CN104794537A - 一种柑桔矢尖蚧发生期预测模型建立方法 - Google Patents

Abstract

本发明公开了一种柑桔矢尖蚧发生期预测模型建立方法，步骤包括：S1：获取虫情资料数据；S2：处理所述步骤S1获得的虫情资料数据，并建立预报模型；S3：检验所述步骤S2建立的预报模型。使用本发明提供的一种柑桔矢尖蚧发生期预测模型建立方法用多因子交互回归模拟的数理模型，既考虑各个自变量与因变量的单相关关系，又考虑各自变量之间相互影响的关系，模拟结果可靠。

Description

一种柑桔矢尖蚧发生期预测模型建立方法

技术领域

本发明属于病虫防治领域，具体涉及一种柑桔矢尖蚧发生期预测模型建立方法。

背景技术

柑桔矢尖蚧Unaspis yanonensis又名箭头介壳虫、白厌，是危害柑桔生产的重要害虫之一，属同翅目Homoptera，盾蚧科Diaspididae。我国各柑桔产区均有分布。不仅危害柑桔，还在花椒、龙眼、兰花、香樟上发生。寄生在柑桔的枝梢、叶片和果实上，柑桔树被害后大部分枝叶干枯、卷缩，严重削弱树势，产量下降，影响果实的外观和品质，甚至整株树枯死。目前对矢尖蚧的研究主要集中在生物学、生态学、生物防治、发生规律及防治等方面，张永毅利用矢尖蚧卵的发育进行分级方法，预测矢尖蚧第一代发生期，该预测方法的结果与实际发生情况基本吻合，但矢尖蚧卵的分级方法不容易被多数人掌握。学者已对矢尖蚧的发生规律有深入研究，但需借助统计学原理和数学方法，建立数理模型，构建早期监测和预报***，为防灾、减灾规划和决策提供信息支持。搞好发生期预测预报，是减少柑桔矢尖蚧扩散蔓延，指导生产上进行适时防治的重要措施。笔者分析多年历史资料，选择历年发生防治时期、发生期前几个月的温度、湿度、雨量、雨日、日照等气象资料，作为预测因子，使用逐步回归方法组建矢尖蚧发生期的预测预报模型，并对其发生防治进行及时的预报。

发明内容

本发明的目的之一是为解决柑桔矢尖蚧虫害发生期预测的难题，提供一种准确、可靠的柑桔矢尖蚧发生期预测模型建立方法。

本发明提供一种柑桔矢尖蚧发生期预测模型建立方法，步骤包括：

S1：获取虫情资料数据；

S2：处理所述步骤S1获得的虫情资料数据，利用当年以前5年矢尖蚧在某地区发生的***历史资料，将前5年害虫发生防治数据和气象资料用来建模，采取多因子互作逐步回归，建立发生期的预测预报模型；

S3：检验所述步骤S2建立的预报模型。

进一步的，所述步骤S1具体包括：

根据各年度天气情况，从每年4月中旬开始，每3～5天巡视有矢尖蚧发生的果园，检查矢尖蚧的发生初见日；

确定初见日后，每5～7天检查矢尖蚧的发育进度，确定合适的防治时期，记录每年的防治时期，进行***监测。

进一步的，所述步骤S2还包括：建立发生期的预测预报模型后，用最后一年的资料用来检验。

进一步的，所述步骤S3具体包括：

将本年的发生实况资料，应用病虫测报应验程度判定模式进行验证，从而判断组建模型的可行性；发生期预报应验程度判定模式为：

$\mathrm{ST}=100{*e}^{\frac{-\mathrm{\π}}{\ln t}*{\left(\frac{a_1-a_2}{\mathrm{\δ}}\right)}^2}$

其中，ST为发生期判定模式的分值；ST<40表明预报不准确，40≤ST<60表明预报比较准确，ST≥60表明预报准确；a₁为实测值，a₂为预测值；δ为预报对象常年标准差，t为自预报发出至实际发生时的期距。

本发明的有益效果在于，使用本发明提供的一种柑桔矢尖蚧发生期预测模型建立方法用多因子交互回归模拟的数理模型，既考虑各个自变量与因变量的单相关关系，又考虑各自变量之间相互影响的关系，模拟结果可靠。

附图说明

图1所示为本发明流程图。

具体实施方式

下文将结合具体附图详细描述本发明具体实施例。应当注意的是，下述实施例中描述的技术特征或者技术特征的组合不应当被认为是孤立的，它们可以被相互组合从而达到更好的技术效果。

图1所示为本发明流程图。

如图1所示，本发明提供一种柑桔矢尖蚧发生期预测模型建立方法，步骤包括：

S1：获取虫情资料数据；

S2：处理所述步骤S1获得的虫情资料数据，利用当年以前5年矢尖蚧在某地区发生的***历史资料，将前5年害虫发生防治数据和气象资料用来建模，采取多因子互作逐步回归，建立发生期的预测预报模型；

