Effect of Meteorological Factors on Population Quantity of Macrosiphum Avenae

doi:10.11924/j.issn.1000-6850.casb2024-0198

Abstract

Abstract:

In order to clarify the relationship between the occurrence of macrosiphum avenae and meteorological factors, this study conducted a systematic survey of aphid populations in wheat fields in Jin'an District, Lu'an City from November 2020 to May 2023. Through correlation analysis, it is concluded that: the peak occurrence period of macrosiphum avenae in the field is during the wheat seedling stage, heading and flowering stage, and grain filling stage; the key factors affecting the occurrence of macrosiphum avenae are mainly positively correlated with daily average temperature X₁ (P<0.01), average maximum temperature X₂ (P<0.01), daily average minimum temperature X₃ (P<0.01), and daily average minimum soil temperature X₈ (P<0.01); the meteorological factors of daily average wind speed X₆and daily average rainfall X₇ have a negative correlation with the occurrence of wheat aphids, but the infulence of radiation and ralative humidity are not significant. The results provide scientific parameters and theoretical basis for the decision-making of Sitobion avenae control in this region.

Key words: macrosiphum avenae, meteorological factors, population, amount of occurrence, influence, prediction, prevention and control

HU Juan, GUO Tao, XU Hongbin, HAO Rui, WANG Bin. Effect of Meteorological Factors on Population Quantity of Macrosiphum Avenae[J]. Chinese Agricultural Science Bulletin, 2025, 41(33): 88-95.

