多因子综合相关法的简化——条件频率法

<正> 《农作物害虫预测预报的多因子综合相关法》(朱伯承1975昆虫学报第18卷第4期),以下简称综合相关法。此法最大的优点是无需解多元线性代数方程组,经直接分析各因子与预报量的“单相关”,即可建立预报方程。这种方法发表后,我们进行过试用,方法和效果是肯定的。但应用此法除需要逐一计算各个单相关外,特别是需要计算其常数项(b)及系数项(b_(lk)~l),从而建立预报方程(P_l)及进行“0,1”特征处理,计算虽然较简单,但较繁锁,稍不留心,容易搞错。而条件频率法是多因子综合相关法的简化,它比综合相关法更简便、易学,其效果和综合相关法是完全一样的。介绍如下。     

农作物害虫预测预报的多因子综合相关法

农作物害虫的发生是由各方面因子决定的,因此在进行害虫预测预报时必须要考虑各方面因子的作用。 本文介绍多因子综合相关的预报方法,把预报量和各预报因子按一定标准化为若干级,用特征资料“0,1”表示之。经直接分析各因子与预报量的“单相关”建立预报方程。     

条件频率法的改进──加权频率法

条件频率法和综合相关法[1,2]都是将预报因子对预报对象的作用等同对待。在许多实际问题中,各预报因子所起的作用往往是不同的,用条件频率法或综合相关法来预测,无疑会影响其预报的准确性。为了解决这一问题,作者在本文中提出了一种新的简便预测方法──加权频率法。1基本原理与方法首先将原始资料依据分级标准进行分级。设有m个预报因子工人xj（j=1,2,……,m）分为s级,预报对象y分为r级。然后根据各预报因子与预报对象分级数码制作额数列联表,将xj处于k（k=1,2,……,s）级时的总个数,以nk·表示;将xj处于k级时,y=1（1=1,2…     

分级统计法预报昆虫发生期和发生量

<正> 分级统计法就是预报量和预报因子分为多级。用数理统计预报昆虫发生期和发生量的一种统计预报方法。这个方法运算简便,易学易懂,且预报准确率较高,值得推行。 一、基本原理 将预报因子x分成k级(k=1,2,3,…,s),预报量y分成l级(l=1,2,3,…,s),然后把历年测报数值,按预报要素(预报因子和预报量通称谓预报要素,简称要素)分级标准演化为分级表,组建x_1;x_2,…x_m的列联表,在列联表的基础上计算概率贡献进行预报。 第j个预报因子对预报量y处于l级的概率贡献公式为:     

昆虫种群动态预测的加权列联表分析法

<正> 昆虫种群动态的预测预报是昆虫种群数理生态学研究的重要方面之一。近些年来,不少数学分析方法和预报模型相继提出,列联表分析就是其中之一,如朱伯承提出的由列联表直接分析各因子与预报量的“单相关”,从而建立预报方程(下简称“综合相关法”)以及李火苟提出的用条件频率法简化《综合相关法》(下简称“条件频率法”)等。 本文将在上述工作的基础上,给出一种能充分、客观利用信息,试报满意,算法简便的以表征各因子相关程度的随机列联系数为权重,定义因子和预报量的条件频率之和的列联参数为预报依据的加权列联表因素分析方法,并举例说明之。     

棉铃虫年发生量长期预报多因子相关试测

<正> 为了提高棉铃虫年发生量长期预报的准确性,笔者将本所(赣北州地)多年测报观察的数据资料进行多因子综合相关试测。现整理报告如下。 一、多因子综合相关试测的计算 (一)全年20瓦黑光灯下棉铃虫蛾量 经综合分析和两数相关系数的“显著”性测定,笔者认为影响全年20瓦黑光灯下棉铃虫蛾量长期预报的因子虽较复杂,然其主要的有当年1月上旬降雨量,3月中旬平均气温,5月上旬平均气温,5月中旬降雨量等(表1)。 经两数相关分析及计算两数相关直线回归预测式其结果见表2。     

麦长管蚜发生量预测预报方法的研究

本文应用我市10年资料,分别把小麦抽穗期(5月上旬)和灌浆末期(5月下旬)麦长管蚜发生量作为预报量,首先采用相关系数法选出(1)抽穗期蚜量预报因子:冬前秋苗期虫源基数(x_1);1月份平均气温(x_2);4月中旬降雨量(x_3)。(2)灌浆末期蚜量预报因子:5月上旬温雨系数(x_1);抽穗期蚜量基数(x_2)。然后分别采用“多因子简化综合相关法”和“模糊列联表法”进行预报,经回报检验,11年准确率分别为90.9％和86.4％,均明显高于经验预报,具有较好的实用价值。     

