密級： 論文編號： 碩士學位論文 基于 麥長管蚜田間種群動態(tài) 模擬研究 of of 第 1 頁 第 I 頁 摘 要 麥長管蚜 我國大多數(shù)麥區(qū)的優(yōu)勢種 麥蚜 ，對小麥的危害嚴重。準確地預測麥蚜的發(fā)生量，是國內(nèi)外公認的進行正確防治決策，減少農(nóng)藥使用量的前提。目前麥長管蚜的預測多為發(fā)生級別而非發(fā)生量的預測，不能適應防治決策的要求。近 20 年來，由于 計算機的廣泛使用，昆蟲模擬模型成為研究麥蚜種群動態(tài)并進行準確模擬預測的有力工具。 本研究圍繞建立廣泛適應性和較高準確性的麥長管蚜種群系統(tǒng)模型，開展了如下工作： 1. 建立了有關(guān)麥長管蚜生物學過程較為完善的文獻數(shù)據(jù)庫和生態(tài)學數(shù)據(jù)庫。全面收集了國內(nèi)外從 1960 年以來有關(guān)麥長管蚜的文獻 200 余篇，建立了較為全面的麥長管蚜文獻數(shù)據(jù)庫和生長發(fā)育、生殖、存活及其影響因子數(shù)據(jù)庫，共整理了 3000 余條數(shù)據(jù)。 2. 形成了一套構(gòu)建昆蟲生物學過程模型的方法。在建模過程中，總結(jié)形成了一套數(shù)據(jù)整理、分類、排序、轉(zhuǎn)化、關(guān)鍵因子篩選、 模型結(jié)構(gòu)確定、參數(shù)估計及統(tǒng)計學檢驗，最終建立麥長管蚜生物學過程模型并作圖 的方法 。 3. 確定了影響麥長管蚜生長發(fā)育、成蟲衰老、生殖及存活等生物學過程的關(guān)鍵共性因子為溫度 和 小麥生育階段；篩選出影響各生物學過程的個性因子為蚜蟲年齡、極端高溫 和 天敵；區(qū)分了穗部和葉部取食的蚜蟲，有翅與無翅型蚜蟲在生物學指標上的數(shù)量差異。 4. 建立了有廣泛適應性和較高準確性的麥長管蚜發(fā)育歷期、壽命、存活、生殖模型。齡幼蟲發(fā)育歷期及其標準差模型準確描述了麥蚜在適溫及高溫區(qū)的發(fā)育歷期及個體之間發(fā)育不整齊導致的歷期變化。成蟲壽命模 型和終生生殖量模型綜合考慮了田間變溫、極端高溫、小麥生育階段、蚜蟲自身翅型等關(guān)鍵因子的作用?；诖罅繑?shù)據(jù)構(gòu)建了正態(tài)化的生理年齡 ，用 活模型區(qū)分了在正常和突發(fā)兩種條件下蚜蟲的死亡率，將極端高溫和天敵捕食作為突發(fā)死亡率考慮的重點。 5. 在 基礎上，建立了適合于麥長管蚜種群動態(tài)預測的模擬系統(tǒng)。 6. 系統(tǒng)調(diào)查了麥蚜田間種群動態(tài)：于 2003、 2004 年在山東省惠民縣、 2005 年在北京市昌平區(qū)對麥長管蚜的田間種群動態(tài)進行了調(diào)查，獲取了用于麥 長管蚜模擬模型的有效性檢驗的獨立田間調(diào)查數(shù)據(jù)。 7. 檢驗了麥長管蚜種群動態(tài)模擬模型的有效性。系統(tǒng)計算的模擬值與田間調(diào)查數(shù)據(jù)比較，預測準確度達 系統(tǒng)較準確地預測了每日蚜蟲種群密度，改進了目前國內(nèi)統(tǒng)計預測法只能輸出分級結(jié)果的不足；與英國、荷蘭、德國等麥長管蚜的模擬系統(tǒng)相比，模型運行所需要的輸入變量由 10 余個減至日均溫度、日最高溫度、小麥生育階段、天敵單位、初始密度 5 個。靈敏度分析表明日最高溫度及小麥生育階段是影響田間麥長管蚜種群動態(tài)變化的敏感因子。 本研究建立的麥長管蚜種群動態(tài)模擬模型為麥長管蚜田 間發(fā)生量預測、進行防治決策及分析麥長管蚜種群動態(tài)變化提供了有用工具。