《Scientifica》:Long-Term Population Dynamics of the Spotted Stem Borer (Chilo partellus) in Contrasting Maize Farming Systems Under Variable Climatic Conditions in East Africa
编辑推荐:
斑点茎螟(Chilo partellus)是撒哈拉以南非洲地区最具破坏性的玉米害虫之一,造成大量产量损失,并威胁小农户社区的粮食安全。本研究调查了在两个农业生态区内对比鲜明的有机与常规农业系统中,气候变率与C. partellus发病率之间的长期关系。研究人员
斑点茎螟(Chilo partellus)是撒哈拉以南非洲地区最具破坏性的玉米害虫之一,造成大量产量损失,并威胁小农户社区的粮食安全。本研究调查了在两个农业生态区内对比鲜明的有机与常规农业系统中,气候变率与C. partellus发病率之间的长期关系。研究人员对Chuka和Thika两地的四种长期农业系统(常规高投入、有机高投入、常规低投入和有机低投入)中的C. partellus发病率进行了双周监测,并按季度汇总进行时间分析。所得分析序列在Chuka和Thika分别代表32个和28个季度位置。气候变量(温度、降雨量和相对湿度)来自现场气象站。研究人员采用Spearman秩相关、互相关、带外生气候预测变量的ARIMA/SARIMA时间序列模型(ARIMAX/SARIMAX)以及贝叶斯广义线性混合模型来评估气候关联和农业系统效应。温度是与C. partellus发病率关联最一致的气候变量,在Chuka的所有农业系统以及Thika的有机农业系统中均表现出显著的负相关关系,而降雨量和相对湿度则表现出相对较弱的关联。互相关分析表明,气候变量与害虫发病率之间主要存在同期关联和短滞后关联(0–2个季度)。研究人员使用观测值与拟合值之间样本内一致性的描述性指标来评估时间序列模型。在各农业系统中,R2值介于0.039至0.650之间,表明拟合模型代表观测时间模式的程度存在显著差异。这些指标描述的是样本内模型拟合情况,不应被解释为样本外预测或预报性能的证据。贝叶斯分析进一步表明,在考虑气候变率后,有机高投入系统中的C. partellus发病率高于常规高投入系统,而低投入系统中农业系统效应的95%可信区间包含零。总体而言,这些发现表明气候变率和农业系统管理与C. partellus发病率的长期变化相关。这些发现可为气候信息驱动的害虫监测和综合害虫管理策略的制定提供参考,但在将其应用于东非可持续玉米生产下的害虫预报之前,需要经过独立验证的模型。
论文解读:气候变率与农业管理制度对东非玉米斑点茎螟长期种群动态的交互影响
一、研究背景与科学问题
玉米是肯尼亚乃至整个撒哈拉以南非洲地区最重要的粮食和经济作物之一,但其生产长期受到多种害虫的制约,其中茎螟类害虫危害尤为严重。斑点茎螟(Chilo partellus)是一种原产于亚洲的入侵性鳞翅目害虫,与非洲本土的非洲大螟(Busseola fusca)共同构成该地区最具经济重要性的玉米害虫类群。在东非地区,C. partellus往往占据优势地位,其幼虫取食玉米叶片和茎秆,造成枯心、茎秆蛀食和籽粒产量下降。在肯尼亚,茎螟危害估计每年造成约13.5%的玉米产量损失,价值约8000万美元,其中C. partellus造成的损失接近2300万美元。
害虫发生和危害程度受多种因素影响,包括气候条件、农艺措施、作物品种和土壤肥力等。已有研究表明,温度、降雨和湿度会影响C. partellus的分布、丰度和季节动态。然而,气候因素与害虫暴发之间的关联强度和方向在不同地点和生产系统之间存在差异,这凸显了在制定气候信息驱动的害虫管理和预报策略时,理解特定地点的气候-害虫关系的重要性。长期农业系统试验为研究对比管理措施如何改变害虫对气候变率的响应提供了独特平台。有机和常规系统在养分管理、作物保护措施和土壤肥力管理等方面存在差异,这些差异可能直接或间接影响害虫动态。理解气候效应在不同农业系统之间是否存在差异,对于在气候变化背景下制定具有韧性的害虫管理策略至关重要。
二、研究内容与主要技术方法
研究人员在肯尼亚Chuka和Thika两个农业生态区开展了长期农业系统比较试验,系统分析了气候变率与C. partellus发病率之间的长期关系。研究覆盖四种农业系统:常规高投入、有机高投入、常规低投入和有机低投入。主要关键技术方法包括:Spearman秩相关分析用于初步检验气候变量与害虫发病率之间的关联;互相关分析(CCF)用于考察气候变量与害虫发病率之间的延迟关系;ARIMA/SARIMA时间序列模型及其带外生气候预测变量的扩展形式(ARIMAX/SARIMAX)用于描述害虫发病率的时间模式并评估气候变量的贡献;贝叶斯广义线性混合模型用于在控制气候和季节变异后评估农业系统效应。气候数据来自试验点现场气象站,害虫发病率数据来自双周田间监测并按季度汇总。Chuka和Thika分别提供32个和28个季度位置的分析序列。
