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(zhì)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(chǎn)茶區(qū)，是目前我國茶葉生產(chǎn)中危害最重的茶樹害蟲之一[1]。中國茶園共發(fā)現(xiàn)了60余種半翅目葉蟬科葉蟬，但因其蟲體小，體色和形態(tài)特征接近，難以區(qū)分，現(xiàn)已明確江西省絕大部分茶區(qū)的優(yōu)勢種為小貫小綠葉蟬[2]。其中，2015年江西采集5個主產(chǎn)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(jié)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(qū)的氣候條件、地形地貌和栽培模式不同，小貫小綠葉蟬的發(fā)生世代數(shù)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(qū)茶園小貫小綠葉蟬動態(tài)蟲口的跟蹤調(diào)查，已掌握了該蟲的發(fā)生規(guī)律，建立了較為簡便的第1高峰日的預(yù)測預(yù)報模型，為區(qū)域內(nèi)推廣物理防治技術(shù)提供科學(xué)依據(jù)。

1 研究方法

1.1 調(diào)查地點

江西南昌縣地區(qū)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(diào)查方法

于2011～2018年開展調(diào)查。

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

(2)逐步線性回歸分析。利用網(wǎng)上查詢并統(tǒng)計的歷年區(qū)域的相關(guān)氣象數(shù)據(jù)(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(shù)等)、葉檢數(shù)據(jù)、盆拍數(shù)據(jù)，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(jié)果與分析

2.1 小貫小綠葉蟬的發(fā)生規(guī)律

匯總南昌縣地區(qū)3種茶園葉蟬2011～ 2015年的蟲口數(shù)據(jù)，揭示南昌地區(qū)葉蟬的發(fā)生動態(tài)規(guī)律(圖1)。茶小綠葉蟬在南昌地區(qū)發(fā)生代數(shù)多，田間蟲態(tài)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(tài)峰型各具表現(xiàn)不同，2011年、2012年表現(xiàn)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(tài)波動較大，呈現(xiàn)2個動態(tài)波峰。從5年的田間調(diào)查發(fā)現(xiàn)，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(tài)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(fā)生[4]、每百葉12～24頭的中度發(fā)生到每百葉24頭以上的重度發(fā)生均會出現(xiàn)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(fā)生，每百葉12～24頭的中度發(fā)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(fā)生，雙峰年有極少為重度發(fā)生，但危害持續(xù)時間短。

圖1 2011～2015年南昌地區(qū)葉蟬蟲口規(guī)律

2.2 小貫小綠葉蟬第1高峰日預(yù)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(guān)，在全區(qū)域范圍內(nèi)相差不大，一般為5月24日上下9 d內(nèi)發(fā)生，2011～2018年觀測結(jié)果如表1。以葉檢法調(diào)查得到全區(qū)域內(nèi)高峰日(即5月份日期，6月份依次為32,33,34,…)為因變量，區(qū)域的相關(guān)氣象數(shù)據(jù)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(shù)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(yīng)用 將2011～2018年每年全區(qū)域內(nèi)2月最低溫度代入公式進行回檢，結(jié)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(yù)測驗證結(jié)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(diào)查為5月27日，預(yù)測值基本與實際吻合。同時，將代表江西贛北茶區(qū)的婺源、贛中茶區(qū)南昌縣、贛南茶區(qū)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(jié)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(diào)查到婺源縣6組第1高峰日數(shù)據(jù)中，其中有5組為5月31日,1組為6月5日。袁興華等[7]調(diào)查到遂川縣2012年的第1小高峰日為5月23日,預(yù)測值基本與實際發(fā)生相吻合。

表2 2019年江西代表性茶區(qū)第1高峰日預(yù)測結(jié)果

2.3 小貫小綠葉蟬第1高峰日發(fā)生量規(guī)律與預(yù)測

2.3.1 小貫小綠葉蟬第1高峰日發(fā)生量規(guī)律 將實際調(diào)查中2011～2018年全區(qū)域內(nèi)第1高峰期發(fā)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(qū)域內(nèi)相關(guān)氣象數(shù)據(jù)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(shù)顯著水平P=0.029。