降雨、其它麥蚜的競爭效應等因子對麥長管蚜的影響尚需進一步研究，以整合入模擬模型中，進一步提高模擬系統(tǒng)的精確度與準確度。 關(guān)鍵詞：麥長管蚜 模型 模擬 群動態(tài) 第 is of of A of of is a of to be PM of of to in to of In to a be in I a at 1. 960 A in in in of 2. on of of or of by 3. as as of an in as a on 4. of in of at of in on to of I to of 5. a of I a to of 6. 003, 2004, 第 005. to 7. by of as be in It of of of 0 my , in of at a of be as a to of in To of of to be be in 第 目 錄 第一章 麥蚜及麥蚜種群動態(tài)預測預報 .蚜的發(fā)生與為害 . 1 蚜種群動態(tài)預測預報的研究現(xiàn)狀 . 2 研究的目標 . 5 第二章 基于 麥長管蚜種群動態(tài)模擬系統(tǒng) .擬模型的總體結(jié)構(gòu) . 6 長管蚜種群動態(tài)模擬系統(tǒng)的一般結(jié)構(gòu) . 9 入部分 . 9 出部分 . 10 擬模塊 . 10 室模型的實現(xiàn)和算法 . 10 長管蚜種群動態(tài)模擬系統(tǒng)的運行 . 12 論 . 12 第三章 麥長管蚜的生長發(fā)育和壽命模型 13 長管蚜的生長發(fā)育模型 . 13 同溫度下幼蟲發(fā)育歷期模型 . 14 同溫度下幼蟲發(fā)育歷期的標準差 . 17 食部位及 植物生育階段 對發(fā)育歷期的影響 . 18 同翅型 幼蟲的 發(fā)育歷期 . 19 長管蚜成蟲的壽命模型 . 19 溫對成蟲壽命的影響 . 20 溫對成蟲壽命的影響 . 22 物生育階段對成蟲壽命的影響 . 22 同 翅型成蟲 的 壽命 . 22 論 . 23 第四章 麥長管蚜的生殖模型 .長管蚜的終生生殖量模型 . 24 同溫度下成蟲的生殖量模型 . 25 溫對成蟲終生生殖量的影響 . 27 食部位對終生生殖量的影響 . 28 物生育階段對終生生殖量的影響 . 28 第 V 頁 同翅型成蟲終生生殖量 . 28 長管蚜終生生殖量隨年齡的分布 . 29 論 . 31 第五章 麥長管蚜的存活模型 .長管蚜的存活模型 . 32 長管蚜幼蟲的存活率 . 32 度對麥長管蚜幼蟲存活的影響 . 32 物 生育 階段 對幼蟲死亡率的影響 . 33 蟲的衰老死亡率模型 . 34 溫對存活率的影響 . 36 敵對麥長管蚜的捕食作用 . 36 論 . 38 第六章 麥長管蚜種群動態(tài)模擬模型的有效性檢驗 .擬田間種群動態(tài)所需數(shù)據(jù)的準備田間麥長管蚜種群動態(tài)調(diào)查 . 39 料與方法 . 39 間麥長管蚜種群動態(tài)數(shù)據(jù)田間調(diào)查結(jié)果 . 39 入數(shù)據(jù)庫的準備 . 44 長管蚜種群動態(tài)的模擬 . 44 擬結(jié)果與田間調(diào)查結(jié)果比較 . 44 003 年山東惠民的田間調(diào)查值與模擬值比較 . 45 004 年山東惠民的田間調(diào)查值與模擬值比較 . 46 005 年北京昌平的田間調(diào)查值與模擬值比較 . 47 敏度分析 . 48 論 . 49 第七章 全文結(jié)論 考文獻 . 謝 者 簡 歷 . 