利用模糊综合决策技术预报病虫发生量

<正> 病虫的发生量是由许多因素综合影响的,有主要的、有次要的,“非关键因子”虽然不能决定病虫发生的程度,但许多这样的因素累积作用的结果,对发生量也有很大的影响,因此,准确的发生量预报必须考虑这些“非关键因子”的作用。 本文所介绍的模糊综合决策法是应用模糊数学对资料进行处理,通盘考虑诸因素权重分配,通过计算模糊关系矩阵求得各级发生频率,作出预报判断,计算简单,判断准确,比一般的数理统计具有明显的优点。     

植物QTL分析的理论研究进展

数量性状的表型是由数量性状基因座 ( Quantitative trait locus,QTL)和环境效应共同作用的结果。传统的数量遗传学采用统计学的方法由一级统计量和二级统计量描述处理 QTL的复合作用 ,估计各种遗传参数 (例如遗传力、遗传相关、遗传进度、有效因子数等 ) ,用于指导遗传育种实践。然而 ,在传统的数量遗传学分析中 ,往往假设数量性状受微效多基因控制 ,这些基因具有相同的并且是较微小的效应 ,所估计的遗传参数反映的是数量性状多基因系统的整体特征 ,其理论方法不能用于追踪研究和描述单个数量性状基因的作用。近年来 ,由于分子生物学技…     

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。     

虫情分类预报的模糊集判别法

<正> 判别法是先将预报对象划好类,再构造一个判别函数,然后根据判别函数求出判别临界值来判别未来虫情类别。如《分辨法在虫情测报上的应用》一文所介绍的。此法由于需要解多元线性代数方程组,在预报因子众多,作多级预报时,使用起来很不方便。 本文介绍的模糊集判别法是应用模糊数学对资料进行处理,通过计算各交点距离大小来作预报判断,无需解多元线性代数方程组,是各种害虫分类预报的简便方法之一。     

应用综合距平相关法预报三麦粘虫发生期

本文应用我县12年资料,把三麦粘虫发生期作为预报量,首先采用符号法选出了预报因子:4月上旬温度(X_1);3月下旬至4月中旬温度(X_2);4月下旬降雨量(X_3);卵高峰日(X_4);雌蛾高峰日(X_5)。然后对综合距平相关法的实际应用作了介绍。     

大气环流特征量的水稻白背飞虱发生程度预报模型的研究

根据500hPa大气环流特征量能表征天气形势和控制天气条件的这一特性,利用线性及单调曲线相关与最优化因子相关两种技术对环流特征量因子进行普查、对比分析,发现白背飞虱虫情指标与环流因子之间关系不仅是线性及几种单调曲线的关系,而且还存在非线性、非单调的单峰(谷)型的相关关系,并从中挑选一批与水稻白背飞虱虫情指标相关极其显著、稳定性强、因子间相互独立、可靠的大气环流特征量作为预报因子,在此基础上,建立了江苏省水稻白背飞虱虫情指标预报的环流模型,且还证实了模型中的环流因子与影响白背飞虱迁入、发生发展的气象条件呈显著相关关系,为预报白背飞虱发生程度提供了新的长期因子和新途径。     

Fuzzy分析方法在越冬代三化螟蛾高峰期预报的应用

目前,用于害虫发生期测报的数学方法甚多,比较精确的一类方法是数理统计预测法,如综合相关,多元线性回归等[1～4]。实践证明,这些方法在一些情况下具有较高的准确性。但是,这类方法多数是建立在预报因子与预报对象的线性关系上,而大多数情况下预报因子与预报对象不表现这种关系。因此,有必要对这些方法进行改进。本文用模糊（Fuzzy）分析方法预报他各代三化螟蛾高峰,较好地解决了这些问题。观依据将乐23年历史资料,通过相关筛选法,选取x1：上年11月至当年2月极端最低气温（℃）;x2：3月平均地温（℃）x3：3月而日（天）ZX。：…     

