幼虫期降水对马尾松毛虫发生量的影响

本文研究了幼虫期降水对马尾松毛虫发生量的影响。结果表明,降雨对于马尾松毛虫发生量的影响线性关系不明显,但非线性关系很明显,其中基于多层感知器分析表明,第1、2龄期降雨量自变量重要性值为0.867,规范化后的重要性值为100.0%。因此,第1、2龄期降雨量可以作为马尾松毛虫精细化预报建模的主要因子之一对马尾松毛虫进行预报,以实现马尾松毛虫灾害精细化管理。     

卵期降雨量对马尾松毛虫发生量影响相关性分析研究——以安徽省潜山市为例

对安徽省潜山市1983年至2014年监测数据进行分析,研究结果表明,马尾松毛虫发生量与卵期降雨量不具有线性相关性,但具有很高的非线性相关性,并可以据此建立马尾松毛虫精细化预报模型。     

冬季最低气温对2～3代类型区马尾松毛虫发生面积的影响研究

研究表明:马尾松毛虫年度累计发生面积与冬季最低气温在直观上略呈反向关系,但线性关系不明显。基于径向基函数的神经网络分析表明,冬季最低气温对年度累计发生面积影响呈现明显的非线性关系,对马尾松毛虫的发生面积影响显著。因此,冬季最低气温可以作为马尾松毛虫预测预报非线性建模因子,开展马尾松毛虫精细化短期预报。     

马尾松毛虫精细化预报多层感知器建模试验研究

经过多次神经网络多层感知器试验,筛选拟合度高的马尾松毛虫精细化预报模型。结果表明:R2均大于0.9,多层感知器马尾松毛虫预报模型要优于径向基函数与回归方法建立的模型。     

3种生物农药对平阳马尾松毛虫的防治效果

[目的]探讨3种生物农药对平阳马尾松毛虫(Dendrolimus punctatus)的防治效果,为有效预防和遏制马尾松毛虫的危害提供参考。[方法]采用饲喂法测定了苏云金杆菌、阿维菌素、0.3%阿维菌素和100亿活芽孢/g苏云金杆菌(林得保)3种生物农药对马尾松毛虫5龄幼虫的室内毒力,并考察了林得保对该虫的林间防治效果。[结果]林得保室内毒力LC50值仅为18.25 mg/L,林间将其与轻质碳酸钙以1∶10、1∶15、1∶20、1∶25配制浓度喷粉防治马尾松毛虫的效果均达80%以上,其中1∶10、1∶15配制浓度的防治效果最好。[结论]林得保粉剂1∶15配制浓度防治马尾松毛虫第1代5龄幼虫既经济又有效,适合林间大面积防治马尾松毛虫。     

灾变模型在马尾松毛虫幼虫发生量预报中的应用

  目的  提高马尾松毛虫Dendrolimus punctatus幼虫发生量预测预报结果的准确性。  方法  利用灰色灾变预测GM(1, 1)模型预测了安徽省潜山县1989-2016年马尾松毛虫越冬代、1代和2代严重发生的年份。  结果  马尾松毛虫越冬代虫口数的GM(1, 1)灾变预测模型为:${\hat z^{(1)}}(k + 1) = 9.580\;75{{\rm{e}}^{0.269\;33k}} - 8.580\;75$, 其中k为年序号, ${\hat z^{(1)}}(k + 1)$为灾变年序号。1代幼虫虫口数的GM(1, 1)灾变预测模型为:${\hat z^{(1)}}(k + 1) = 18.181\;8{{\rm{e}}^{0.241\;87k}} - 17.181\;8$。2代幼虫虫口数的GM(1, 1)灾变预测模型为:${\hat z^{(1)}}$(k+1)=20.123 7e0.197 58k-19.123 7。根据此模型求得已知年份的拟合值与观察值, 对两者差异进行t检验, 差异均不显著, 即拟合值与观察值间吻合度高, 各灾变年精度值平均为84.40%, 84.85%和84.08%, 总体平均精度依次为96.25%, 92.34%和94.09%, 模型精度高。由此推算未来时刻的预测值得到, 从2011年马尾松毛虫越冬代幼虫灾变年算起, 再过10 a即2021年为马尾松毛虫越冬代大发生年。从2011年马尾松毛虫1代幼虫灾变年算起, 再过11 a即2022年为马尾松毛虫1代幼虫大发生年。从2011年马尾松毛虫2代幼虫灾变年算起, 再过9 a即2020年为马尾松毛虫2代幼虫大发生年。  结论  灾变预测对马尾松毛虫幼虫发生量灾变的预报是一种较理想的预报方法。     

