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

1、褐飛虱是亞洲地區(qū)一種遠距離遷飛性水稻害蟲。自20世紀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)生做出準確而又超前的預報，將為防治決策提供有效的信息。目前褐飛虱的預報多限于中短期預報，其預測效果較好，并廣泛地應(yīng)用于指導生產(chǎn)實踐。而長期預報一直沒有進行深入的研究。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測因子，如前期海溫、ENSO指標等，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測。 1.遙相關(guān)分析分別計算6個褐飛虱發(fā)生區(qū)內(nèi)16個監(jiān)測點的褐飛虱前期遷入量與前期太平洋、印度洋海溫場各格點海溫以及ENSO指標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個海溫格點連續(xù)3個月或3個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個相關(guān)

3、海溫區(qū)和305個相關(guān)時段；在印度洋，共獲得142個相關(guān)海溫區(qū)和231個相關(guān)時段；前期共有255個ENSO指標達到顯著或極顯著相關(guān)。 2.預測因子的篩選計算以上連續(xù)顯著相關(guān)海溫區(qū)內(nèi)所有格點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指標作為褐飛虱前期遷入量的預測因子。經(jīng)穩(wěn)定性分析后，在太平洋獲得115個連續(xù)

4、穩(wěn)定顯著相關(guān)海溫空間因子和168個相關(guān)時段因子，在印度洋獲得101個連續(xù)穩(wěn)定顯著相關(guān)海溫空間因子和127個相關(guān)時段因子。連續(xù)穩(wěn)定顯著相關(guān)海溫因子或顯著相關(guān)ENSO指標的時空分布特征如下： 在空間分布上，太平洋海溫預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個褐飛虱發(fā)生區(qū)的印度洋海溫預測因子以北印度洋(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指標以N3區(qū)、N4區(qū)和N3+4區(qū)海溫為主，三者共超過70％。在時間分布上，都以前兩年和前一年為主(81.5-87％)，當年最少。 比較各站點的海溫場遙相關(guān)時空分布發(fā)現(xiàn)：兩廣南部、嶺北區(qū)和沿江區(qū)的大部分站點在前一年冬季或當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)，當年赤道印度洋正距平可預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相關(guān)，在前一年冬季至當年春季常呈正相關(guān)，與SOI的相關(guān)性質(zhì)則相反。 3.預測模型的建立將上面篩選出的預測因子按照同一年份同一相關(guān)區(qū)進行不同的組合后，再用逐步回歸分析建立預測方程，同時預留出最后3年的歷史資料進行預測檢驗。將褐飛虱前期遷入量，按照自身的時間序列以平均數(shù)加減1個標準差為標準共分為3個級別，分別計算預測模型的回檢和預檢準確率。最后入選的預測方程標準為回檢率>50％和預檢率≥2/3。 共

7、篩選到306個太平洋海溫因子、199個印度洋海溫因子和44個ENSO指標的中長期預測方程。預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指標預測因子以N3區(qū)、N3+4區(qū)海溫和SOI指標為主，三者共占93.2％。在時間分布上，仍以前兩年和前一年為主，兩者比例均達到90％以上。

8、 4.集成預報由于每個監(jiān)測點都具有許多個中長期預測方程，而這些方程分別代表了部分時空信息，為了便于推廣應(yīng)用，對每個站點所有的預測方程按預測的時效年限組建系列集成預報模型。首先，為了提高集成預報的預測準確率，刪除預測誤差大于0.5級的方程，將每個監(jiān)測點的所有方程按預測時效年限分為前兩年、前一年和當年等三類，然后根據(jù)每個方程的預檢率和回檢率計算出每個方程的權(quán)重系數(shù)，進行集成預報處理，最終每個監(jiān)測點組建成超長期(前兩年)、長期(前一年)

9、、中期(當年1-6個月前)三個集成預報模型。集成預報不僅集合了眾多的時空預測信息，還提高了預測的準確性。以太平洋海溫為預測因子共建立38個集成模型，其中有19個模型預測準確率從66.7-91.2％提高到在預測的3年里全部預測準確；以印度洋海溫為預測因子共建立30個集成模型，其中有13個模型預報準確率從71.9-92.2％提高到在預測的3年里全部預測準確。以ENSO指標為預測因子共建立了12個集成預報方程，集成預報方程的預測準確率沒有明顯

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，認為前期海溫與褐飛虱前期遷入遙相關(guān)的可能機制如下：前期赤道中東