2.3.2 小貫小綠葉蟬第1高峰日發(fā)生量回歸模型驗證與應(yīng)用 將2019年4月最高溫度(34 ℃)代入公式中，得到第1高峰日發(fā)生量為1，輕度發(fā)生，實際調(diào)查中，百葉蟲口數(shù)為5.5，預(yù)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(jié)果顯示，該公式的準確率為75%,可以較好地預(yù)測當?shù)氐?高峰日的蟲口量(表3)。

表3 南昌地區(qū)第1高峰日發(fā)生量預(yù)測式回檢結(jié)果

3 小結(jié)與討論

3.1 小貫小綠葉蟬動態(tài)規(guī)律

小貫小綠葉蟬發(fā)生因地理、氣候、環(huán)境而異，絕大部分地區(qū)每年有2個為害高峰[5-11]，主要為害夏、秋茶，世代重疊，蟲態(tài)混雜。由于跟蹤調(diào)查的年份不同，同一地區(qū)報道的小貫小綠葉蟬發(fā)生規(guī)律不一[12-14]。楊普香等[15]報道了江西南昌田間葉蟬動態(tài)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(xù)跟蹤小貫小綠葉蟬田間種群動態(tài)發(fā)現(xiàn)，南昌地區(qū)有明顯的雙峰型和單峰型之分，大多數(shù)為雙峰型，第1高峰日集聚在5月下旬。根據(jù)年度種群動態(tài)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(tài)幅度隨年限浮動最大，第1個高峰期均在此時期發(fā)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(tài)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(fā)生在此期間。結(jié)合2011～ 2015年歷史氣象數(shù)據(jù)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(fā)育和繁育。這與喬利等[16]的室內(nèi)研究結(jié)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(tài)，這與朱俊慶[17]研究結(jié)果一致。

3.2 小貫小綠葉蟬第1高峰日預(yù)測與防治

小貫小綠葉蟬的區(qū)域性發(fā)生可追溯一定短期內(nèi)的規(guī)律[18]，同時，我國茶樹植保工作者對葉蟬蟲情的中期預(yù)報進行了卓有成效的研究[19-24]。使用了線性回歸模型、列聯(lián)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(yù)測江西省三大產(chǎn)茶區(qū)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(guān)，且通過與江西主產(chǎn)茶區(qū)實際調(diào)查驗證，贛北茶區(qū)、贛中茶區(qū)、贛南茶區(qū)從北至南第1高峰日依次推后3～7 d，這與預(yù)測結(jié)果一致，在江西茶區(qū)內(nèi)具有一定的參考價值。

通過黃板示范推廣發(fā)現(xiàn)，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(chǎn)區(qū)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(yù)測第1高峰日后安排黃板防治。其他茶區(qū)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(tài)為單峰型，還未建立起第2高峰日的預(yù)測模型。通過將第1高峰日進行換算高峰始期發(fā)現(xiàn)，與三四月份月平均氣溫之和無顯著性相關(guān)，這與朱俊慶[25]研究結(jié)果不一致，可能有2個原因：其一本研究的氣象數(shù)據(jù)的來源于中央氣象網(wǎng)，并非田間監(jiān)測實際數(shù)據(jù)，可能與實際數(shù)據(jù)有所差異；其二，不同模型只能適應(yīng)于特定區(qū)域內(nèi)，不同區(qū)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(fā)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(chǎn)茶區(qū)的實際調(diào)查發(fā)現(xiàn)，該預(yù)測公式適用于贛北茶區(qū)和贛中茶區(qū)一些丘陵、平地茶區(qū)，對多為山區(qū)的贛南茶區(qū)不適用。

本研究圍繞江西地區(qū)小貫小綠葉蟬的發(fā)生規(guī)律開展,以8年大田數(shù)據(jù)為基礎(chǔ),建立了適用于當?shù)匦∝炐【G葉蟬第1高峰日有關(guān)預(yù)測公式。由于調(diào)查中主要以葉檢法為監(jiān)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(qū)域、不同茶園管理水平下小貫小綠葉蟬的中、長期精準預(yù)測方法，需要建立起更為穩(wěn)定、客觀和多元的監(jiān)測手段進行不斷地跟蹤調(diào)查，全面深入收集和積累資料，逐步完善規(guī)律，得到更為精準、穩(wěn)健的預(yù)測模型。