Figures/Tables 10

References 43

[1]	肖志强, 陈俊, 樊明, 等. 陇南山区小麦蚜虫发生气象条件及程度预测模型[J]. 安徽农业科学, 2009, 379(33):16419-16422.
[2]	王超, 李新安, 刘恩良, 等. 我国麦蚜抗药性及研究现状[J]. 环境昆虫学报, 2022, 44(3):626-635.
[3]	董文阳, 张慧慧, 陈安琪, 等. 我国甘肃和青海地区麦蚜田间种群对5种杀虫剂的抗性监测[J]. 农药, 2020, 59(7):532-536.
[4]	李辉利, 于广军, 朱伟旗, 等. 不同防治方法对麦蚜主要天敌种群动态和小麦生长的影响[J]. 河北农业科学, 2018, 22(3):28-31.
[5]	胡想顺, 李靖文, 彭静凤, 等. 麦长管蚜对小麦产量成分的影响与生态防控[J]. 中国农学通报, 2022, 38(12):110-118. doi: 10.11924/j.issn.1000-6850.casb2021-0537
[6]	李秋荣. 青海东部地区燕麦蚜虫种类及种群消长动态研究[J]. 青海农林科技, 2022(3):32-37,41.
[7]	韩冰, 武明飞, 裴艳婷, 等. 鲁西北麦区麦长管蚜和禾谷缢管蚜对6种杀虫剂的抗药性监测及11种杀虫剂对麦蚜的田间药效评价[J/OL]. 昆虫学报,1-14[2025-10-31].https://link.cnki.net/urlid/11.1832.Q.20250624.0928.002.
[8]	韦永贵, 孙跃先, 李克斌, 等. 麦长管蚜自然种群结构动态的初步研究[J]. 中国植保导刊, 2008, 28(6):5-8.
[9]	程娇. 鲁东冬小麦麦长管蚜发生程度关联因子分析[D]. 泰安: 山东农业大学, 2020.
[10]	程雄彬, 张博, 马春森. 我国冬小麦产区麦长管蚜种群多点时空动态及广域因子分析[J]. 环境昆虫学报, 2018, 40(2):374-379.
[11]	李克斌, 杜光青, 尹姣, 等. 利用吸虫塔对麦长管蚜迁飞活动的监测[J]. 应用昆虫学报, 2014, 51(6):1504-1515.
[12]	王冰, 李克斌, 尹姣, 等. 风雨对麦长管蚜自然种群发展的干扰作用[J]. 生态学报, 2009, 29(8):4317-4324.
[13]	姜春艳, 罗兰, 刘兆良, 等. 温度对麦长管蚜实验种群生命表的影响[J]. 中国植保导刊, 2018, 38(8):13-18.
[14]	陈敏, 崔传梅. 回归分析在小麦蚜虫预测中的应用——以豫南正阳县为例[J]. 农业技术与装备, 2020(2):50-51,53.
[15]	杜家菊, 陈志伟. 使用SPSS线性回归实现通径分析的方法[J]. 生物学通报, 2010, 45(2):4-6.
[16]	丁锦华, 苏建亚. 农业昆虫学[M]. 北京: 中国农业出版社,2003:182-183.
[17]	刘生祥, 任月萍, 李学军, 等. 春小麦蚜虫消长规律及与气象因素关系的初步研究[J]. 宁夏农学院学报, 2002(2):22-23,65.
[18]	刘新华, 陈广锋, 杨甲海, 等. 田间模拟加温对麦蚜、天敌种群数量及小麦产量的影响[J]. 中国植保导刊, 2019, 39(3):41-44,47.
[19]	孙小诺, 韩晓清, 王蓉蓉, 等. 气象因素对河北省小麦麦长管蚜种群动态的影响[J]. 江苏农业科学, 2022, 50(14):103-107.
[20]	韩宗礼, 谭晓玲, 范佳, 等. 模拟气候变暖对不同纬度带麦长管蚜和禾谷缢管蚜种群动态的影响[J]. 植物保护, 2018, 45(3):592-598.
[21]	侯志文, 赵立纯, 刘敬娜, 等. 考虑气候因子的麦蚜种群结构方程模型的建立与分析[J]. 鞍山师范学院学报, 2021, 23(6):1-5.
[22]	王纯枝, 霍治国, 张蕾, 等. 北方地区小麦蚜虫气象适宜度预报模型构建[J]. 应用气象学报, 2020, 31(3):280-289.
[23]	刘明春, 蒋菊芳, 史志娟, 等. 小麦蚜虫种群消长气象影响成因及预测[J]. 中国农业气象, 2009, 30(3):440-444.
[24]	马传春. 凤阳县小麦主要病虫害的发生特点及防治措施[J]. 农业技术与装备, 2024, 414(6):155-159.
[25]	张勇梅. 六安市金安区小麦高产栽培技术[J]. 现代农业科技, 2017, 10(23):23-34.
[26]	徐清. 六安市裕安区小麦主要病虫草害综合防治技术[J]. 现代农业科技, 2019(14):115,119.
[27]	唐士勇, 刘礼明. 六安市裕安区小麦生产调查及高产栽培途径探讨[J]. 园艺与种苗, 2024, 44(4):98-99.
[28]	熊华丽. 小麦主要病虫害的发生特点及防治措施[J]. 河南农业, 2023(7):44.
[29]	张文斌, 安德荣, 任向辉. 中国小麦黄矮病的发生及综合防控研究进展[J]. 麦类作物学报, 2009, 29(2):361-364.
[30]	李鸿怡, 李楠, 薛晓萍, 等. 气象条件对山东省小麦蚜虫发生发展的影响分析[J]. 中国农学通报, 2010, 26(2):221-225.
[31]	马春森, 马罡, 赵飞. 气候变暖对麦蚜的影响[J]. 应用昆虫学报, 2014, 51(6):1435-1443.
[32]	陆云, 尹姣, 李克斌, 等. 我国麦蚜飞翔及迁飞研究进展[J]. 中国植保导刊, 2013, 33(12):21-24,32.
[33]	朱洁, 孙丹, 马家艳. 小麦田麦蚜种群数量变动机制[J]. 安徽农业科学, 2016, 44(25):139-140,155.
[34]	白莉, 尹青云, 李锐, 等. 麦长管蚜种群时空动态的初步研究[J]. 麦类作物学报, 2005, 25(1):90-93.
[35]	霍治国, 李茂松, 王丽, 等. 气候变暖对中国农作物病虫害的影响[J]. 中国农业科学, 2012, 45(10):1926-1934. doi: 10.3864/j.issn.0578-1752.2012.10.005
[36]	戴鹏. 不同干旱地区麦长管蚜对缺水胁迫的响应及其遗传基础[J]. 西北农林科技大学, 2016, 23(7):212-219.
[37]	曹雅忠, 郭予元, 胡毅, 等. 麦长管蚜自然种群生命表研究初报[J]. 植物保护学报, 1989(4):239-243.
[38]	梁宏斌, 张润志, 张广学, 等. 降水和灌溉对麦双尾蚜种群数量的影响[J]. 昆虫学报, 1998, 41(4):382-388.
[39]	李楠, 杨丽萍, 朱晋云. 气候变暖对麦蚜危害研究进展[J]. 陕西农业科学, 2018, 64(4):74-76.
[40]	陈万权, 刘太国, 张云慧. 小麦主要病虫害综合防治理论与技术研究进展[J]. 植物保护, 2025, 51(5):304-318,343.
[41]	邢亚楠, 郭莉, 马晓慧, 等. 两种耕作方式下不同施肥处理对水稻麦长管蚜发生及产量的影响[J]. 东北农业科学, 2024, 49(2):36-40.
[42]	宋荣彬, 王麦芳. 山东滨州市小麦麦蚜多发原因与防治措施[J]. 农业工程技术·综合版, 2024, 26(8):40-41.
[43]	张永生, 欧阳芳, 门兴元, 等. 区域农田景观格局对麦蚜种群数量的影响[J]. 生态学报, 2018, 38(23):8652-8659.

