前期太平洋、印度洋海溫場各格點(diǎn)海溫以及ENSO指標(biāo)的月平均距平的相關(guān)系數(shù)，并將相關(guān)結(jié)果在地理信息系統(tǒng)中顯示。定義至少有相鄰的5個(gè)海溫格點(diǎn)連續(xù)3個(gè)月或3個(gè)月以上顯著或極顯著相關(guān)為連續(xù)顯著相關(guān)海溫區(qū)。在太平洋，共獲得196個(gè)相關(guān)

3、海溫區(qū)和305個(gè)相關(guān)時(shí)段；在印度洋，共獲得142個(gè)相關(guān)海溫區(qū)和231個(gè)相關(guān)時(shí)段；前期共有255個(gè)ENSO指標(biāo)達(dá)到顯著或極顯著相關(guān)。 2.預(yù)測因子的篩選計(jì)算以上連續(xù)顯著相關(guān)海溫區(qū)內(nèi)所有格點(diǎn)的月平均海溫距平的平均值后，再與褐飛虱前期遷入量作相關(guān)分析。對這些相關(guān)系數(shù)作穩(wěn)定性分析，刪除不穩(wěn)定的相關(guān)海溫區(qū)或相關(guān)時(shí)段。選擇連續(xù)穩(wěn)定顯著相關(guān)的海溫區(qū)或顯著相關(guān)的ENSO指標(biāo)作為褐飛虱前期遷入量的預(yù)測因子。經(jīng)穩(wěn)定性分析后，在太平洋獲得115個(gè)連續(xù)

4、穩(wěn)定顯著相關(guān)海溫空間因子和168個(gè)相關(guān)時(shí)段因子，在印度洋獲得101個(gè)連續(xù)穩(wěn)定顯著相關(guān)海溫空間因子和127個(gè)相關(guān)時(shí)段因子。連續(xù)穩(wěn)定顯著相關(guān)海溫因子或顯著相關(guān)ENSO指標(biāo)的時(shí)空分布特征如下： 在空間分布上，太平洋海溫預(yù)測因子在中太平洋最多(50％)，南太平洋和北太平洋各占25％左右；兩廣南部、南嶺區(qū)和嶺北區(qū)等3個(gè)褐飛虱發(fā)生區(qū)的印度洋海溫預(yù)測因子以北印度洋(41.6％)和南印度洋(40％)為主，沿江區(qū)和江淮淮北區(qū)的印度洋海溫預(yù)測因子以

5、南印度洋(53.6％)和中印度洋(26.8％)為主；顯著相關(guān)的ENSO指標(biāo)以N3區(qū)、N4區(qū)和N3+4區(qū)海溫為主，三者共超過70％。在時(shí)間分布上，都以前兩年和前一年為主(81.5-87％)，當(dāng)年最少。 比較各站點(diǎn)的海溫場遙相關(guān)時(shí)空分布發(fā)現(xiàn)：兩廣南部、嶺北區(qū)和沿江區(qū)的大部分站點(diǎn)在前一年冬季或當(dāng)年春季赤道中東太平洋為顯著或極顯著正相關(guān)；兩廣南部、嶺北區(qū)和沿江區(qū)，當(dāng)年赤道印度洋正距平可預(yù)示褐飛虱前期大量遷入。各Nino區(qū)有關(guān)海溫因子在前

6、兩年至前一年春季之前常呈負(fù)相關(guān)，在前一年冬季至當(dāng)年春季常呈正相關(guān)，與SOI的相關(guān)性質(zhì)則相反。 3.預(yù)測模型的建立將上面篩選出的預(yù)測因子按照同一年份同一相關(guān)區(qū)進(jìn)行不同的組合后，再用逐步回歸分析建立預(yù)測方程，同時(shí)預(yù)留出最后3年的歷史資料進(jìn)行預(yù)測檢驗(yàn)。將褐飛虱前期遷入量，按照自身的時(shí)間序列以平均數(shù)加減1個(gè)標(biāo)準(zhǔn)差為標(biāo)準(zhǔn)共分為3個(gè)級(jí)別，分別計(jì)算預(yù)測模型的回檢和預(yù)檢準(zhǔn)確率。最后入選的預(yù)測方程標(biāo)準(zhǔn)為回檢率>50％和預(yù)檢率≥2/3。 共

