松林立地类型与松毛虫发生量相关性调查

影响松毛虫发生量的主导因子有５个，即：山形，坡度，坡向，土壤质地和山的开阔度。根据松林立地类型不同松毛虫发生量也不同，划分出三种立地类型与其相对应的松毛虫发生量林分，采取相应的对策控制松毛虫危害。     

小议油松林修枝与松毛虫发生量关系

已知的影响松毛虫种群数量变化的因子很多,在营林过程中,我们发现修枝强度的大小也会影响松毛虫种群数量的变化及危害程度。 在库伦地区近几年来的调查发现,立地条件、林龄相同的油松林,若经过强修枝,松林内松毛虫发生量明显高于未修枝林地。例:10年生油松幼林,郁闭度0.7以上则危害较轻,如修枝后郁闭度下降到0.5以下,那么危害将严重。修枝林地针叶被害损     

根据立地类型划分判断松毛虫发生类型

按常灾区，偶灾区和无灾区３种类型以标准地，同时以调查植被种类，个体数及生物量为依据，采用模糊聚类方法进行分析，然后，再结合土层厚度，人为破坏等环境条件分析，确定辽西地区松毛虫发生类型。该法给松毛虫综合治理工作提供了一定的科学依据。     

倒春寒对马尾松毛虫发生量的影响

乐山市地处四川盆地西南边缘，现有马尾松林面积３．４７万公顷，属马尾松毛虫偶灾区。一方面自然条件适宜于松毛虫种群增殖，同时也存在许多抑制其增殖的制约因子，两种作用交替变化，形成了典型的三年一次周期性大发生势态（如图１）。从图１不难看出，各发生周期总发生...     

树冠体积与赤松毛虫发生量的关系

本文重点论述了树冠体积在赤松毛虫防治管理中的作用。根据冠幅、冠高确定树冠体积,从幼虫期食叶总量3323.17 cm得出树体最大载虫量,通过回归方程(?)(载虫量)=2.1016+27.1957x(树冠体积)可找出不同树冠体积对赤松毛虫的允许发生量。     

广东省樟木头林场低山丘陵区马尾松林生产力与立地因子相关的分析

本文先用立地指数比较樟木头林场低山丘陵区5组立地类型组马尾松林生产力的差异性,次用逐步回归方法找出了影响当地马尾松林生产力的主导因子是坡形与部位,最后还判断了主导因子对松林生产力的作用程度。所建立的回归方程 y=10.5625x_2+13.2222x_4-0.007625x_1-5.7625可作该场培育马尾松用材林选择立地和生产力预测参考。     

赤松毛虫发生量测报技术的初步研究

本文根据有效基数预测法对赤松毛虫ＤｅｎｄｒｏｌｉｍｕｓｓｐｅｃｔａｂｉｌｉｓＢｕｔｌｅｒ上树后幼虫、暴食期幼虫和卵期的发生量进行预测预报。经实际验证表明，预测结果与实查结果基本相符。其方法简便，易在生产中应用。     

赤松毛虫发生量测报技术的初步研究

本文根据有效基数预测法对赤松毛虫Ｄｅｎｄｒｏｌｉｍｕｓ ｓｐｅｃｔａｂｉｌｉｓＢｕｔｌｅｒ上树后幼虫，暴食期幼虫和卵期的发生量进行预测预报。经实际验证表明，预测结果与实查结果基本相符。其方法简便，易在生产中应用。     

快速预测马尾松毛虫越冬代幼虫发生量方法的研究

从抽样单位的选择入手，调查和分析了马尾松毛虫越冬代恢复取食Ⅳ龄幼虫在寄主上的垂直分布规律，研究得出的中，高虫口密度发生量测报模式，估计算林分虫口发生量在虫情级３级（１０条／株）以上时，预报准确度为８０％～９０％。     

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。     

赤松毛虫越冬幼虫出蛰时间及发生量的预测

赤松毛虫出蛰时间与每年2月中旬至3月上旬的旬均积温有显著的相关性,据调查得出,其关系式为(?)。赤松毛虫发生量与每年11月至翌年3月上旬的旬均温有显著的相关性,据在当地调查得出,其相关方程为(?)。用这两个公式预测的发生期和发生量,其误差为1.8163和±8.5584,可供生产上进行赤松毛虫的发生期、发生量的预测。     

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％。     

湖南省马尾松毛虫灾害与松林林分状况的关系

马尾松毛虫灾害与松林林分状况关系密切,松阔混交林、国外松占40%以上松林和植被覆盖度达90%以上的松林一般不发生松毛虫灾害。松林蓄积量越大,松毛虫发生面积越小。     

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％。     

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。