三、主要研究结果
3.1 C. partellus发病率和气候变量的时间趋势
C. partellus发病率在四个农业系统中的时间模式总体相似。在两个地点,害虫发病率在长期试验建立初期最高,此后显著下降并长期维持在较低水平。Chuka的首次主要暴发高峰出现在第一年的第三和第四季度,而Thika的最高发病率记录在第二年的第一季度。降雨量、相对湿度和温度在两个地点均表现出明显的季节和年际变化,但害虫发病率在初始暴发后始终保持低位。
3.2 C. partellus发病率与气候变量在各农业系统中的关系
Spearman相关分析表明,温度是与C. partellus发病率关联最一致的气候变量。在Chuka,最低、平均和最高温度与所有农业系统中的害虫发病率均呈负相关,低投入系统尤其是有机低投入系统的相关性最强(相关系数范围?0.68至?0.78,p < 0.001)。在Thika,温度与害虫发病率的负相关关系相对较弱且一致性较低,显著关联主要出现在有机系统中。相对湿度和降雨量与害虫发病率的关联普遍较弱且不显著。
3.3 互相关分析
互相关分析揭示了地点和农业系统特异性的气候-害虫关联。在Chuka,高投入系统中C. partellus发病率与最低和平均温度在同期和滞后0至+2个季度内呈正相关。在Thika,常规高投入系统中害虫发病率与降雨量和相对湿度在多个正滞后处呈负相关,而最低温度在短滞后处呈正相关。有机系统中的气候-害虫关联总体较弱。
3.4 自相关和偏自相关分析
ACF和PACF分析显示,两个地点各农业系统中的C. partellus发病率时间依赖性总体较弱。大多数自相关系数随滞后增加而迅速衰减,且多数系数保持在95%置信限以内,表明害虫发病率的时间持续性有限。
3.5 ARIMA建模
在Chuka,三种农业系统(有机高投入、常规低投入和有机低投入)的最佳拟合模型为季节性模型,常规高投入系统由非季节性ARIMAX模型描述。在Thika,有机高投入和常规低投入系统采用季节性模型,而常规高投入和有机低投入系统采用非季节性模型。气候变量方面,Chuka有机高投入系统中相对湿度与害虫发病率呈正相关(p = 0.0008);Thika常规高投入(p = 0.0004)和有机高投入(p = 0.0002)系统中平均温度与害虫发病率呈负相关。降雨量在两个地点的任何农业系统中均未表现出显著关联。
3.6 模型诊断与拟合优度
所有拟合模型的Ljung-Box检验均不显著(p > 0.05),表明残差中不存在显著的自相关。样本内拟合优度在各农业系统间存在差异:Chuka有机高投入系统的R2最高(0.650),Thika常规高投入系统最低(0.039)。这些指标仅描述样本内拟合情况,不应被解释为样本外预测性能的证据。
3.7 观测值与拟合值比较
目视比较显示,拟合的ARIMA模型能够代表C. partellus发病率的部分总体时间变异,包括初始暴发年份后的总体下降趋势。但模型低估了试验早期若干暴发峰的幅度,表明模型对突发性短期波动的代表性弱于对长期总体趋势的代表性。
3.8 农业系统和气候变量对C. partellus发病率的影响**
贝叶斯广义线性混合模型分析表明,在高投入系统中,控制气候变异后,有机系统中的C. partellus发病率显著高于常规系统,Chuka(β = 0.34;95% CrI: 0.15–0.52)和Thika(β = 1.02;95% CrI: 0.72–1.33)的可信区间均排除零。在低投入系统中,两个地点的农业系统效应95%可信区间均包含零,未检测到有机与常规系统之间的显著差异。
四、讨论与结论
讨论部分指出,温度是与C. partellus发病率关联最一致的气候变量,这与温度调控昆虫发育速率、繁殖和存活的生理机制一致。降雨和相对湿度的影响相对较弱且间接。气候-害虫关联在两个地点之间存在差异,Chuka的模型支持当期气候变量,而Thika的模型支持滞后气候变量,反映了当地环境条件对害虫响应的调节作用。ARIMA模型作为描述性工具能够代表总体时间模式,但不应视为经过验证的预报工具。农业系统效应在高投入条件下仍然显著,表明管理因素与气候因素共同影响长期害虫动态。
研究结论表明,气候变率和农业系统管理与C. partellus发病率的长期变化均存在关联。温度与多个农业系统中的害虫发病率表现出关联,而降雨和相对湿度关系较弱。农业系统差异在高投入条件下仍然明显,而低投入条件下未检测到显著差异。ARIMA模型框架描述了害虫发病率的总体时间模式,但应被视为描述性模型而非验证过的预报工具。这些发现可为未来气候信息驱动的害虫预报模型的开发和综合害虫管理策略的制定提供参考,但模型在应用于实际预报之前需要独立验证。