共查询到20条相似文献,搜索用时 15 毫秒
1.
松林立地类型与松毛虫发生量相关性调查 总被引:5,自引:0,他引:5
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。 相似文献
2.
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 相似文献
3.
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。 相似文献
4.
5.
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... 相似文献
6.
7.
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。 相似文献
8.
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。 相似文献
9.
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。 相似文献
10.
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%。 相似文献
11.
马尾松毛虫发生量预测预报方法的研究 总被引:5,自引:0,他引:5
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。 相似文献
12.
13.
14.
15.
16.
17.
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%。 相似文献
18.
19.
20.
马尾松毛虫发生量的混沌检测 总被引:1,自引:0,他引:1
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。 相似文献