卵期气温对马尾松毛虫发生量影响神经网络的分析

基于神经网络非线性数据实证分析表明,马尾松毛虫发生面积(hm2)与上一代防治面积(hm2)、上一代防治效果(虫口减退比率)、卵期极低气温(℃)、卵期平均气温(℃)、卵期积温(日度)具有高度非线性相关性,并可以作为马尾松毛虫预测预报非线性建模因子之一,进行马尾松毛虫灾害预测预报。     

马尾松毛虫精细化预报建模变量筛选研究

通过相关性分析,结合精细化预报中的“精”“细”“简”要求和生产实践,确定了潜山县马尾松毛虫精细化预报建模来选用因子变量。     

生物灾害精细化预报算法试验研究——以潜山县马尾松毛虫为例

精细化预报建模,除了“精”“细”之外,还要注重“简”的精细化预报基本要求,只有这样的算法模型,才能“化繁为简”,才能在生产实践中得到广泛应用。因此,算法与模型的的选择,应该按照“精”“细”“简”要求,应用最新数学、系统学成果和分析仿真工具,采用多种方式进行试验比较,选择合适的算法。就本次算法试验而言,对于潜山县马尾松毛虫精细化预报,采用多层感知器建立马尾松毛虫预报模型较好。     

马尾松毛虫发生量时空回归预测的研究

[目的]为控制马尾松毛虫的危害提供理论依据。[方法]以1983年9月～1989年9月浙江省仙居县虫情调查资料和气象资料为研究对象,考察各调查点马尾松毛虫有虫面积随气象因子及时间、空间的动态变化,建立马尾松毛虫发生量的时空回归预测模型,并用所建立模型对1989年3代马尾松毛虫有虫面积进行预报检验。[结果]共建立了1个线性、8个非线性马尾松毛虫发生量时空回归预测模型。1989年3代马尾松毛虫实际危害村数及有虫面积分别为141、143、138村和4533．1、4181．3、5166．0hm^2,9个模型预报的3代马尾松毛虫的发生村数均为193村,线性模型预报的3代马尾松毛虫的发生面积分别为3978．5、4159．5、3427．5hm^2,非线性模型预报的各测报点3代马尾松毛虫的发生面积分别与实际最大相差71．6868、99．8359、119．9478hm^2。[结论]所建立模型对马尾松毛虫有虫面积的预报准确率均为66．7％。     

10％高效灭百可乳油喷烟防治马尾松毛虫试验研究

按10％高效灭百可乳油0．5kg、水15kg、0号柴油1kg的比例混合拌匀,对马尾松纯幼林中度为害的第1代3龄马尾松毛虫幼虫进行了喷烟防治试验,结果表明,10％高效灭百可乳油对3龄马尾松毛虫幼虫防效较好,可达98．2％,具有推广应用的价值。     

林业生物灾害精细化预报理论基础与技术集成——以潜山县马尾松毛虫为例

林业生物灾害精细化预报就是通过对林业生物灾害监测数据建模分析,从中寻找林业有害生物的种群变化动态与环境因子变化之间的关系,建立预测预报模型,实现林业生物灾害预报在时间、空间、强度等维度有较高分辨率。现以安徽省潜山县马尾松毛虫为例,潜山县以现有的监测数据,使用SPSS,采用回归、时间序列与神经网络3种算法建立精细化预报模型,通过对历史发生数据与预报值的对比分析发现,采用回归与神经网络算法建立的预报模型要优于时间序列算法建立的预报模型,其预报精度基本能满足精细化预报精度要求。     

福建省马尾松毛虫发生与ENSO事件的关系

以1971～1991年(反)厄尔尼诺事件、南方涛动指数及福建省马尾松毛虫发生程度的资料为基础,探讨它们之间的关系,揭示这种关系产生的内在机制,并建立福建省马尾松毛虫发生预测预报模型.结果表明:福建省马尾松毛虫发生与(反)厄尔尼诺事件年、南方涛动指数总和变动异常年有显著关联;所建立模型精度达83.33%,可以对马尾松毛虫发生、气候异常起监测作用.     

