CN109034443A - 一种预测棉铃虫发生期的方法 - Google Patents

一种预测棉铃虫发生期的方法 Download PDF

Info

Publication number
CN109034443A
CN109034443A CN201810569224.2A CN201810569224A CN109034443A CN 109034443 A CN109034443 A CN 109034443A CN 201810569224 A CN201810569224 A CN 201810569224A CN 109034443 A CN109034443 A CN 109034443A
Authority
CN
China
Prior art keywords
bollworm
prediction
data
phase occurs
larva
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.)
Pending
Application number
CN201810569224.2A
Other languages
English (en)
Inventor
黄健
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
INSTITUTE OF DESERT METEOROLOGY CMA URUMQI
Original Assignee
INSTITUTE OF DESERT METEOROLOGY CMA URUMQI
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by INSTITUTE OF DESERT METEOROLOGY CMA URUMQI filed Critical INSTITUTE OF DESERT METEOROLOGY CMA URUMQI
Priority to CN201810569224.2A priority Critical patent/CN109034443A/zh
Publication of CN109034443A publication Critical patent/CN109034443A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Animal Husbandry (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Agronomy & Crop Science (AREA)
  • Mining & Mineral Resources (AREA)
  • General Health & Medical Sciences (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Agricultural Chemicals And Associated Chemicals (AREA)

Abstract

本发明公开一种预测棉铃虫发生期的方法，涉及农业害虫预测领域。本发明方法包括以下步骤：获取虫情数据、气象数据和环境数据；采用偏最小二乘法分析数据；筛选出主要影响因子；根据影响因子建立预测预报模型。利用该预测方法得到的预测模型可以计算棉铃虫幼虫发生高峰期的日期，解决了棉铃虫发生期预测不准确的问题，提高了预测能力，有利于开展预先防治工作，具有较大的应用价值。

Description

一种预测棉铃虫发生期的方法
技术领域
本发明涉及农业害虫预测领域，尤其涉及一种预测棉铃虫发生高峰期的方法。
背景技术
棉铃虫灾害发生预测预报通常采用生物因子和气象因子的预测方法。单独采用生物因子通常是只考虑了生物特征，使用数学模型进行预测，是理想化的预测，忽略了气象因子对生物的影响作用；单独采用气象因子只考虑了天气变化，忽略土壤温度对棉铃虫的影响，因为棉铃虫蛹的阶段是在土壤中进行羽化变成成虫，较高的土壤温度能缩短棉铃虫蛹在土壤中羽化的时间，从而尽快变化成虫进而产卵，因而预测与实际发生差别较大。
因此，如何结合多种因素，从而找到一个可以准确预测棉铃虫发生期的方法是当前亟待解决的问题。
发明内容
本发明的目的在于提供一种预测棉铃虫发生期的方法，从而解决现有技术中存在的前述问题。
为了实现上述目的，本发明采用的技术方案主要包括以下步骤：
S1获取虫情数据、气象数据和环境数据；
S2处理获取到的数据，建立预测预报模型；
S21采用偏最小二乘法分析数据；
S22筛选出影响棉铃虫发生期的主要影响因子；
S23根据影响因子建立预测预报模型。
优选的，步骤S1中所述的虫情数据包括百株卵量、百株幼虫量、每平方米蛹的数量、成虫数量和幼虫首现日。
优选的，步骤S1中所述的气象数据包括平均温度、最高温度、最低温度、相对湿度、日照时数、降水量和降雨天数。
优选的，步骤S1中所述的环境数据为土壤温度。
优选的，步骤S22中所述筛选出的主要影响因子的依据是该因子的解释方差达到85％以上。
优选的，步骤S22中所述的主要影响因子分别为棉铃虫幼虫首现日，平均最低气温，平均气温，土壤温度，空气相对湿度。
优选的，当预测一代棉铃虫发生期的时候，所述的主要影响因子分别为棉铃虫一代幼虫首现日，五月平均最低气温，五月平均气温，五月5厘米深处土壤温度，三月空气相对湿度。
优选的，当预测一代棉铃虫发生期的时候，步骤S23中所述的预测模型为Y＝0.417x1-1.954x2-1.594x3-1.064x4-0.370x5+212.351，其中Y为幼虫高峰期，x1为棉铃虫一代幼虫首现日，x2为五月平均最低气温，x3为五月平均气温，x4为五月 5厘米深处土壤温度，x5为三月空气相对湿度。
本发明的有益效果是：
本发明提供的预测方法结合棉铃虫害虫数据、气象数据和土壤温度多方面因素，通过数学统计方法，科学计算得到了预测模型；利用该模型可以计算棉铃虫幼虫发生高峰期的日期，解决了棉铃虫发生期预测不准确的问题，提高了预测能力，有利于开展预先防治工作，具有较大的应用价值。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下内容对本发明进行进一步详细说明。应当理解，此处所描述的具体实施方式仅仅用以解释本发明，并不用于限定本发明。
实施例
本实施例以新疆巴楚县为例，进行一代棉铃虫发生高峰日期预测。
S1获取虫情数据、气象数据与环境数据
获得新疆巴楚县1991-2008年的历史数据,包括虫情资料数据、气象数据，虫情数据包括百株卵量、百株幼虫量、每平方米蛹的数量、成虫数量、一代幼虫首现日；气象数据包括五月的平均温度、五月的最高温度、五月最低温度、三月相对湿度、五月日照时数、五月降水量、五月降雨天数；环境数据包括五月地表5里面处土壤温度。
S2处理所获得数据，建立预测预报模型
S21采用偏最小二乘法进行数据统计；
由于多种数据共同作用，为避免出现共线性的问题从而影响预测准确性，故采用偏最小二乘法(PLS)，它能有效解决过拟合问题，并且优于主成分分析法，因而具有较高的准确性；
S22根据数据统计结果，筛选出五个主要影响因子，分别是棉铃虫一代幼虫首现日，五月平均最低气温，五月平均气温，五月5厘米深处土壤温度，三月空气相对湿度；而且这五个影响因子的解释方差达到85％以上；
S23根据这5个因子建立预测预报模型。Y＝0.417x1-1.954x2-1.594x3 -1.064x4-0.370x5+212.351,其中Y为幼虫高峰期，x1为棉铃虫幼虫首现日，x2为五月平均最低气温，x3为五月平均气温，x4为五月五厘米处土壤温度，x5为三月空气相对湿度。
S3检验预测模型的准确性
为了检验本发明得到的模型预测准确率，对当年虫情数据按照《棉铃虫测报调查规范(GB/T 15800-2009)》进行调查，得到百株卵量、百株幼虫量、每平方米蛹的数量、成虫数量、一代幼虫首现日；气象数据和土壤温度由当地气象部门提供相应数据。应用所采集的数据和所建立的模型对新疆巴楚县2009-2015年棉铃虫发生期的预测结果见下表：
表用所建模型(含土壤温度因子)与无土壤温度因子模型预测发生高峰日期的比较
注：实际发生期为均联日(即以1月1日记为1)，带负号表明预测值比实际发生的提前。
由表中的结果表明，本发明所建的含土壤温度因子的预测模型误差较小，优于不含土壤温度因子的预测模型，因此所建预测模型对于棉铃虫实际发生的防治有应用价值。
通过采用本发明公开的上述技术方案，得到了如下有益的效果：
本发明提供的预测方法结合棉铃虫害虫数据、气象数据和土壤温度多方面因素，通过数学统计方法，科学计算得到了预测模型；利用该模型可以计算棉铃虫幼虫发生高峰期的日期，解决了棉铃虫发生期预测不准确的问题，提高了预测能力，有利于开展预先防治工作，具有较大的应用价值。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视本发明的保护范围。

