基于人工神经网络的马尾松毛虫发生量预测模型的研究

运用人工神经网络的原理和方法，根据相关系数法和逐步回归法分别选取与马尾松毛虫有虫面积，虫口密度，虫株率相关关系密切的气象因子作为样本的输入特征，分别建立马尾松毛虫有虫面积，虫口密度，虫株率与气象因子的BP网络模型。结果表明，所建立的各BP模型，具有令人满意的拟合精度和预测精度。当隐含层神经元个数为15个，预报因子数为8个时，2组预留有虫面积的2a平均预测误差为3.15%，虫口密度BP模型的隐层神经元个数为8个，预报因子数为6个时，预留样本的平均预测误差为5.91%，虫株率BP模型的隐层神经元个数为4个，预报因子数为5个时，预留样本的平均预测误差为10.65%。     

马尾松毛虫有虫面积预测模型的研究

运用人工神经网络的原理和方法 ,根据相关系数法选取与台州市 7个县 (市、区 )马尾松毛虫有虫面积相关关系都比较密切的 14个气象因子 ,然后进行主成分分析 ,在此基础上 ,将前 6个主成分的主坐标值作为样本的输入特征 ,建立以 7个县 (市、区 )马尾松毛虫有虫面积为期望输出的BP网络预测模型 ,结果表明 :所建立的BP模型 ,具有令人满意的拟合精度和预测精度。当隐含层神经元个数为 4个时 ,7个县 (市、区 ) 3组预留有虫面积 3a预测结果的卡方检验为 :η=7.2 92 0 相似文献   

马尾松毛虫发生量的非线性似乎不相关分析

根据非线性似乎不相关回归原理,建立仙居县1983—2009年马尾松毛虫虫口密度、有虫面积和有虫株率的非线性似乎不相关回归模型,结果表明:虫口密度、有虫面积和有虫株率的非线性似乎不相关模型的拟合精度高于普通最小二乘法的拟合精度;用非线性似乎不相关模型预测未参与建模的2010—2011年4代马尾松毛虫的虫口密度、有虫面积和有虫株率,预测的平均相对误差分别为18.25%,18.17%和14.35%。     

基于气象因子的马尾松毛虫发生率空间格局研究

[目的]为预测未来我国马尾松毛虫的潜在变化趋势,以2002-2012年全国范围内马尾松毛虫的地级逐年平均发生率作为预测指标,[方法]运用偏最小二乘回归方法,获得马尾松毛虫平均发生率与相关气象因子的回归方程,并结合地理空间数据与未来气象数据,得到马尾松毛虫平均发生率空间格局模型.[结果]表明:以筛选后的12个气象因子建立的马尾松毛虫平均发生率空间格局模型精度达到86.98%,具有较强的可靠性.据此预测2020s,2050s,2080s的马尾松毛虫平均发生率空间格局,并与2002-2012年的空间格局相比,结果显示:华东及华中地区虫害中度和重度发生面积均明显增加,有扩散的趋势;华东地区的轻度发生面积总体为缩减;而华南部分地区虫害轻度发生面积扩增.[结论]以偏最小二乘回归方法所得的空间格局模型具有实际预测意义,可以预测我国未来马尾松毛虫平均发生率的变化趋势.     

基于混沌理论的马尾松毛虫有虫面积BP神经网络预测

通过对1983—2010年马尾松毛虫发生数据特点的分析,应用相空间重构技术,将混沌理论和神经网络理论相结合,提出了1种基于混沌神经网络理论的马尾松毛虫有虫面积预测模型。结果表明,该模型有较好的预测能力,当输入层神经元个数(即嵌入维数)为7、隐含层神经元个数为15时,预测未参与建模的2009年越冬代、2010年第1代马尾松毛虫有虫面积的平均相对误差为12.50%。     

基于预测克立格方法的马尾松毛虫空间发生量预报

根据1983年9月至1989年9月马尾松毛虫的虫情调查资料，用预测克立格方法研究全县各调查点的马尾松毛虫有虫面积、虫口密度的时空变化规律，建立马尾松毛虫有虫面积、虫口密度的空间预报模型。结果表明：用该方法预报全县马尾松毛虫空间发生量具有很好的预报效果，对未参与建模的1989年3代的虫口密度、有虫面积的预报准确率均为100％。     