日期	百株蚜虫
日期	2020年11月—2021年5月	2021年11月—2022年5月	2022年11月—2023年5月
11月1日—10日	230	20	16
11月11日—20日	210	60	17
11月21日—30日	100	30	26
12月1日—10日	90	120	56
12月11日—20日	60	90	67
12月21日—30日	120	160	61
1月1日—10日	3	0	27
1月11日—20日	0	10	24
1月21日—30日	2	60	51
2月1日—10日	0	0	7
2月11日—20日	0	0	2
2月21日—28日	22	10	8
3月1日—10日	30	30	7
3月11日—20日	50	10	6
3月21日—30日	60	140	20
4月1日—10日	10	190	39
4月11日—20日	60	150	9
4月21日—30日	136	530	214
5月1日—10日	137	270	586
5月11日—20日	150	320	810
5月21日—30日	160	240	102

日期	百株蚜虫
日期	2020年11月—2021年5月	2021年11月—2022年5月	2022年11月—2023年5月
11月1日—10日	230	20	16
11月11日—20日	210	60	17
11月21日—30日	100	30	26
12月1日—10日	90	120	56
12月11日—20日	60	90	67
12月21日—30日	120	160	61
1月1日—10日	3	0	27
1月11日—20日	0	10	24
1月21日—30日	2	60	51
2月1日—10日	0	0	7
2月11日—20日	0	0	2
2月21日—28日	22	10	8
3月1日—10日	30	30	7
3月11日—20日	50	10	6
3月21日—30日	60	140	20
4月1日—10日	10	190	39
4月11日—20日	60	150	9
4月21日—30日	136	530	214
5月1日—10日	137	270	586
5月11日—20日	150	320	810
5月21日—30日	160	240	102

