中国稻飞虱发生的大气环流指示指标

根据1971—2010年稻飞虱发生面积率和发生程度资料,构建综合反映稻飞虱发生为害的因子,定义为稻飞虱发生指数。基于因子膨化方法对74项大气环流特征量进行合理扩充,采用相关分析等方法研究当年2月初、4月初、6月初对全国稻飞虱发生面积率等级、发生程度等级、发生指数等级具有指示意义的大气环流因子的筛选及其相应等级指标的构建。结果表明:影响稻飞虱发生面积率等级的指示因子为西太平洋副高面积指数、南海副高脊线、北半球极涡强度指数、印缅槽,影响稻飞虱发生程度等级的指示因子为太平洋副高北界、亚洲纬向环流指数、东亚槽强度、太阳黑子数,影响稻飞虱发生指数等级的指示因子为北半球副高强度指数、北半球极涡强度指数、大西洋欧洲环流型指数、西藏高原指数。不同指示因子的量值在稻飞虱轻、偏轻、偏重和重发生时差异性显著;建立的稻飞虱发生等级的大气环流指示指标,经历史发生情况检验,对稻飞虱发生等级具有很好的指示效应,可为稻飞虱中长期预测预报提供科学依据。     

南方双季稻低温灾害等级预测

基于南方双季稻种植区708个气象站1961—2010年的逐日气象资料、双季稻低温灾害发生的气象行业标准和1960—2010年逐月74项大气环流特征量资料,采用因子膨化、相关性分析、逐步回归等方法,建立了针对不同风险和时空变化趋势的分区双季稻低温灾害历年第一次灾害发生等级预测模型。结果表明:高风险区(Ⅰ区)早稻春季低温灾害、晚粳稻寒露风、晚籼稻寒露风的预测模型平均外延预测基本一致准确率分别为100%、83.3%和83.3%;低风险且呈增加趋势区(Ⅱ区)早稻春季低温灾害、晚粳稻寒露风、晚籼稻寒露风的预测模型平均外延预测基本一致准确率分别为100%、83.3%和83.3%;低风险且呈减少趋势区(Ⅲ区)早稻春季低温灾害、晚粳稻寒露风、晚籼稻寒露风的预测模型平均外延预测基本一致准确率分别为83.3%、100%和83.3%;各预测区域各代表站预测模型的回代和预测等级误差基本在1个等级以内,具有较高的精度。     

基于大尺度因子的小麦白粉病长期预测模型

根据1971—2008年全国小麦白粉病发生面积资料、1970—2008年大气环流特征量逐月资料及1970—2008年太平洋海温逐月资料,通过因子膨化、空间拓扑分析组合大气环流、海温因子,采用最优化处理、相关分析、相关稳定性检验、因子独立性检验等方法,筛选对小麦白粉病影响稳定、显著、独立的大气、海温因子,分别构建基于大气环流及太平洋海温的全国小麦白粉病发生面积率预报预测模型。利用2009—2010年资料对模型进行预测检验,经回代及预测检验,大气环流模型回代检验等级正确率为81.6%,2009、2010年等级预测正确率为100%,模型总体评价正确率为82.5%。太平洋海温模型回代检验等级正确率为78.95%,2009、2010年预测检验正确率为100%,模型总体评价正确率为80%。大气环流模型较太平洋海温模型总体评价准确率略高。     

新疆蝗虫发生的大气环流背景及长期预测

对1952-2005年新疆蝗虫的发生面积与大气环流74项特征指标值进行相关研究.结果表明:新疆蝗虫发生与大气环流密切相关;筛选确定了北非副热带高压、北半球极涡面积指数、冷空气、亚洲纬向环流指数、印缅槽等与蝗虫发生面积相关的关键指标.其中,北非副热带高压对新疆蝗虫发生的影响主要是通过影响4-6月的降雨量,从而影响蝗卵孵化、蝗蝻的发育及蝗虫的发生.将筛选出的39个大气环流特征因子作为预报因子,通过逐步回归,得出拟合较好的4个预测模型.研究结果为蝗灾的预测预报提供理论依据.     

基于投影寻踪理论的稻飞虱发生程度预测模型

稻飞虱发生程度与相关气候因子的数据大多具有高维非正态、非线性特征,采用统计预测法会出现预测效果的不稳定,采用人工神经网络预测模型需要较多的训练样本.投影寻踪模型把高维数据投影到低维子空间上,对数据结构进行分析,一定程度上解决了非线性、非正态问题.本文建立了浙江省新昌县单季晚稻稻飞虱主害代发生程度的投影寻踪预测模型,并与BP神经网络模型、线性回归模型的预测结果进行了对比.结果表明:投影寻踪模型优于BP神经网络模型、线性回归模型;投影寻踪模型的历史符合率和预测准确率均为100%;BP神经网络模型历史符合率达到100%,但预测偏差较大;线性回归模型历史符合率和预测偏差均较大.可见,投影寻踪模型在稻飞虱发生程度的预测上具有较好的应用前景.     

