CN103155836B - 一种预测林业有害生物发生程度的方法 - Google Patents
一种预测林业有害生物发生程度的方法 Download PDFInfo
- Publication number
- CN103155836B CN103155836B CN201110421577.6A CN201110421577A CN103155836B CN 103155836 B CN103155836 B CN 103155836B CN 201110421577 A CN201110421577 A CN 201110421577A CN 103155836 B CN103155836 B CN 103155836B
- Authority
- CN
- China
- Prior art keywords
- years
- occurrence
- forecasting
- standard
- harmful
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
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
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。
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)。
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 (3)
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。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110421577.6A CN103155836B (zh) | 2011-12-16 | 2011-12-16 | 一种预测林业有害生物发生程度的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110421577.6A CN103155836B (zh) | 2011-12-16 | 2011-12-16 | 一种预测林业有害生物发生程度的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103155836A CN103155836A (zh) | 2013-06-19 |
CN103155836B true CN103155836B (zh) | 2014-09-24 |
Family
ID=48579767
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110421577.6A Expired - Fee Related CN103155836B (zh) | 2011-12-16 | 2011-12-16 | 一种预测林业有害生物发生程度的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103155836B (zh) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103530528A (zh) * | 2013-10-29 | 2014-01-22 | 华为技术有限公司 | 评估方法及装置 |
CN104036129A (zh) * | 2014-06-06 | 2014-09-10 | 重庆市农业科学院 | 茶假眼小绿叶蝉测报专家知识库及其构建方法 |
CN104504473A (zh) * | 2014-12-24 | 2015-04-08 | 石河子大学 | 一种分阶段5日间隔的棉蚜发生等级预报方法 |
CN104933470A (zh) * | 2015-04-09 | 2015-09-23 | 中国农业科学院柑桔研究所 | 柑橘红蜘蛛发生期验证方法 |
CN107609666B (zh) | 2016-07-12 | 2021-04-16 | 塔塔咨询服务公司 | 使用历史农药使用信息进行害虫预测的系统和方法 |
EP3287007A1 (de) * | 2016-08-24 | 2018-02-28 | Bayer CropScience AG | Bekämpfung von schadorganismen auf basis der vorhersage von befallsrisiken |
CN117574096B (zh) * | 2024-01-15 | 2024-04-05 | 西安道法数器信息科技有限公司 | 基于大数据的农林有害生物预测方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101398317A (zh) * | 2008-10-28 | 2009-04-01 | 崔国发 | 针叶林群落状况测试方法 |
JP2010086276A (ja) * | 2008-09-30 | 2010-04-15 | Shinshu Univ | 樹種分類方法及び樹種分類システム、森林現況情報の作成方法及び森林現況情報の作成システム、間伐対象区域の選定方法及び間伐対象区域の選定システム |
CN101739511A (zh) * | 2009-12-16 | 2010-06-16 | 南京信息工程大学 | 一种减排林生态系统安全评价方法 |
CN101828503A (zh) * | 2010-05-12 | 2010-09-15 | 崔国发 | 一种森林资源可持续性的测试方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FI119394B (fi) * | 2005-12-02 | 2008-10-31 | Ponsse Oyj | Menetelmä metsäkoneen voimanlähteen ohjauksessa |
-
2011
- 2011-12-16 CN CN201110421577.6A patent/CN103155836B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2010086276A (ja) * | 2008-09-30 | 2010-04-15 | Shinshu Univ | 樹種分類方法及び樹種分類システム、森林現況情報の作成方法及び森林現況情報の作成システム、間伐対象区域の選定方法及び間伐対象区域の選定システム |
CN101398317A (zh) * | 2008-10-28 | 2009-04-01 | 崔国发 | 针叶林群落状况测试方法 |
CN101739511A (zh) * | 2009-12-16 | 2010-06-16 | 南京信息工程大学 | 一种减排林生态系统安全评价方法 |
CN101828503A (zh) * | 2010-05-12 | 2010-09-15 | 崔国发 | 一种森林资源可持续性的测试方法 |
Non-Patent Citations (5)
Title |
---|
《上海市危险性林业有害生物预警和防控体系构建》;郑根清;《华东森林经理》;20100515(第2期);第31-34页 * |
《林业有害生物灾害预测模型设计与实现》;谢芳毅;《北京林业大学硕士论文》;20090501;全文 * |
张孝羲.《农作物病虫的数理统计预测》.《农作物有害生物预测学》.北京市:中国农业出版社,2006,367-464页. * |
谢芳毅.《林业有害生物灾害预测模型设计与实现》.《北京林业大学硕士论文》.2009,全文. |
郑根清.《上海市危险性林业有害生物预警和防控体系构建》.《华东森林经理》.2010,(第2期),第31-34页. |
Also Published As
Publication number | Publication date |
---|---|
CN103155836A (zh) | 2013-06-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103155836B (zh) | 一种预测林业有害生物发生程度的方法 | |
CN106019409B (zh) | 一种臭氧浓度的分区预测方法及系统 | |
Szövényi et al. | Long‐distance dispersal and genetic structure of natural populations: an assessment of the inverse isolation hypothesis in peat mosses | |
CN105095589B (zh) | 一种山区电网风区分布图绘制方法 | |
CN111897030A (zh) | 一种雷暴预警系统及方法 | |
Zhu et al. | Landscape features influence gene flow as measured by cost-distance and genetic analyses: a case study for giant pandas in the Daxiangling and Xiaoxiangling Mountains | |
CN106529081A (zh) | 一种基于神经网络的pm2.5实时等级预测方法和系统 | |
Rimkus et al. | Temporal variation of extreme precipitation events in Lithuania | |
CN106845080B (zh) | 基于差异修正的景区旅游气象灾害智能预测方法 | |
CN107607692B (zh) | 基于土壤最大储水容量的土壤水分监测优化布点方法 | |
CN111678880B (zh) | 平流层臭氧侵入对流层中低层的卫星遥感识别方法及系统 | |
CN106919645A (zh) | 复杂地貌大景区的景点气象要素智能精细预测方法 | |
CN111582689A (zh) | 一种生态保护红线保护成效的评估方法及系统 | |
Rimkus et al. | Dryness dynamics of the Baltic Sea region | |
CN105574265B (zh) | 面向模型检索的装配体模型定量描述方法 | |
CN113836808A (zh) | 一种基于重污染特征约束的pm2.5深度学习预测方法 | |
CN113156394A (zh) | 基于激光雷达的森林资源监测方法、装置和存储介质 | |
CN113689053B (zh) | 一种基于随机森林的强对流天气架空线停电预测方法 | |
CN103093044A (zh) | 输电线路覆冰舞动分布图测绘方法 | |
Haughian et al. | On the distribution and habitat of Fuscopannaria leucosticta in New Brunswick, Canada | |
CN117172554A (zh) | 覆冰灾害风险预测方法、装置、设备及存储介质 | |
Mendes et al. | Air quality forecast by statistical methods: application to Portugal and Macao | |
CN111178756A (zh) | 一种基于环境大数据的多元线性回归火灾风险评估方法 | |
CN106682776A (zh) | 架空输电线路舞动精细化预测预警方法及系统 | |
CN109784720A (zh) | 一种台风灾害下基于时空网格关联的配电网风险评估方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140924 Termination date: 20161216 |