59 中國農(nóng)業(yè)科學院碩士學位論文 第一章 麥蚜及麥蚜種群動態(tài)預測預報 第 1 頁 第一章 麥蚜及麥蚜種群動態(tài)預測預報 蚜的發(fā)生與為害 麥蚜屬于同翅目（ 蚜科（ 一類世界性的農(nóng)業(yè)害蟲，主要包括：麥長管蚜 禾縊管蚜 無網(wǎng)長管蚜 麥二叉蚜 早在 18 世紀歐洲就有關(guān)于麥蚜為害小麥的記錄，美國和新西蘭在二十世紀 50 年代末至 60 年代初就對麥蚜減產(chǎn)效應做了調(diào)查。 1968 年麥長管蚜 S. 許多歐洲國家特 別是在英國、法國和德國 爆 發(fā)（ 1979），使人們開始認識到麥蚜的重要性。 近年來，麥蚜成為我國麥類作物上的頭號害蟲，在中國幾乎所有的麥田都有不同程度的發(fā)生。全國農(nóng)業(yè)技術(shù)推廣服務中心病蟲測報處統(tǒng)計報道，近 10 余年來，麥蚜一直在我國的小麥主產(chǎn)區(qū)如：山東、河北、陜西、山西、河南、北京、天津、遼寧等省市呈中等偏重至大發(fā)生。據(jù)農(nóng)業(yè)部發(fā)布的資料 2002 年、 2003 年小麥穗期蚜蟲發(fā)生面積約 2 億畝次，黃淮海及北方大部麥區(qū)為 4 級，其中西北大部麥區(qū)為 5 級。麥蚜通過直接取食植物同化物質(zhì)，分泌 蜜露阻礙 植物 氣體交換，加速葉片老化以及傳播病毒等方式對作物造成危害。產(chǎn)量損失因蚜蟲密度、作物生育階段和為害部位而異，產(chǎn)量損失變化在 5 30%之間。 在中國為害小麥的主要蚜蟲種類有麥長管蚜 （ 、禾谷縊管蚜 （ 、麥無網(wǎng)長管蚜 （ 和麥二叉蚜 （ 。麥長管蚜在全國麥區(qū)均有發(fā)生，是山東（羅瑞梧等， 1990； 劉慶斌， 1991；王洪譽 1998）、河南（李定旭，1990）、山西（ 張汝霖等， 2001；白莉等， 2006）、甘肅（張春梅等， 1998；錢秀娟， 2004）、北京（楊建國等， 1999）等大多數(shù)麥區(qū)的優(yōu)勢種之一。張廣學（ 1999）認為在中國廣泛分布的麥長管蚜命名應為 1999 年以來大多數(shù)研究者仍采用 此在本研究論文中并未采用新的命名。麥長管蚜嗜食上部葉片，抽穗后則轉(zhuǎn)移為害穗部（ 1979； 1979；王憲聚， 1986； 1991；何連生等； 1992；高有才等； 1996； 李代玲等， 2004） 。 由于麥長管蚜直接吸食麥穗汁液，且其繁殖危害的關(guān)鍵時期為揚花期至灌漿期，小麥在這一時期受害后麥穗會損失大量養(yǎng)分和水分 ， 使籽粒灌漿不足，千粒重下降，導致小麥嚴重減產(chǎn)（翟永鍵， 1965；徐利敏等， 1998；白莉等， 2006）。受麥長管蚜危害的小麥千粒重下降 ，一般損失產(chǎn)量 10 20，嚴重時損失 40 50，且面粉含糖量也明顯下降（李 永 平， 1991）。同時麥長管蚜還傳播大麥黃矮病毒（ 引起小麥黃矮病的流行，其損失更 大。因此對麥蚜特別是麥長管蚜的有效防治是提高小麥產(chǎn)量亟待解決的問題。 做好麥蚜的預測預報，是國內(nèi)外公認的正確進行防治決策 、 減少農(nóng)藥使用量的最重要的措施。仍普遍使用的麥蚜防治決策過程（如在山東 省濱 州 市 ）是示范性農(nóng)戶按日歷噴藥，同村農(nóng)民效仿。在北方麥區(qū) ， 官方推廣的決策過程是 自 5 月初開始，測報員每 3 天到麥田調(diào)查蚜量一次，當百株中國農(nóng)業(yè)科學院碩士學位論文 第一章 麥蚜及麥蚜種群動態(tài)預測預報 第 2 頁 蚜 量 超過 500 頭時，發(fā)出防治警報。 但在 大約 30%的情況下， 即使達到 百株 500 頭蚜 量也 不 會 造成顯著減產(chǎn)（ 1998）， 這是由于揚 花期蚜量雖然達標，但 環(huán)境 因子（高溫、降水和天敵）阻 止了穗期蚜量的進一步發(fā)展， 因此如 按上述決策方法 進行防治 就造成 了 不必要的 經(jīng)濟花費和環(huán)境污染威脅 。