全国大豆食心虫发生面积与大气环流、海温的关系及其长期预测预报

对1952-2001年中国大豆食心虫发生面积与食心虫发生前一年1月至当年4月中74个环流特征量及286个网格点海温逐月及不同组合时段距平值进行相关分析,筛选出了大气环流和海温因子,通过逐步回归,分别建立了中国大豆食心虫发生面积的大气环流和海温预报模型,并对模型进行了拟合和延伸预报.结果表明:模型的拟合和延伸预报效果均较好,2002-2004年大气环流模型延伸预报平均准确率达88%,海温模型延伸预报准确率达86%.     

早造稻飞虱发生程度预测模型的研究

本文对广东省肇庆市70年代末期以来稻飞虱(包括褐稻虱、白背飞虱)在早造上的种群数量和发生动态进行了调查和分析。在IBM-PC/XT计算机上用逐步回归方法选择关键因子,组建成稻飞虱早造主害代发生程度的5个多因子预测模型,用卡平方(x~2)法检验,模型的理论值和实测值的拟合概率达99.5％,经1989年早造的检验与实际相符。     

基于BP人工神经网络的小城镇生态环境质量评价模型

针对中国小城镇生态环境质量综合评价存在的问题,以生态环境质量指标体系作为神经网络的输入、以生态环境等级评分作为输出,基于BP人工神经网络,建立了具有20个隐含层节点、3层网络的小城镇生态环境质量评价模型;以生态环境指标的各级评价标准作为模型的训练样本,以训练样本数量的10%以及各指标各等级的临界值、中间值作为检验样本,以研究区生态环境质量的实际监测值作为预测样本,利用MATLAB软件对BP人工神经网络进行训练,并对鄂州市杜山镇生态环境质量等级进行了模式识别.结果表明：利用BP人工神经网络方法对小城镇生态环境质量进行预测是可行的、可靠的,它不仅能很好地评价区域生态环境质量,而且能够与区域生态环境的实际特征相结合.     

大兴安岭典型林分地表死可燃物含水率动态变化及预测模型

对春季和秋季大兴安岭地区西林吉林业局山杨-白桦混交林、落叶松林、樟子松林、落叶松-白桦混交林、白桦林5种典型林分不同坡位地表细小死可燃物含水率动态进行研究,构建了不同季节防火期、不同林分地表死可燃物含水率的预测模型,并分析了其预测误差.结果表明: 相同林分地表可燃物含水率在春季和秋季差异显著;在相同季节相同林分下不同坡位可燃物含水率存在差异.采用Nelson模型对地表死可燃物含水率预测的平均绝对误差(MAE)的平均值为0.13,略低于Simard模型(0.14),明显低于气象要素回归模型(0.25).Nelson和Simard模型的预测效果好于气象要素回归模型.秋季模型对地表死可燃物含水率的预测精度好于春季模型和春季秋季混合模型.     

水稻二化螟［Chilo suppressalis（Walker）］发生期预测模型的探讨

本文利用福建省永安市１９７８－１９８８年诱虫灯下二化螟蛾发生期资料和气象资料,通过影响因子与预测对象的相关分析来选择初选因子．再应用逐步判别分析方法建立第一代二化螟蛾发生期的预测模型。经对历史资料的回报检验,该模型的判别率达９０．１－１００％;经１９８９和１９９０年实报,预报等级符合实际发生等级。     

水稻二化螟〔Chilo suppressalis（Walker）〕发生期预测模型的探讨

本文利用福建省永安市1978—1988年诱虫灯下二化螟蛾发生期资料和气象资料,通过影响因子与预测对象的相关分析来选择初选因子．再应用逐步判别分析方法建立第一代二化螟蛾发生期的预测模型。经对历史资料的回报检验,该模型的判别率达90.1—100%;经1989和1990年实报,预报等级符合实际发生等级。     

BP网络模型和LOGIT模型在森林害虫测报上的应用初报——以安徽省潜山县马尾松毛虫为例

以安徽省潜山县马尾松毛虫测报为例,在潜山县全县设置102个诱捕点,诱集越冬代成虫,并同时记录环境因子数据,例如树高、树龄、坡向、植被等。以这些环境因子为测报因子,以性外激素诱集到的雄蛾数代表田间实际发生情况,构建了森林重要害虫-马尾松毛虫的分类测报模型-BP人工神经网络和概率测报模型。BP网络模型的拟合率为100%,预留样检验报准率为100%。LOGIT模型的一致对率为74%。两类模型的拟合结果和预测结果基本吻合。BP网络的测报能力优于LOGIT模型。     