年份	气象因子	X₁	X₂	X₃	X₄	X₅	X₆	X₇	X₈	X₉	X₁₀
2020	X₁	1
	X₂	0.933^**
	X₃	0.777^**	0.687^**
	X₄	0.088	0.129	0.146
	X₅	0.817^**	0.747^**	0.616^**	0.066
	X₆	0.164	0.09	-0.016	0.440^*	0.223
	X₇	-0.38	-0.472^*	-0.126	-0.051	-0.462^*	0.142
	X₈	0.961^**	0.909^**	0.815^**	0.203	0.814^**	0.153	-0.366
	X₉	0.08	0.034	-0.031	0.428	0.194	0.249	0.068	0.029
	X₁₀	0.871^**	0.879^**	0.863^**	-0.4	0.781^**	0.106	-0.388	0.837^**	-0.610^**
	Y	0.442^*	0.314	0.565^**	0.049	0.158	-0.489^*	0.348	0.631^**	0.547^*	0.214
2021	X₁	1
	X₂	0.933^**
	X₃	0.777^**	0.687^**
	X₄	0.088	0.129	0.146
	X₅	0.817^**	0.747^**	0.616^**	0.066
	X₆	0.164	0.09	-0.016	0.440^*	0.223
	X₇	-0.38	-0.472^*	-0.126	-0.051	-0.462^*	0.142
	X₈	0.961^**	0.909^**	0.815^**	0.203	0.814^**	0.153	-0.366
	X₉	0.08	0.034	-0.031	0.428	0.194	0.249	0.068	0.029
	X₁₀	0.920^**	0.885^**	0.750^**	0.046	0.905^**	0.072	-0.511^*	0.935^**	0.054
	Y	0.687^**	0.560^**	0.463^*	0.336	0.604^**	0.261	-0.276	0.720^**	0.26	0.606^**
2022	X₁	1
	X₂	0.904^**
	X₃	0.943^**	0.910^**
	X₄	0.295	0.454^*	0.226
	X₅	-0.237	-0.397	-0.166	-0.858^**
	X₆	0.011	0.211	-0.058	0.648^**	-0.721^**
	X₇	-0.091	-0.11	-0.086	-0.252	-0.05	0.046
	X₈	0.938^**	0.899^**	0.947^**	0.269	-0.235	0.105	-0.177
	X₉	0.197	0.171	0.226	-0.203	0.12	-0.136	0.356	0.139
	X₁₀	0.920^**	0.885^**	0.750^**	0.046	0.905^**	0.072	-0.511^*	0.935^**	0.054
	Y	0.554^*	0.457^*	0.540^*	0.084	-0.115	-0.029	-0.042	0.612^**	0.083	0.540^*

年份	气象因子	X₁	X₂	X₃	X₄	X₅	X₆	X₇	X₈	X₉	X₁₀
2020	X₁	1
	X₂	0.933^**
	X₃	0.777^**	0.687^**
	X₄	0.088	0.129	0.146
	X₅	0.817^**	0.747^**	0.616^**	0.066
	X₆	0.164	0.09	-0.016	0.440^*	0.223
	X₇	-0.38	-0.472^*	-0.126	-0.051	-0.462^*	0.142
	X₈	0.961^**	0.909^**	0.815^**	0.203	0.814^**	0.153	-0.366
	X₉	0.08	0.034	-0.031	0.428	0.194	0.249	0.068	0.029
	X₁₀	0.871^**	0.879^**	0.863^**	-0.4	0.781^**	0.106	-0.388	0.837^**	-0.610^**
	Y	0.442^*	0.314	0.565^**	0.049	0.158	-0.489^*	0.348	0.631^**	0.547^*	0.214
2021	X₁	1
	X₂	0.933^**
	X₃	0.777^**	0.687^**
	X₄	0.088	0.129	0.146
	X₅	0.817^**	0.747^**	0.616^**	0.066
	X₆	0.164	0.09	-0.016	0.440^*	0.223
	X₇	-0.38	-0.472^*	-0.126	-0.051	-0.462^*	0.142
	X₈	0.961^**	0.909^**	0.815^**	0.203	0.814^**	0.153	-0.366
	X₉	0.08	0.034	-0.031	0.428	0.194	0.249	0.068	0.029
	X₁₀	0.920^**	0.885^**	0.750^**	0.046	0.905^**	0.072	-0.511^*	0.935^**	0.054
	Y	0.687^**	0.560^**	0.463^*	0.336	0.604^**	0.261	-0.276	0.720^**	0.26	0.606^**
2022	X₁	1
	X₂	0.904^**
	X₃	0.943^**	0.910^**
	X₄	0.295	0.454^*	0.226
	X₅	-0.237	-0.397	-0.166	-0.858^**
	X₆	0.011	0.211	-0.058	0.648^**	-0.721^**
	X₇	-0.091	-0.11	-0.086	-0.252	-0.05	0.046
	X₈	0.938^**	0.899^**	0.947^**	0.269	-0.235	0.105	-0.177
	X₉	0.197	0.171	0.226	-0.203	0.12	-0.136	0.356	0.139
	X₁₀	0.920^**	0.885^**	0.750^**	0.046	0.905^**	0.072	-0.511^*	0.935^**	0.054
	Y	0.554^*	0.457^*	0.540^*	0.084	-0.115	-0.029	-0.042	0.612^**	0.083	0.540^*