温度因子对春季马尾松毛虫灾害发生的影响

选取广西兴安县2005~2015年春季马尾松毛虫(Dendrolimus punctata)发生情况进行研究,研究温度与春季马尾松毛虫轻、中、重度发生面积发生关系。以2004—2015年的每月的温度因子为自变量,用逐步回归的方法筛选出与兴安县春季马尾松毛虫轻、中、重度发生面积相关的重要因子,并进行相关性分析,建立回归预测模型。预测结果准确率分别高达81.036%、99.991%、58.658%,其中,中度平均准确率近100%。     

马尾松毛虫预测预报系统的研究*

本文应用系统分析方法总结有关马尾松毛虫的科研成果和实际经验，建立了反映了马尾松毛虫，松林、自然条件与环境状况，人类社会行之间本质关系的结构模型，通过对影响马尾松毛虫种群动态因子的分析，提炼及数量化表示，建立了马尾松志虫时间域及空间域种群动态模型，两者结合可以对松毛虫群种动态进行系统模拟，预测松毛虫的发生量、发生面积及分布状况，以安徽省潜山县黄铺试验区调查数据验证此模型，与松毛虫实际发生规律吻合。     

基于广义时空回归的马尾松毛虫空间发生量预报

利用1983年9月至1989年9月马尾松毛虫虫情调查资料,研究全县各调查点的马尾松毛虫有虫面积和虫口密度的时空变化规律,建立1个线性、10个非线性的广义时空回归模型。结果表明：所建立的空间发生量预报模型均具有较好的预报效果,对未参与建模的1989年3代的虫口密度、有虫面积进行预报检验,Gauss模型预报虫口密度的准确率为100％;其他各模型对两者的预报准确率均为66．7％。     

马尾松毛虫计算机预测预报系统—FIMS-1

马尾松毛虫计算机预测预报系统—FIMS-1,是在马尾松毛虫预测预报系统模型基础上建立的。该系统能够模拟马尾松毛虫种群数量随时间的变化及空间区域的迁移扩散,能估算马尾松毛虫对针叶造成的损夫,进而可以对马尾松毛虫发生量、发生地、发生面积及针叶被害程度进行预测。为马尾松毛虫的综合管理决策提供必要的信息。系统的主要特点是通用性、显示的直观性及预测预报输入要求的灵活性,非常适于在广大林区推广。用安徽省潜山县黄埔试验点数据输入该系统,运行结果与该地松毛虫发生规律基本吻合,说明该系统是可行的。     

马尾松松毛虫危害与气象因子的关系初探

以湖南祁阳县1990～1999年的气象观测数据及松毛虫的年发生面积为依据,应用因子筛选、聚类分析、统计检验方法找出了影响马尾松松毛虫减灾的关键气象因子,为预报和防治马尾松松毛虫的成灾提供了合理和实用的方法,有助于为防治灾害作出正确的决策.     

马尾松毛虫发生量预测预报方法的研究

应用临海市历年松毛虫发生量及有关气象资料，分别将越冬后恢复取食期（即越冬代）和第1代松毛虫幼虫的发生量作为预报量，根据“相关系数法”筛选出预报因子后，采用“多因子简化综合相关法”和“模糊列联表法”进行预报。经回归检验，其预测值与实测值的吻合程度较高，具有较好的应用价值。     

气象因子对马尾松毛虫发生面积的影响

对广东省多年的马尾松毛虫林间发生面积和气候因子进行主成分分析和逐步回归分析，研究气象因子对马尾松毛虫种群的影响，模拟广东省马尾松毛虫发生规律方程。分析结果表明：在年气象因子中，主成分因子是年总降雨量，但其与马尾松毛虫年发生面积的相关性不显著；在月份气象因子中，3月的月均温度、4月和6月的月均湿度、7月的月均温度和月总降雨量、10月的月均温度和月总目照时数与马尾松毛虫发生面积具有显著的相关关系。     

