应用MODIS遥感数据监测马尾松毛虫害研究

以福建沙县为研究区,基于MODIS遥感数据,运用植被指数NDVI、RVI和红边参数分析马尾松毛虫灾害范围和程度。结果表明：MODIS数据对严重受灾区域较为敏感;比较多时相各指数受灾前后变化,其变化趋势一致,各指数值增加表明未受马尾松毛虫危害,而其下降则表明是受灾区域,其中以RVI值变化幅度最大;结合地面数据,找出不同虫害程度的各指数临界值,确定不同受灾程度的面积,其中以RVI分析马尾松毛虫灾害的准确度最高。     

松毛虫赤眼蜂在马尾松毛虫防治中的应用

利用松毛虫赤眼蜂进行防治马尾松毛虫,是一种有效、综合效果明显的生物防治技术。湖南省道县于2011~2013年期间,在4个林场开展了通过释放赤眼蜂进行防治马尾松毛虫的试验,取得了理想的防治效果。本文围绕马尾松毛虫的生物学特征,松毛虫赤眼蜂的生物学特征,利用赤眼蜂防治马尾松毛虫的具体途径,如个体的释放途径、释放次数、释放的数量和时间等分别展开阐述,希望对以后马尾松毛虫的防治起到一定的借鉴作用。     

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。     

马尾松毛虫危害程度分级预报的研究

根据相关系数法筛选出与马尾松毛虫各级危害程度的危害面积相关关系都比较密切的气象因子,分别建立多对多线性回归模型、脉冲响应函数模型、线性差分方程之带输入项的线性自回归模型、人工神经网络模型以及双重筛选逐步回归模型5种马尾松毛虫危害程度分级预报的数学模型。结果表明,运用所建立的5种分级预报模型对预留的4年共16组样本进行预测结果检验,都取得较好的预测效果,其中以线性差分方程之带输入项的线性自回归模型的预测效果最好,人工神经网络模型的预测效果次之,双重筛选逐步回归模型最差。     

ARIMA模型在马尾松毛虫发生面积预测中的应用

[目的]为了研究ARIMA模型在马尾松毛虫发生面积预测中的应用。[方法]利用时间序列对郁南市1975~2002年马尾松毛虫发生面积数据进行了分析。经过数据平稳化、模型识别及参数估计确立了ARIMA(2,2,2)模型,对郁南市1975~2002年的马尾松毛虫发生面积作了回测。[结果]ARIMA(2,2,2)模型预测值的动态趋势与实际情况基本一致,特别是1990年以后的预测效果更佳,实际值都落入了预测值的可信区间范围,结果比较理想。[结论]ARIMA模型假定未来的发展模式与过去的模式是一致的,更适用于作短期的预测。     

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。     

马尾松毛虫精细化预报回归建模试验研究

通过线性回归、曲线回归、非线性回归、Logistics回归等回归多次建模试验的比较,建立了显著性较高的马尾松毛虫发生量和幼虫高峰期线性预报模型。     

马尾松毛虫的生活习性及预测预报

分析了马尾松毛虫的危害,阐述了其生活习性,介绍了几种虫情调查方法和发生期预测预报的方法,以期为马尾松毛虫的防治提供借鉴。     

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。     

综合治理马尾松毛虫技术应用的研究

阐述了综合治理马尾松毛虫的研究成果与实施技术。     

马尾松毛虫大发生原因与白僵菌应用

对马尾松毛虫大发生的原因进行了综合分析,并对利用白僵菌防治马尾松毛虫的问题进行了探讨,指出了白僵菌防治马尾松毛虫的有效性、重要性和安全性,并且说明了应用这种方法的最佳时间及方法。     

马尔可夫链在马尾松毛虫发生程度预测中的应用

根据广东梅州1975～2002年马尾松毛虫发生程度的历史资料,应用马尔可夫链方法对2003～2005年的马尾松毛虫发生程度进行预测,并对1993～2002年的发生程度进行回测,历史符合率为85%。该方法简便易行,为马尾松毛虫发生程度的长期预测提供了一条新途径。     

应用超轻型飞机防治马尾松毛虫试验研究

１９９３年和１９９５年春季，在将乐、沙县、建瓯和武夷山等四县（市）应用超轻型飞机超低容量喷雾防治马尾松毛虫试验结果表明：应用海燕６５０８飞机防治松毛虫具有机动灵活、防治效果好、成本低廉等特点，适用于低山丘陵区的森林害虫防治．     

基于多尺度纹理与光谱特征的马尾松毛虫虫害信息提取方法研究

以福建沙县为研究区,融合SPOT-5多光谱影像与全色影像,基于灰度共生矩阵法提取纹理量,与光谱波段组合,采用支持向量机分类方法提取虫害信息,探讨纹理特征对于虫害监测信息提取精度的影响。结果表明：结合多尺度纹理与光谱特征的支持向量机分类方法,其虫害信息提取总精度最高,为80.48%;结合单尺度纹理与光谱特征的支持向量机分类器方法,其虫害信息提取总精度次之,为78.81%;基于光谱特征的最大似然法,其虫害信息提取总精度最低,为70.48%。结合多尺度纹理与光谱特征的支持向量机分类器方法,其图面表现也较好,减少了图面的细碎斑点。因此,提取多尺度纹理与光谱特征结合,丰富了图像信息量,有助于提高虫害信息的提取精度。     

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。     

马尾松毛虫精细化预报径向基函数建模试验研究

采用神经网络径向基函数建模方法,通过反复建模试验的比较,排除相关性不高的干扰变量,选择合适的相关性较高的变量进行建模,以获得拟合度较高的模型,以满足马尾松毛虫精细化预报要求。     

微电脑在松毛虫虫情资料档案管理中的应用

本文讨论了马尾松毛虫虫情资料档案中如何应用电脑技术的问题,并给出应用实例。     

基于光谱特征的SPOT-5影像马尾松毛虫虫害信息提取

以福建沙县作为研究区,以单期SPOT-5多光谱影像为数据源,基于其光谱特征,构建归一化植被指数(Ndvi)、比值植被指数(Rvi)、绿度植被指数(Gvi)、土壤调节植被指数(Savi)、红边参数等光谱指数作为光谱监测指标,通过建立马尾松毛虫虫情级数模型并进行反演,进而提取虫害信息,其虫害信息提取的总精度为70.75%。研究结果证明利用单时相遥感数据进行马尾松毛虫虫害监测是可行的。     

森防工作中的马尾松毛虫防治技术探究

在我国目前的森防工作中,马尾松毛虫是比较常见的重大灾害.这种虫害的威力较大,对森林造成危害的面积较大,严重影响了我国林业的发展.因此,本文简单分析了一系列森防工作中马尾松毛虫防治技术.