基于机器学习的马尾松毛虫发生面积预测模型

为了提高马尾松毛虫预测预报的准确性,分别采用随机森林、支持向量机和深度学习3种机器学习模型,应用气象因子预测马尾松毛虫发生面积,并将模型预测结果与实际发生面积进行比较。结果表明:3个机器学习模型的拟合效果均优于多元线性模型,其中深度学习对马尾松毛虫发生面积的预测最为稳健,拟合决定系数(R~2)和预测准确率(PA)最高(R~2=0.9901,PA=99.27%),均方根误差(RSME)最低(RSME=0.1711);支持向量机模型预测效果也较好(R~2=0.9617,RSME=0.3275,PA=92.13%)。深度学习可用于马尾松毛虫发生面积与气象因子非线性模型的构建。     

精细化预报技术在潜山县马尾松毛虫预报中的应用

将多因子回归、径向基函数、多层感知器3种模型应用于2016年、2017年马尾松毛虫预报,发生量与发生期预测,预测精度均符合生产预报要求。因此,推广林业有害生物精细化预报技术,有利于实现林业的有害生物精确管理。     

潜山县松毛虫病调查分析及精细化预防对策

通过对1996年安徽省潜山县松毛虫病流行病学调查数据SSPS分析,结果表明,1996年潜山县松毛虫病发病治疗人数与松毛虫中、重度发生面积呈线性相关。提出对于松毛虫病应该从减少病源和减少病源接触2个方面着手预防工作,包括加强监测预警,推行精细化预报,及时进行精准防治,避免松毛虫虫口上升蔓延成灾;对松林纯林,尤其是常灾区松树纯林进行改造,并适时补充天敌,以利于马尾松毛虫天敌建立稳定的种群密度,遏制马尾松毛虫种群增长成灾,以减少松毛虫病病源;对居住在常灾区松林中的居民,逐渐迁移出去,以减少与马尾松毛虫的接触,避免松毛虫病的发生;在进行松毛虫风险分析时,适当调高松毛虫风险等级以利于做出正确的预警与救灾预案,以最大限度地减轻灾害给人类带来的损失。     

应用粉拟青霉防治南方马尾松毛虫初探

分离于油松毛虫上的粉拟青霉(Paecilomyces farinosus)经室内测定,在低温下对马尾松毛虫(Dendrolimus punctatus)的杀虫效果优于白僵菌(Beauveria bassiana)。在15℃时,其LD_(50)=1.3×10~6孢子/毫升,LT_(50)=17.5天,幼龄马尾松毛虫比老龄马尾松毛虫对粉拟青霉更敏感。本文还比较了粉拟青霉和白僵菌在不同温度、湿度下约分生孢子萌发率。实验结果表明:粉拟青霉对越冬代的马尾松毛虫的防治具有较大的应用价值。     

马尾松毛虫的主要危害与预测预报技术

分析马尾松毛虫的主要危害,并探讨当前马尾松毛虫害的若干预测预报技术。     

马尾松毛虫对马尾松挥发性化合物的触角电位反应研究

采用萜烯类单体和复配混合物对马尾松毛虫触角电位进行测定。结果表明,马尾松毛虫触角电位反应活性与单体及等量复配化合物的含量呈正相关,随着含量的升高,其触角电位反应的相对值升高.原液、1/10原液1、/100原液中均对水芹烯的EAG反应值最大,其次是β-蒎烯和月桂烯,但花烃在1/1 000原液中达到最大反应值,而β-蒎烯在1/1 000原液中的反应较小.依据受害后马尾松挥发物各物质相对含量的比例进行复配的结果表明,马尾松毛虫成虫对1,3,4 3种混合物的触角电位反应的相对值较高,LSD多重比较差异无显著性,且均显著高于对第2种混合物的反应值.     

基于机器学习的马尾松毛虫发生面积预测模型

为了提高马尾松毛虫预测预报的准确性,分别采用随机森林、支持向量机和深度学习3种机器学习模型,应用气象因子预测马尾松毛虫发生面积,并将模型预测结果与实际发生面积进行比较。结果表明:3个机器学习模型的拟合效果均优于多元线性模型,其中深度学习对马尾松毛虫发生面积的预测最为稳健,拟合决定系数(R²)和预测准确率(PA)最高(R2)和预测准确率(PA)最高(R²=0.9901,PA=99.27%),均方根误差(RSME)最低(RSME=0.1711);支持向量机模型预测效果也较好(R2=0.9901,PA=99.27%),均方根误差(RSME)最低(RSME=0.1711);支持向量机模型预测效果也较好(R²=0.9617,RSME=0.3275,PA=92.13%)。深度学习可用于马尾松毛虫发生面积与气象因子非线性模型的构建。