這些巨毒農(nóng)藥的 80%落在土壤以及麥田周圍的灌渠中造成嚴重的面源污染，殺傷地面和植株上的天敵（蜘蛛、瓢蟲等）。準確預測 麥 蚜種群動態(tài)成為減少用藥量的關(guān)鍵前提。但由于對麥蚜種群變化長期欠缺深入的基礎研究，加上缺乏將各 環(huán)境因子對 麥蚜種群變化 影響 的貢獻綜合起來的手段，難以確定影響麥蚜種群動態(tài)的關(guān)鍵因子，使麥蚜預測缺乏科學基礎。 由于上述原因使麥蚜的預測預報 準確率低的 問題更加突出，因此需要在深入研究 環(huán)境因子對麥蚜種群動態(tài) 作用 的 基礎上，研究麥長管蚜 種群 動態(tài)準確預測預報的方法。 蚜種群動態(tài)預測預報的研究現(xiàn)狀 麥蚜在生態(tài)上屬于 r 對策型昆蟲， 種群 發(fā)生過程可看作一個動態(tài)的隨機性系統(tǒng)。 上世紀 80年代以來出現(xiàn)的麥蚜種群的預測預報模型主要屬于統(tǒng)計預測。統(tǒng)計預測法 在本質(zhì)上 比較 相近， 即從眾多的相關(guān)因子 中 篩選因子， 采用 各種 回歸分析法 建立統(tǒng)計模型進行預測 。 如 羅瑞梧等（ 1985）從影響穗期蚜量的眾多相關(guān)因子中篩選出 秋苗期蚜量基數(shù) 、 1 月份溫度、 3 月份溫度和 4 月份降水量 ，定為 小麥抽穗期蚜量預測因子 ， 將預報量和預報因子分級代換，直接用級數(shù)作回歸分 析，建立四元回歸預測方程，作出量級預報。 錢秀娟等（ 2004） 篩選 出平均溫度、相對溫濕系數(shù)建立了麥長管蚜發(fā)生期的回歸預測模型，對甘肅省皋蘭縣 1981 2000 年 20 年的歷史資料進行模擬，符合率達 95 % 以上。劉江山（ 2000）采用類似方法預測寧夏地區(qū)麥蚜高峰期蚜量， 1 年預報準確率達 有人通過嘗試其它類型的統(tǒng)計方法建立麥蚜的預測模型，以提高模型的準確性，如： 劉慶斌（ 1991）以多因子簡化綜合相關(guān)法及模糊列聯(lián)表法對麥長管蚜的發(fā)生量進行預報， 1 年預報準確率為 100。王洪譽（ 1998）應用模糊因 素加權(quán)綜合評判法建立麥長管蚜發(fā)生期模型，歷史擬合率達 100；丁世飛（ 2000）用多元模糊回歸法建立的麥長管蚜發(fā)生程度模型，歷史擬合率達 100。 對不同時期的蚜量采用不同的預測因子也能提高準確性。 張會孔等（ 1995）預報不同時期的蚜量采用不同的相關(guān)因子，預報抽穗期麥蚜的發(fā)生量 采用的相關(guān)因子是 1 月份平均氣溫和 3 月份溫雨系數(shù) ， 而小麥灌漿期（ 5 月中下旬）采用 4 月下旬的溫雨系數(shù)和 5 月 初 百株蚜量為相關(guān)因子 ，11 年回測的準確率分別為 100 。 董照鋒（ 2002）對陜西省商洛市五月上旬麥長管蚜發(fā)生程度的預測采 用 4 月中旬百株蚜量與 3 月下旬至 4 月上旬平均相對濕度 2 因子建立回歸模型，對五月中旬發(fā)生程度預測采用 2 月下旬平均氣溫和 3 月下旬至 4 月上旬平均相對濕度 2 因子建立回歸模型，回檢結(jié)果較好。 