Claims (9)

1.一种预测棉铃虫发生期的方法，其特征在于，包括以下步骤：
S1获取虫情数据、气象数据和环境数据；
S2处理获取到的数据，建立预测预报模型。
2.根据权利要求1所述的预测棉铃虫发生期的方法，其特征在于，步骤S1中所述的虫情数据包括百株卵量、百株幼虫量、每平方米蛹的数量、成虫数量和幼虫首现日。
3.根据权利要求1所述的预测棉铃虫发生期的方法，其特征在于，步骤S1中所述的气象数据包括平均温度、最高温度、最低温度、相对湿度、日照时数、降水量和降雨天数。
4.根据权利要求1所述的预测棉铃虫发生期的方法，其特征在于，步骤S1中所述的环境数据为土壤温度。
5.根据权利要求1所述的预测棉铃虫发生期的方法，其特征在于，步骤S2具体包括：
S21采用偏最小二乘法分析数据；
S22筛选出影响棉铃虫发生期的主要影响因子；
S23根据影响因子建立预测预报模型。
6.根据权利要求5所述的预测棉铃虫发生期的方法，其特征在于，步骤S22中所述筛选出的主要影响因子的依据是该因子的解释方差达到85％以上。
7.根据权利要求5所述的预测棉铃虫发生期的方法，其特征在于，所述的主要影响因子分别为棉铃虫幼虫首现日，平均最低气温，平均气温，土壤温度和空气相对湿度。
8.根据权利要求5所述的预测棉铃虫发生期的方法，其特征在于，预测一代棉铃虫发生期的时候所述的主要影响因子分别为棉铃虫一代幼虫首现日，五月平均最低气温，五月平均气温，五月5厘米深处土壤温度和三月空气相对湿度。
9.根据权利要求5所述的预测棉铃虫发生期的方法，其特征在于，预测一代棉铃虫发生期的时候所述的预测模型为Y＝0.417x1-1.954x2-1.594x3-1.064x4-0.370x5+212.351，其中Y为幼虫高峰期，x1为棉铃虫一代幼虫首现日，x2为五月平均最低气温，x3为五月平均气温，x4为五月5厘米深处土壤温度，x5为三月空气相对湿度。
CN201810569224.2A 2018-06-05 2018-06-05 一种预测棉铃虫发生期的方法 Pending CN109034443A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810569224.2A CN109034443A (zh) 2018-06-05 2018-06-05 一种预测棉铃虫发生期的方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810569224.2A CN109034443A (zh) 2018-06-05 2018-06-05 一种预测棉铃虫发生期的方法