中南半岛前期异常气候条件对中国南方稻区褐飞虱灾变性迁入的影响及其预测模型

近30多年来,气候变化对中国褐飞虱的灾变性迁入带来了明显的影响,为了进一步了解虫源地的异常气候变化对我国褐飞虱迁入量的影响,利用1980—2016年中国各植保站提供的褐飞虱虫情资料及同期美国国家环境预测中心(NCEP)提供的全球气象再分析资料,分析了中国褐飞虱境外主要虫源地中南半岛前期异常气候条件对中国南方稻区褐飞虱发生程度的影响,并对褐飞虱发生等级与影响其迁飞的气象因子进行了相关性分析,筛选出关键预报因子,分别应用支持向量机(SVM)、BP神经网络和多元回归分析3种方法对代表站点褐飞虱年发生等级进行了预测,并比较了3种预测模型的优劣。结果表明:(1)中南半岛气候异常区主要分布在北部,异常气候的发生次数在中南半岛呈现出北高南低的特征,并从北向南呈环状递减。(2)中南半岛前期温度偏高(暖冬、暖春)、相对湿度偏大(湿冬、湿春),易引起褐飞虱在中国南方稻区的偏重以上发生;若中南半岛前期气候偏冷(冷冬、冷春)、偏干(干冬、干春),则常导致褐飞虱在中国南方稻区的偏轻以下发生。(3)通过比较3种模型的历史回代率和预测准确率,发现3种模型对褐飞虱的发生程度均有一定的预测能力,其中SVM模型的预测效果最好,BP神经网络次之,多元线性回归模型最差,表明SVM更加适用于生产实际中的褐飞虱发生程度预测。     

基于卷积神经网络及气象要素回归法的地表死可燃物含水率预测模型

地表可燃物含水率是森林火险等级和火行为变化的重要指标,其预测模型对于火险预测、火灾管理等具有显著作用。本研究基于蒙古栎及樟子松林地的野外气象因子以及地表死可燃物含水率数据,进行气象因子随机森林相对重要性排序以及皮尔逊相关性分析,并使用深度学习中的卷积神经网络以及气象要素回归法预测可燃物含水率。结果表明：野外蒙古栎的可燃物含水率显著高于樟子松。随机森林结果表明,对于可燃物含水率具有显著作用的因子排列顺序从大到小为湿度、温度、降雨、风速、太阳辐射;相关性分析表明,当日的温度、湿度、降雨对于可燃物含水率具有显著影响,同时,气象因子之间也存在一定的相关性。卷积神经网络模型对于蒙古栎及樟子松林地表可燃物含水率的预测R²分别为0.928、0.905,平均绝对误差(MAE)分别为6.1%、8.1%,平均相对误差(MRE)分别为8.9%、4.2%;气象要素回归法的R²分别为0.495、0.525,MAE分别为30.5%、39.5%,MRE分别为52.1%、32.6%,卷积神经网络模型精度显著高于气象要素回归法。研究表明,深度学习的卷积神经网络能够为今后的可燃...     

水稻白背飞虱发生程度的长期预测模型

气象条件影响白背飞虱Sogatellafurcifera发生发展 ,根据海气相互作用原理 ,海温的变化会引起大气环流系统的变化 ,同样制约各地气象条件。作者将西太平洋海温作为长期预报因子 ,根据场相关分析方法 ,找出与水稻白背飞虱发生程度各指标相关的强信号海区 ,应用最优化相关处理技术 ,大大增加了虫情发生指标和海温之间的相关度 ,建立了水稻白背飞虱始见期、迁入虫量及第五 ( 2 )代虫量可靠的长期预测模型 ,模型均通过了α=0 0 1显著性水平 ,拟合及试报结果理想 ,预报模型切实可行 ,可以投入业务使用 ,此研究对虫害防治和水稻生产具有重要指导意义     