表 1中國已開發(fā)的麥蚜種群動態(tài)統(tǒng)計預測方法 中國農(nóng)業(yè)科學院碩士學位論文 第一章 麥蚜及麥蚜種群動態(tài)預測預報 第 3 頁 of 者 測麥區(qū) 子的篩選法及所選因子 測指標 模方法 出指標 報預測準確率 源 洪譽 山東曲阜 3月下 4月上旬均溫， 4月上溫濕系數(shù) 穗期麥長管蚜蚜量達500頭 /百株的發(fā)生期 采用 發(fā)生期級別 13歷史擬合率 100 昆蟲知識， 1998 丁世飛 山東金鄉(xiāng) 5月 1 3日蚜量變動系數(shù)， 5月 1 5日畝七星瓢蟲數(shù)量， 4月平均氣溫， 3月平均氣溫， 3月中旬平均氣溫， 4月上旬平均氣溫 穗期麥長管蚜發(fā)生程度 逐步判別分析 發(fā)生程度 8年歷史擬合率 100 昆蟲知識，1998 劉永存 山東金鄉(xiāng) 同上 穗期麥長管蚜發(fā)生程度 模糊綜合評 判法 發(fā)生級別 100 昆蟲知識， 1993 劉慶斌 山東青州 蟲源基數(shù)， 1月均溫， 4月中旬降雨量 抽穗期麥長管蚜發(fā)生程度 多因子簡化綜合法 發(fā)生級別 1年預報準確率 100 昆蟲知識，1991 5月上旬溫雨系數(shù)，抽穗期蚜量 灌漿末期麥長管蚜發(fā)生程度 模糊列聯(lián)表法 1年預報準確率 100 張會孔等 山東曲阜 單因子相關(guān)法篩選1月平 均氣溫， 3月溫雨系數(shù) 抽穗期（ 5月初）麥蚜百株發(fā)生量 模糊因素求和型綜合評判法 發(fā)生級別 昆蟲知識，1995 單因子相關(guān)法 4月下旬的溫雨系數(shù) ， 灌漿期（ 5月中、下旬）麥蚜百株發(fā)生量 11年歷史擬合率 100 郭金霞 河北正定， 保定 聚類代表元法篩選 因子 穗期峰值蚜 量 逐步判別分析和逐步回歸 發(fā)生級別 11年歷史擬合率 100 華北農(nóng)學報， 1983 錢秀娟等 甘肅皋蘭 5月上中旬平均溫度， 5月上中旬相對溫濕系數(shù) 麥長管蚜發(fā)生期 單因子回歸 發(fā)生期 20年歷史擬合率 100% 甘肅農(nóng)業(yè)大學 學報， 2004 劉江山 寧夏 2月均溫， 3月均溫，4月均溫， 5月降水量 高峰期蚜量 逐步回歸 發(fā)生量 18年歷史擬合率 寧夏農(nóng)林科 技， 2000 董照鋒 陜西商洛 4 月中旬百株蚜量，3月下 4月上旬平均相對濕度 5月上旬穗蚜發(fā)生程度 逐步回歸 發(fā)生級別 植保技術(shù)與推廣， 2002 2月下旬均溫， 3月下 4月上平均相對濕度 5月中旬穗蚜發(fā)生程度 丁世飛 山東曲阜 單因子相關(guān)法篩選3月下旬至 4月上旬平均溫度， 4月上旬溫濕系數(shù) 麥蚜蚜量達500頭 /百株的發(fā)生期 逐步判別模型 發(fā)生級別 13年歷史擬合率 100 數(shù)理統(tǒng)計與管理， 2000 趙曉明等 寧夏 麥蚜高峰期 蚜量 馬爾柯夫鏈，灰色系統(tǒng) 發(fā)生量 4年歷史擬合率較好 寧夏農(nóng)林科 技， 1991 中國農(nóng)業(yè)科學院碩士學位論文 第一章 麥蚜及麥蚜種群動態(tài)預測預報 第 4 頁 但以上各統(tǒng)計預測方法存在諸多弊端：如統(tǒng)計預測方法建模時所需的資料多，收集困難；預測過程中需將預測因子及自變量進行復雜轉(zhuǎn)化；一般為發(fā)生程度預測或發(fā)生期預測，預測結(jié)果較為粗略； 適用性存在區(qū)域局限性；方法單一而缺乏系統(tǒng)性等，因此以上所涉及的預測方法適用性較差而難于推廣。 近幾十年來，由于計算機的廣泛使用，使一些過程復雜的其 它建模方法如模擬模型建模法得以實現(xiàn)。借助計算機程序，使這類建模方法成為麥蚜種群動態(tài)準確預測預報方便、有利的工具。 