CN103155836B

CN103155836B - 一种预测林业有害生物发生程度的方法

Info

Publication number: CN103155836B
Application number: CN201110421577.6A
Authority: CN
Inventors: 景天忠; 王志英; 齐凤慧
Original assignee: Northeast Forestry University
Current assignee: Northeast Forestry University
Priority date: 2011-12-16
Filing date: 2011-12-16
Publication date: 2014-09-24
Anticipated expiration: 2031-12-16
Also published as: CN103155836A

Abstract

本发明使用发生指数来度量林业有害生物的发生，将发生程度与发生面积结合起来，更准确地发映林业有害生物的发生情况。在根据发生指数来进行发生程度分级时，以大区域内的数据为依据。在预测时不直接使用气象数据，而是将气象因子的变化作为自变量。这样就将林业有害生物的发生在不同地理尺度上统一起来，预测模型既可用于小区域的预测(市、县)，也可用于大区域预测(省，全国)。

Description

一种预测林业有害生物发生程度的方法

技术领域

本发明属于林业有害生物发生预测领域，具体涉及一种预测林业有害生物发生程度的方法。

背景技术

林业有害生物的发生与环境因子密切相关。这些因子包括天敌、气象和立地因子等。利用环境因子来预测林业有害生物的发生方面的报道是不胜枚举。但长期以来，这些研究存在几个问题。一是以往的研究只是利用一个地区(通常为一个县或市，或一个林业局)的气象资料和松毛虫发生资料，由于进行的小区域的预测，林业有害生物发生程度的度量各不相同，因而无法进行大区域的预测；二是以往的研究中，要么利用虫口密度(病情指数)来度量有害生物的发生程度，要么利用发生面积来度量，没有将二者结合起来，不能全面反映其发生程度；三是从较大区域或全国范围来看，某一林业有害生物(如落叶松毛虫)在一些地区的发生总是较低，或者说从未大发生过。在气候变暖的背景下，在该地区可能大发生，但该地区的历史数据并不能提供与此相对应的气象资料及发生情况。也就是说，所有的预测都是基于历史数据的，如果没有大发生的历史数据，就不能预测可能的大发生。

发明内容

一种预测林业有害生物发生程度的方法，包括以下步骤：

(1)将林业有害生物发生的历史资料转换为发生指数OI或OI100， OI100＝OI×100，其中轻度发生的标准、中度发生的标准、重度发生的标准为《林业有害生物发生及成灾标准》(LY/T1681-2006)中的规定的标准；

(2)以OI或OI100的百分位数P35～P60，P60～P80，P80～P95为参考点，将有害生物的发生分为4级，使OI或OI100的各等级标准之间具有等比性或等差性；

(3)对非数量测报因子按常规方法进行数量化，对气象因子则用当前值与历史平均值之差作为测报因子，气象因子的历史平均值指过去3～5年，6～10年，11～15年，16～20年，21～25年，26～30年，31～35年，36～40年，41～50年，51～55年，56～60年，61～70年，71～80年，81～90年，91～100年或更长时间内的平均值；

(4)常规方法建立预测模型。

具体实施方式

实施例1、利用气象因子预测落叶松毛虫的发生

(1)发生指数OI100的计算

落叶松毛虫发生情况由国家林业局森林病虫害防治检疫总站提供为数据，包括2002年至2010年的轻度发生面积、中度发生面积、重度发生面积和寄主树种面积，覆盖了黑龙江、吉林、辽宁、内蒙古、河北、新疆等省区的有落叶松毛虫发生的市(县)。根据发生指数的定义，计算得发生指数OI100的范围为0-73.64，平均值为2.4713，标准误为0.1766，百分位数见表1。

表1落叶松毛虫历年发生指数的百分位数

(2)落叶松毛虫发生程度的分级

根据表1的数据，以百分位数P40-P45，P65-P70，P90-P95为参考点制定等级指标(保留1位小数)，将发生指数分为4级(表2)，使各等级标准呈以10为级差的等比数列。

表2发生指数的分级标准

(3)气象因子数据的处理

气象资料为各旬平均气温、各旬最高平均气温、各旬最低平均气温和各旬平均相对湿度，由国家气象中心提供。先求得1971-2007年的平均值，然后用当前值减去平均值所得的差作为预测因子。

(4)常规方法预测

采用逐步判别分析的方法，用SPSS 17.0计算。采用Wilks′Lambda法进行逐步判别，各组的先验概念由其样本量计算，其余参数默认。

逐步判别中，进入方程的变量只有3月中旬平均最高气温(MMT32)、上年10月中旬平均相对湿度(MRH102)和上年8月上旬平均相对湿度(MRH81)(表3)。各组的先验概率见表4。

表3进入方程的变量^{a，b，c，d}

每一步中，使Wilks′Lambda最小的变量进入方程。

a.最大步骤数为288。

b.进入方程的最小偏F值为3.84。

c.从方程中剔除的最大偏F值为2.71。

d.F的水平、容限或VIN值不足以进行进一步地计算。

表4各组的先验概率

判别方程的系数见表5，预测结果见表6，准确率为55.6％。

表5判别方程的系数

Fisher′s线性判别方程

表6判别的结果^a

a.准确率为556％。

Claims

1.一种预测林业有害生物发生程度的方法，包括以下步骤：

(1)将林业有害生物发生的历史资料转换为发生指数OI或OI100，发生指数的计算方法为：

其中轻度发生的标准、中度发生的标准、重度发生的标准为《LY/T1681—2006林业有害生物发生及成灾标准》中的规定的标准；

(2)根据发生指数，将林业有害生物发生程度分为4级；

(3)对非数量测报因子按常规方法进行数量化，对气象因子则用当前值与历史平均值之差作为测报因子；

(4)常规方法进行预测。

2.如权利要求1所述的方法，以OI或OI100的百分位数P35～P60，P60～P80，P80～P95为参考点，将有害生物的发生分为4级，使OI或OI100的各等级标准之间具有等比性或等差性。

3.如权利要求1所述的方法，对气象因子的历史平均值指过去3～5年，6～10年，11～15年，16～20年，21～25年，26～30年，31～35年，36～40年，41～50年，51～55年，56～60年，61～70年，71～80年，81～90年，91～100年或更长时间内的平均值。