马尾松毛虫发生量的混沌检测

以非线性动力学为基础,通过时间序列分析和前馈网络模型建模的方法分析马尾松毛虫发生量的复杂性动态。前馈网络模型估计的最大Lyapunov指数为0.155 1,说明马尾松毛虫发生量序列存在混沌现象。马尾松毛虫当代的种群大小与前一代或前几代的种群大小密切相关,因而可用重构相空间的方法以前一代来预测下一代。     

利用微机建立马尾松毛虫虫情数据库

利用Excel软件在微机中建立马尾松毛虫虫情调查数据库和林分因子数据库，对数据库的数据进行处理，分析及应用，可为预测预报马尾松毛虫发生，发展情况提供科学依据。     

应用携带病毒的赤眼蜂防治马尾松毛虫试验

林间挂放喷涂有松毛虫病毒的赤眼蜂卵卡,试验结果表明,林间赤眼蜂对马尾松毛虫卵的寄生率平均39.4%,室内赤眼蜂对马尾松毛虫卵的寄生率80.0%。林间观察到刚羽化的第二代赤眼蜂在松毛虫卵上活动。携带松毛虫病毒的赤眼蜂通过其寄生行为可把病毒传递到松毛虫幼虫期,松毛虫幼虫病毒感染率3.0%,松毛虫蛹期没有观察到松毛虫病毒传递现象。     

潮安县松毛虫发生规律及防治对策探讨

马毛松毛虫Dendrolimus punctatus Walker是我国森林的一种重要害虫，分布广、繁殖快、危害严重。在自然情况下，马尾松毛虫的大发生常表现出一定的周期性。但在人为干涉（防治）条件下，情况有时变得十分复杂。本文结合潮安县近30年的松毛虫发生、危害和防治情况以及与这相关的各种数据和资料，进行比较分析，试图从中了解和掌握本地区松毛虫的发生规律以及相应的防治对策，把松毛虫长期控制在有虫不成灾水平。     

基于CASA模型的瓦屋山林场植被净初级生产力估算

在地理信息系统和遥感技术支持下,利用改进的CASA模型,并结合Landsat TM遥感影像、气象数据和林班数据,估算出瓦屋山林场2008—2009年的植被净初级生产力(PNPP),并通过实测植被生物量和生产力的关系,验证CASA模型在研究地区估算结果。结果表明:CASA模型估测植被PNPP与实测结果有较好的一致性,能够适用于瓦屋山林场植被净生产力估算;CASA模型估算结果主要植被类型年均PNPP区别明显,从高到低依次是:中国山杨、麻栎、板栗、马尾松、湿地松、灌木、杉木和池杉;瓦屋山林场植被PNPP季节变化显著,夏季贡献率最大,其次是春季和秋季,冬季最少,主要由于不同季节环境因素不同,其中又以太阳辐射最为重要。     

Uncertainty analysis of modeled carbon fluxes for a broad-leaved Korean pine mixed forest using a process-based ecosystem model

The uncertainty in the predicted values of a process-based terrestrial ecosystem model is as important as the predicted values themselves. However, few studies integrate uncertainty analysis into their modeling of carbon dynamics. In this paper, we conducted a local sensitivity analysis of the model parameters of a process-based ecosystem model at the Chaibaishan broad-leaved Korean pine mixed forest site in 2003?C2005. Sixteen parameters were found to affect the annual net ecosystem exchange of CO₂ (NEE) in each of the three?years. We combined a Monte Carlo uncertainty analysis with a standardized multiple regression method to distinguish the contributions of the parameters and the initial variables to the output variance. Our results showed that the uncertainties in the modeled annual gross primary production and ecosystem respiration were 5?C8% of their mean values, while the uncertainty in the annual NEE was up to 23?C37% of the mean value in 2003?C2005. Five parameters yielded about 92% of the uncertainty in the modeled annual net ecosystem exchange. Finally, we analyzed the sensitivity of the meteorological data and compared two types of meteorological data and their effects on the estimation of carbon fluxes. Overestimating the relative humidity at a spatial resolution of 10?km?×?10?km had a larger effect on the annual gross primary production, ecosystem respiration, and net ecosystem exchange than underestimating precipitation. More attention should be paid to the accurate estimation of sensitive model parameters, driving meteorological data, and the responses of ecosystem processes to environmental variables in the context of global change.