國外方面：荷蘭、英國和德國在上世紀 80 年代先后建立了基于計算機的麥長管蚜的種群動態(tài)模擬模型系統(tǒng) (et 1979； et 1982； 1983)，這些不同于統(tǒng)計模型的模擬模型在建模方法上起到了示范作用；近年來，德國的模型得到了改進， 1996 年推出了新的版本麥長管蚜種群動態(tài)模擬系統(tǒng)“ et 1996） ； et 1989）在 et 1982)的麥長管蚜種群模擬系統(tǒng)的基礎上建立了麥無網(wǎng)長管蚜的種群動態(tài)模擬系統(tǒng)，模型采用et 1982)模型的結(jié)構(gòu)，但不包含天敵因子的影響；在德國波恩還開發(fā)了模擬黃矮病傳播的麥蚜模擬系統(tǒng)“ (et 1996)。 但 上述 研究者 多 只重視數(shù)學和計算機模型的結(jié)構(gòu)和程序的優(yōu)化，對影響預測準確性最重要的麥蚜種群動態(tài)的變化機理缺乏深入研究，使發(fā)生量 預測 的 準確率不到 60%。 國內(nèi)方面：國內(nèi)開 展基于計算機的麥蚜預測預報研究較晚。其中較早的 是 高靈旺等（ 1997）綜合利用模擬系統(tǒng)、地理系統(tǒng)（ 多媒體等技術(shù)開發(fā)了黃淮海地區(qū)麥蚜中長期測報（地理信息）系統(tǒng)（ 近年來研發(fā)的系統(tǒng)有 苗良等 （ 2002） 用 發(fā)的基于云模型的麥長管蚜預測系統(tǒng)，對麥長管蚜的發(fā)生程度進行分級預測 。 雖然以上模型是基于計算機模擬系統(tǒng)，但模型的算法上仍是統(tǒng)計 模型 ，由于這些系統(tǒng)缺乏精度較高的種群動態(tài)模型的支持，因此并未從根本上克服統(tǒng)計預測的缺點。開發(fā)輸入簡單而預測準確率較高的種群動 態(tài)模擬模型是提高預測預報準確性的基礎。 馬春森 （ 2003）在麥無網(wǎng)長管蚜種群動態(tài)模擬模型 （ 2000） 的基礎上，用 確度極高的 麥 無網(wǎng)長管蚜種群 動態(tài) 模擬系統(tǒng) 與防治決策支持系統(tǒng) （ 該系統(tǒng)利用分室模型及廂車模型，以揚花期麥蚜密度作為初始密度，利用田間的日平均氣溫、日最高溫度、小麥生育階段和優(yōu)勢天敵數(shù)量預測麥蚜種群動態(tài)變化，該軟件的開發(fā)使麥無網(wǎng)長管蚜的種群預測精度由不足 30%提高到 90%。 是否能直接將 馬春森， 2003） 用于麥長管蚜的種群動態(tài)預 測呢？首先， 最重要的環(huán)境因子 溫度對兩種麥蚜的影響不一樣。室內(nèi)溫度試驗及有關(guān)文獻報道表明麥無網(wǎng)長管蚜是低溫種， 14 溫度范圍對種群增長最有利（ 1974；陳巨蓮， 1994）。英國 1979 年 麥無網(wǎng)長管蚜 暴發(fā)成災 (1986)，究其原因主要是當年小麥生育期內(nèi)有很長一段時間日均溫在 ll5 之間，為其繁殖和種群增長的適溫區(qū)。在北京地區(qū) 則由于 小麥生育期內(nèi)氣溫偏高，麥無網(wǎng)長管蚜發(fā)生較輕（陳巨蓮， 1994） ；而麥長管蚜種群增長的最適溫度為 21左右（李鵠鳴， 1990；尹青云等， 2003）。 其次，兩種麥蚜在小麥上的取食部位不同。麥 無網(wǎng)長管蚜幾乎全部為害麥葉，集中在旗葉及旗葉下 1、 2 葉（ 1979； 1979；陳巨蓮等， 1994） ，麥長管蚜則主要危害穗部。麥無網(wǎng)長管蚜與麥長管蚜的生態(tài)差異可能使無網(wǎng)長管蚜種群動態(tài)模擬系統(tǒng)并不適合于麥長管蚜的預測預報。事實上，直接利用 測山東省惠民縣（ 2003、 2004），北京昌平區(qū)（ 2005）田間麥長管蚜的種群發(fā)生數(shù)量，精度不到 10。因此對于麥長管蚜需要建立中國農(nóng)業(yè)科學院碩士學位論文 第一章 麥蚜及麥蚜種群動態(tài)預測預報 第 5 頁 基于其自身生態(tài)特點的模擬