绿盲蝽中期预测模型的组建与应用

【目的】随着转基因棉种植年限的延长,绿盲蝽Apolygus lucorum(Meyer-Dür)成为棉田主要害虫,建立准确的预测预报模型,可为绿盲蝽的防控奠定基础。【方法】通过收集整理基点16年(1993—2008年)绿盲蝽各代成若虫的发生高峰期与发生量以及平均气温、相对湿度、降雨量、雨日、光照时数等各项因子数据,利用DPSv8.05专业版数据处理系统,采用多因子逐步回归方法,从各代发生量、平均温度、雨量、湿度、光照时长等因子中筛选出4~5个相关显著的预测因子进一步用二次多项回归建立预测模型。【结果】初步建立了绿盲蝽各代发生期、发生量预测模型,进行了回代检验,并进一步利用6年(2009—2014年)的绿盲蝽实际发生数据对预测模型的应用效果就行了外延检测,总体测报准确率平均达到85%以上。【结论】建立的绿盲蝽中期测报模型准确率较高,农业技术推广部门可以在绿盲蝽的预测预报工作中加以应用。     

基于机器学习模型的沙漠腹地地下水含盐量变化过程及模拟研究

为了研究塔克拉玛干沙漠腹地的地下水盐分变化规律,模拟地下水盐分变化过程,评价适合该区域的地下水变化规律的模型。通过对研究区蒸发量、降水量、气温、气压、地下水位、地下水电导率数据的统计分析,揭示了地下水含盐量及其影响因素的特征;使用GP模型、GPLVM模型和BP人工神经网络模型以及综合模型,模拟了气候变化和人类活动双重影响下的地下水含盐量变化过程,并评价了模型的模拟结果。研究结果表明:(1)研究区地下水流动系统主要受气候变化和人类活动的影响,地下水位在局部地区随开采过程呈现波动变化。地下水位变化过程与气压的变化规律相一致;而气温和蒸发量的季节变化规律相一致。地下水盐分含量呈上升趋势。(2)GP模型对于地下水含盐量的预测效果最好;GPLVM模型对于已知地下水含盐量条件下,与其他环境因素进行多元回归分析的拟合效果最好。而GP、GPLVM和BP人工神经网络模型的综合模型,对于包括模型训练和模型预测的全体数据集的拟合和预测效果最好。     

我国林火发生预测模型研究进展

通过文献回顾,总结了国内林火发生预测模型的研究现状,并从林火发生驱动因子、林火发生概率预测模型、林火发生频次预测模型和模型检验方法等方面进行归纳分析。得出以下结论: 1)气象、地形、植被、可燃物、人类活动等因素是影响林火发生及模型预测精度的主要驱动因子;2)林火发生概率模型中,地理加权逻辑斯蒂回归模型考虑了变量之间的空间相关性,Gompit回归模型适宜非对称结构的林火数据,随机森林模型不需要多重共线性检验,在避免过度拟合的同时提高了预测精度,是林火发生概率预测模型的优选方法之一;3)林火发生频次模型中,负二项回归模型更适合对过度离散数据进行模拟,零膨胀模型和栅栏模型可以处理林火数据中包含大量零值的问题;4)ROC检验、AIC检验、似然比检验和Wald检验方法是林火概率和频次模型的常用检验方法。林火发生预测模型研究仍是我国当前林火管理工作的重点,预测模型的选择需要依据不同地区林火数据特点。此外,构建林火预测模型时需要考虑更多的影响因素,以提高模型预测精度;未来,需要进一步探索其他数学模型在林火发生预测中的应用,不断提高林火发生预测模型的准确度。     

基于人工神经网络的刚竹毒蛾发生面积的预测模型

根据神经网络的基本原理,结合福建省尤溪县气象因子及刚竹毒蛾发生面积的实测数据,建立神经网络模型。结果表明:所建立的BP神经网络模型,具有满意的拟合精度和预测精度。2个预留调查点的平均预测精度达96.55%,预测准确率为100%。     

基于温度影响因子的植物物候模型的应用研究

本文根据川渝地区的物候和气候资料,采用基于温度影响因子的热时物候模型,进行了植物春季物候模拟和检验,并对通过检验的物候模型在温度因子变化下的响应灵敏性进行了分析.仁寿刺槐、北碚刺槐、北碚紫荆三种植物的展叶期和始花期可以用热时模型来进行模拟预测,并且准确度较高.在置信度为68.3%,即绝对误差小于实测值标准差σ的区间内,仁寿刺槐展叶期预测值与实测值的拟合率为87.5%,北碚刺槐展叶期的拟合率为100%,北碚紫荆展叶期的拟合率为93.33%;仁寿刺槐始花期的拟合率为100%,北碚刺槐始花期的拟合率为100%,北碚紫荆始花期的拟合率为93.33%.三种植物春季物候模型对温度因子变化响应灵敏性显示:同期温度降低2°时,植物展叶期平均推迟13d以上,始花期平均推迟11d以上;同期温度升高2°时,植物展叶期平均提前15.2d以上,始花期平均提前9,8d以上.