7、篩選到306個(gè)太平洋海溫因子、199個(gè)印度洋海溫因子和44個(gè)ENSO指標(biāo)的中長期預(yù)測方程。預(yù)測方程的太平洋海溫因子以中太平洋最多(51.6％)，北太平洋和南太平洋各占26.2％和22.2％；印度洋海溫因子以南印度洋為主(67.3％)，其次為中印度洋(18.6％)，北印度洋最少(14.1％)；ENSO指標(biāo)預(yù)測因子以N3區(qū)、N3+4區(qū)海溫和SOI指標(biāo)為主，三者共占93.2％。在時(shí)間分布上，仍以前兩年和前一年為主，兩者比例均達(dá)到90％以上。

8、 4.集成預(yù)報(bào)由于每個(gè)監(jiān)測點(diǎn)都具有許多個(gè)中長期預(yù)測方程，而這些方程分別代表了部分時(shí)空信息，為了便于推廣應(yīng)用，對每個(gè)站點(diǎn)所有的預(yù)測方程按預(yù)測的時(shí)效年限組建系列集成預(yù)報(bào)模型。首先，為了提高集成預(yù)報(bào)的預(yù)測準(zhǔn)確率，刪除預(yù)測誤差大于0.5級(jí)的方程，將每個(gè)監(jiān)測點(diǎn)的所有方程按預(yù)測時(shí)效年限分為前兩年、前一年和當(dāng)年等三類，然后根據(jù)每個(gè)方程的預(yù)檢率和回檢率計(jì)算出每個(gè)方程的權(quán)重系數(shù)，進(jìn)行集成預(yù)報(bào)處理，最終每個(gè)監(jiān)測點(diǎn)組建成超長期(前兩年)、長期(前一年)

9、、中期(當(dāng)年1-6個(gè)月前)三個(gè)集成預(yù)報(bào)模型。集成預(yù)報(bào)不僅集合了眾多的時(shí)空預(yù)測信息，還提高了預(yù)測的準(zhǔn)確性。以太平洋海溫為預(yù)測因子共建立38個(gè)集成模型，其中有19個(gè)模型預(yù)測準(zhǔn)確率從66.7-91.2％提高到在預(yù)測的3年里全部預(yù)測準(zhǔn)確；以印度洋海溫為預(yù)測因子共建立30個(gè)集成模型，其中有13個(gè)模型預(yù)報(bào)準(zhǔn)確率從71.9-92.2％提高到在預(yù)測的3年里全部預(yù)測準(zhǔn)確。以ENSO指標(biāo)為預(yù)測因子共建立了12個(gè)集成預(yù)報(bào)方程，集成預(yù)報(bào)方程的預(yù)測準(zhǔn)確率沒有明顯

10、的提高。 5.前期海溫與褐飛虱前期遷入遙相關(guān)的可能機(jī)制以江蘇通州和江蘇淮安為例，分析褐飛虱前期遷入量與前期500hPa西太平洋副高指數(shù)、當(dāng)年旬降水量或旬平均溫度之間的相關(guān)關(guān)系。比較與褐飛虱前期遷入顯著相關(guān)的旬平均溫度或旬降水量、西太平洋副高指數(shù)、褐飛虱前期遷入的太平洋海溫場遙相關(guān)的時(shí)空分布，找出三者共同的前期相關(guān)海溫區(qū)。 根據(jù)相關(guān)分析及其相關(guān)海溫場結(jié)果的比較，認(rèn)為前期海溫與褐飛虱前期遷入遙相關(guān)的可能機(jī)制如下：前期赤道中東