Publications (1)

Publication Number Publication Date
CN109034443A true CN109034443A (zh) 2018-12-18

Family

ID=64612038

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810569224.2A Pending CN109034443A (zh) 2018-06-05 2018-06-05 一种预测棉铃虫发生期的方法

Country Status (1)

Country Link
CN (1) CN109034443A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112200368A (zh) * 2020-10-13 2021-01-08 广东省科学院智能制造研究所 一种蚊子数量预测方法及系统
CN116402177A (zh) * 2022-11-28 2023-07-07 中化现代农业有限公司 一种二点委夜蛾发生程度预测方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
周志香等: "棉铃虫综合因素预报模型研究", 《中国农业气象》 *
黄健等: "积雪和冬季气候条件对棉铃虫年发生程度的影响", 《沙漠与绿洲气象》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112200368A (zh) * 2020-10-13 2021-01-08 广东省科学院智能制造研究所 一种蚊子数量预测方法及系统
CN112200368B (zh) * 2020-10-13 2022-12-20 广东省科学院智能制造研究所 一种蚊子数量预测方法及系统
CN116402177A (zh) * 2022-11-28 2023-07-07 中化现代农业有限公司 一种二点委夜蛾发生程度预测方法及系统
CN116402177B (zh) * 2022-11-28 2024-01-26 中化现代农业有限公司 一种二点委夜蛾发生程度预测方法及系统

Similar Documents

Publication Publication Date Title
Caldwell et al. Declining water yield from forested mountain watersheds in response to climate change and forest mesophication
Zhang et al. Climate trends and crop production in China at county scale, 1980 to 2008
Suleiman et al. Evaluation of FAO-56 crop coefficient procedures for deficit irrigation management of cotton in a humid climate
Li et al. Evaluation and application of ORYZA2000 for irrigation scheduling of puddled transplanted rice in north west India
Kross et al. Moist‐soil seed abundance in managed wetlands in the Mississippi Alluvial Valley
Reynolds et al. Adapting crops to climate change: a summary
Pirmoradian et al. Simulating the effects of climatic fluctuations on rice irrigation water requirement using AquaCrop
Cao et al. Dynamics in concentrations of Blumeria graminis f. sp tritici conidia and its relationship to local weather conditions and disease index in wheat
JP7232515B2 (ja) 農作物用土壌環境予測システム、農作物用土壌環境予測装置、及び農作物用土壌環境予測方法
Narjary et al. Population dynamics of mustard aphid in relation to humid thermal ratio and growing degree days
Bu et al. The effect of adapting cultivars on the water use efficiency of dryland maize (Zea mays L.) in northwestern China
Carisse et al. Grape powdery mildew (Erysiphe necator) risk assessment based on airborne conidium concentration
Kwon et al. Effects of meteorological factors and global warming on rice insect pests in Korea
CN109034443A (zh) 一种预测棉铃虫发生期的方法
Villani et al. Climatic scenarios and their impacts on irrigated agriculture in Emilia-Romagna, Italy
Cao et al. Development of weather-and airborne inoculum-based models to describe disease severity of wheat powdery mildew
Taylor et al. Relative performance of five forecasting schemes for potato late blight (Phytophthora infestans) I. Accuracy of infection warnings and reduction of unnecessary, theoretical, fungicide applications
Fernández-González et al. First assessment of Goidanich Index and aerobiological data for Plasmopara viticola infection risk management in north-west Spain
Ye et al. A new modified resource budget model for nonlinear dynamics in citrus production
Onesti et al. Production of pycnidia and conidia by Guignardia bidwellii, the causal agent of grape black rot, as affected by temperature and humidity
Friedrich et al. Development of ZWIPERO, a model forecasting sporulation and infection periods of onion downy mildew based on meteorological data
Bourgeois et al. Modelling the impact of climate change on disease incidence: a bioclimatic challenge
Magarey et al. How to create and deploy infection models for plant pathogens
Fernández-González et al. Estimation of yield ‘Loureira’variety with an aerobiological and phenological model
Pethybridge et al. Minimizing crop damage through understanding relationships between pyrethrum phenology and ray blight disease severity

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20181218

RJ01 Rejection of invention patent application after publication