《PLOS One》：Forecasting model of Grapholita molesta (Lepidoptera: Tortricidae) in apple orchards
编辑推荐：
本研究聚焦于苹果重要害虫梨小食心虫的精准防控难题。为了解决其在全生育期缺乏明确方程预测模型的问题，研究人员整合了韩国2013-2023年间1087组田间发生数据，利用四峰Weibull函数成功开发了成虫发生期预测模型。该模型在独立验证中显著降低了预测误差，并成功预测了未来气候变化情景下该虫发生期将显著提前。此模型为优化苹果园梨小食心虫的监测与农药施用时机提供了关键工具，对实现精准植保、减少化学农药使用具有重要意义。
在韩国，苹果是最受欢迎的水果之一，2023年其种植面积占水果总面积的34%，销售额也位居前列。然而，苹果产业长期遭受害虫的严重威胁。在已知的312种苹果园害虫中，梨小食心虫因其全球性入侵和难以防治的特性，成为最具经济破坏性的害虫之一。这种害虫的幼虫钻蛀果实内部取食，使得常规的化学农药喷洒难以触及，导致果农在整个苹果生长季往往需要施药超过10次。频繁的用药不仅增加了生产成本和环境压力，还加剧了害虫抗药性的发展。若不加以有效管理，其造成的损失可高达71%。因此，找到一种精准预测梨小食心虫成虫发生高峰期的方法，从而在最关键的时间点（即幼虫孵化高峰期）进行精准施药，成为破解这一管理困境的核心。
然而，现有的研究在预测梨小食心虫全年发生动态方面存在不足。此前的一些研究虽然估算了其各代发生高峰所需的积温，但缺乏一个覆盖整个生长季、具有明确数学方程的预测模型。不同果园的小环境差异以及天气条件的频繁突变，使得基于固定积温的简单预测在实际应用中可靠性不足。此外，全球气候变化预计将改变害虫的发生模式，这使得开发一个能够适应未来气候的预测模型变得尤为迫切。为此，发表在《PLOS One》上的这项研究，旨在开发一个能够预测整个苹果生长季梨小食心虫成虫发生的模型，并基于此模型预测其未来的发生规律变化。
为开展此项研究，研究人员主要采用了以下几种关键技术方法：首先，从韩国农村振兴厅获取了2013年至2024年间167个商业苹果园的梨小食心虫成虫性信息素诱捕数据，共1087组，其中549组用于建模，2024年数据用于验证。其次，从韩国气象厅获取对应观测点的每日最高最低温度数据，采用单正弦法计算累积积温(CDD)，发育起点和上限温度分别设定为8.1°C和32.2°C。最后，利用四峰Weibull函数对标准化后的累积发生比例与累积积温进行拟合，构建发生期预测模型，并使用SAS软件进行参数估计。此外，研究还下载了KMA数据库下SSP1-2.6和SSP5-8.5两种气候情景的未来温度数据，利用Python脚本计算未来积温，并通过QGIS软件对未来发生期进行空间可视化预测。
研究结果
模型开发与参数估计：研究开发的物候模型很好地解释了梨小食心虫成虫发生的变异（F = 2,880.9, P < 0.001, r2= 0.86）。模型估计其第一、二、三、四次发生高峰的累积积温(CDD)分别为172.2、636.3、1,211.6和1,816.0 DDs，各峰所占比例分别为28%、35%、17%和20%。尽管模型预测准确，但部分参数估计存在较大变异性。
模型验证与比较：使用2024年的独立数据进行验证，尽管在第一和第四高峰预测偏差较大，但本研究开发的模型整体上准确预测了梨小食心虫在韩国苹果园的发生。与Kim等人和Damas等人的先前研究方法相比，本模型将整个生长季的平均预测误差分别降低了约2.8天和30.5天，显示出更高的预测精度。
未来发生期预测：基于当前（1991-2020年）气候条件，模型预测梨小食心虫成虫的四个发生高峰将分别主要出现在5月上旬至下旬、6月中旬至7月上旬、7月中旬至8月上旬以及8月下旬至9月中旬。在未来气候情景下，无论SSP1-2.6（低排放）还是SSP5-8.5（高排放）情景，其发生期均将比当前提前。到21世纪10年代，在SSP1-2.6情景下，四个高峰平均提前23.5、18.3、18.8和18.5天；而在SSP5-8.5情景下，提前更为显著，平均分别提前50.7、48.7、52.1和54.5天。值得注意的是，无论何种情景，第二和第四高峰的发生期提前幅度均大于第一和第三高峰。
研究结论与讨论
本研究成功开发了一个基于累积积温和四峰Weibull函数的梨小食心虫成虫发生期预测模型。该模型在田间验证中表现出比以往研究更高的准确性，并能可靠地预测未来气候变化下的发生期变化。研究确认了梨小食心虫在韩国苹果园一年发生四代的基本规律，并指出其越冬代成虫发生期较长可能导致此前部分研究观察到“五代”现象。模型显示，第一代与第二代之间的积温间隔（464 DDs）短于理论计算值，这可能意味着越冬代中早期羽化的个体对第一代种群的贡献更大。
研究的重要意义在于，它为苹果园梨小食心虫的精准监测和防治提供了实用的决策工具。通过预测成虫发生高峰，可以更准确地确定幼虫孵化关键期，从而优化施药时机，减少不必要的农药施用，应对抗药性挑战，并降低环境风险。模型预测的未来发生期提前趋势，也为果农和植保部门适应未来气候变化、提前制定管理策略提供了科学依据。
同时，研究也指出了模型的局限性，例如从第二代开始部分模型参数变异性较高，这源于田间农药施用差异、观测者误差等因素。因此，在将模型用于具体田块的决策前，建议进行本地化校正。此外，讨论部分指出，未来发生期的提前可能受到光周期对越冬昆虫滞育解除的制约，因此实际变化可能比单纯温度驱动的预测更慢。但温度升高无疑会加速发育，导致成虫活动期延长、世代重叠加剧、发生高峰变得不那么明显，从而增加种群在季节内的变异性，使得仅基于物候模型的精准施药窗口确定变得更加困难。总体而言，这项研究为梨小食心虫的可持续治理和应对气候变化的适应性管理奠定了重要基础。