马尾松毛虫幼虫高峰期发生量的预测模型研究

【目的】为了提高马尾松毛虫Dendrolimus punctatus Walker发生量预测预报结果的准确性,为选用合适的预测模型提供依据。【方法】本文用平稳时间序列法、回归预测法、BP神经网络法、马尔科夫链法和列联表多因子多级分析预测法研究建立安徽省潜山县1983—2016年33年的马尾松毛虫1代和2代幼虫高峰期发生量的预测模型,并对5种模型进行比较。【结果】以卵高峰期卵量为自变量的回归模型、多元回归模型和逐步回归模型预测结果与实际值相差0.21~0.31头/株,其它8个一元回归预测结果与实际值相差1.06~1.58头/株。平稳时间序列预测2015和2016年的结果与实际值完全相符。BP神经网络预测结果若以误差标准为1头/株,1983—2014年预报准确率1代为90.32%,2代为100%。马尔科夫链预测2015和2016年,预测结果与实际值完全相符,均为1级。列联表多因子多级综合相关分析法预测2015和2016年的结果与实际值完全相符,1983—2014年1代幼虫高峰期发生量预测的历史符合率均为90.32%,2代为83.47%。为了研究不同分级标准对预测值的影响,将2代幼虫高峰期发生量的1级标准改为小于3.5头/株,则历史符合率为74.19%。【结论】上述方法中,回归预测法自变量的选择是预报准确的关键;时间平稳序列法适用于害虫发生过程符合平稳时间序列的标准;马尔科夫链法和列联表分析法分级标准科学与否直接影响预测结果的准确性;BP神经网络法可用于自变量与预报量非线性关系的研究,是一种比较理想的预报方法。     

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。     

丹顶鹤多尺度生境选择机制——以黄河三角洲自然保护区为例

生境在鸟类生活史中发挥着重要的作用,关系到鸟类的生存和繁衍。由于鸟类对环境变化的响应发生在等级序列空间尺度上,基于多尺度的研究更能深入刻画鸟类-环境之间关系。以丹顶鹤(Grus japonensis)为研究对象,以其迁徙和越冬的重要地区-黄河三角洲自然保护区为研究区域,应用等级方差分解法和等级划分法,分析丹顶鹤与微生境、斑块、景观尺度因子之间的关系,探求丹顶鹤生境选择的主要影响因素和尺度。等级方差分解结果表明,在第1等级水平,景观尺度因子与微生境、斑块尺度因子之间的联合效应大于独立效应,景观尺度因子的独立效应大于微生境和斑块尺度因子;在第2等级水平,景观尺度上的景观组成因子重要性大于景观结构因子,微生境尺度上的植被和水分因子为重要影响因素。等级划分结果表明,景观尺度上,翅碱蓬滩涂、水体面积大小是主要影响因素;微生境尺度上,植被盖度和水深为主要限制因子;在斑块尺度上,斑块类型对丹顶鹤生境选择最为重要。研究认为,在黄河三角洲自然保护区,景观尺度是影响丹顶鹤生境选择的主要尺度,景观尺度因子通过与微生境和斑块尺度因子的独立和联合作用制约着丹顶鹤在保护区的生境选择和空间分布格局。建议加强对翅碱蓬滩涂、芦苇沼泽、水体等湿地生境的保护和管理,规范和控制保护区内人类活动强度。     

河北省小麦白粉病发生气象等级动态预警

根据河北省4县2001—2010年小麦白粉病病情和逐日气象资料,采用因子膨化、秩相关分析、通径分析、Bayes准则、模糊数学(Fuzzy)和广义回归神经网络(GRNN)等方法,筛选影响小麦白粉病发生的关键期和关键因子,建立了小麦白粉病发生气象等级指标模型、基于Bayes准则的Fuzzy模型和基于Fuzzy模型的GRNN模型。结果表明:影响河北4县小麦白粉病发生气象等级的关键因子是前三候至当候的平均温度、前三候至当候的降水量、前三候至当候的降雨系数和前一候的小麦白粉病实际发生等级;3种预警模型具有层层递进的关系,预报准确率基于Fuzzy模型的GRNN模型基于Bayes准则的Fuzzy模型指标模型,并均超过了85%,可以用于对候尺度小麦白粉病发生等级进行中短期预报。     

水稻三化螟发生趋势预测初探

<正> 在桂南双季稻地区,早稻的增产与否对全年的稻谷产量具有决定性的影响。因为,在一般情况下,早稻的病、虫、风害都比较少,只要禾苗生长良好,丰收即已在望。并不象晚稻那样,非得要全部收获以后才能决定产量的多少。而在早稻生育期间,一般来说,也是前期病、虫害较少,后期则较多。因此,在早稻孕穗期以后做好各种主要病、虫发生趋势预报,以防患于未然,这已经是摆在人们面前的严重任务了。本文就是从这点出发,并根据多年历史资料,应用“多因子综合相关”法,对水稻三化螟第二代的发生趋势(螟害白穗率)进行了初步探讨。结果如