S3：检验所述步骤S2建立的预报模型。

进一步的，所述步骤S1具体包括：

根据各年度天气情况，从每年4月中旬开始，每3～5天巡视有矢尖蚧发生的果园，检查矢尖蚧的发生初见日；

确定初见日后，每5～7天检查矢尖蚧的发育进度，确定合适的防治时期，记录每年的防治时期，进行***监测。

进一步的，所述步骤S2还包括：建立发生期的预测预报模型后，用最后一年的资料用来检验。

进一步的，所述步骤S3具体包括：

将本年的发生实况资料，应用病虫测报应验程度判定模式进行验证，从而判断组建模型的可行性；发生期预报应验程度判定模式为：

$\mathrm{ST}=100{*e}^{\frac{-\mathrm{\&pi;}}{\ln t}*{\left(\frac{a_1-a_2}{\mathrm{\&delta;}}\right)}^2}$

其中，ST为发生期判定模式的分值；ST<40表明预报不准确，40≤ST<60表明预报比较准确，ST≥60表明预报准确；a₁为实测值，a₂为预测值；δ为预报对象常年标准差，t为自预报发出至实际发生时的期距。

实施例：

根据历年调查柑桔矢尖蚧发生发展情况及防治资料，结果显示：重庆市北碚区柑桔矢尖蚧发生及防治时期基本一致，初见日在4月中、下旬出现，5月中、下旬为发生高峰期，因此5月中旬至5月下旬是该地防治的关键时期。

1、发生期预测模型的建立

简单回归模型Y_I表明，柑桔矢尖蚧在重庆北碚的第一代发生高峰期与当年3月份的总日照、雨日和当年4月份的总雨量呈密切的正相关关系，表明日照、雨日和雨量是影响矢尖蚧发生高峰期的重要因子，3月份的总日照时数越高、雨日数越多、4月份的总雨量越大，发生高峰期就越晚，反之发生越早；

其中：Y_I＝-5.68551602+0.04973327072X₉+1.4791092900X₁₀+0.031163961693X₁₂。

多因子互作回归模型Y_II表明，3月份的雨日数、总日照时数和4月份的总雨量均作为预测因子入选该预测预报模型，其发生高峰期与3月份的雨日数呈正相关关系，与3月份的总日照时数和4月份的总雨量等因子的互作之间有相关关系；

其中：Y_II＝-1.905087991+1.4637804299X₁₀+0.0004349273709X₉*X₁₂。

下表所示为表重庆北碚柑橘矢尖蚧发生期的预测因子历史数据及拟合值：

其中，X1、X2、X3、X4、X5分别为2月份的平均温度、总降雨量、平均相对湿度、总日照时数和雨日数；X6、X7、X8、X9、X10分别为3月份的平均温度、总降雨量、平均相对湿度、总日照时数和雨日数；X11、X12、X13、X14、X15分别为4月份的平均温度、总降雨量、平均相对湿度、总日照时数和雨日数；Y为矢尖蚧1、2龄发生高峰期，其中5月1日为1，平均温度单位为℃、总降雨量单位为㎜、平均相对湿度单位为％、总日照时数单位为h和雨日数单位为d。

2、发生期模型拟合率检验

将2014年的数据资料，应用唐启义提出的应验评判方程，对重庆市北碚区的矢尖蚧发生高峰期预测预报模型进行检验，结果表明，用简单逐步回归模拟的模型，评分分值较低，为28.9053，小于40，结论为不准确。尽管前5年的拟合值都接近实测值，但未进入模型的一年的拟合值与实测值之间有较大差距。

用多因子交互进行逐步回归拟合的模型，评分分值相对较高，为41.3167，大于40，结论为准确。因此，用简单逐步回归分析进行预测预报来组建模型时，只考虑各个自变量与因变量的单相关关系，而不考虑各自变量之间相互影响的关系，其模拟结果不及多因子交互回归的结果可靠。

根据模拟结果，北碚区2014年矢尖蚧发生高峰期，简单回归拟合值为20.54，即5月20日～5月21日之间，多因子交互模型拟合值为19.67，即5月19日～5月20日之间，实际发生高峰期值为5月15日。两种方法的拟合结果比较，多因子交互模型拟合值更接近实测值。

重庆市北碚区柑桔矢尖蚧发生期预测模型验证表如下所示：

模拟方式	a1	a2	t	δ	ST	结论
							I	15	20.538	15	5.3541	28.9053	不准确
II	15	19.6735	15	5.3541	41.3167	准确

使用本发明提供的一种柑桔矢尖蚧发生期预测模型建立方法用多因子交互回归模拟的数理模型，既考虑各个自变量与因变量的单相关关系，又考虑各自变量之间相互影响的关系，模拟结果可靠。

本文虽然已经给出了本发明的一些实施例，但是本领域的技术人员应当理解，在不脱离本发明精神的情况下，可以对本文的实施例进行改变。上述实施例只是示例性的，不应以本文的实施例作为本发明权利范围的限定。

Claims (4)

1.一种柑桔矢尖蚧发生期预测模型建立方法，其特征在于，步骤包括：

S1：获取虫情资料数据；

S2：处理所述步骤S1获得的虫情资料数据，利用当年以前5年矢尖蚧在某地区发生的***历史资料，将前5年害虫发生防治数据和气象资料用来建模，采取多因子互作逐步回归，建立发生期的预测预报模型；

S3：检验所述步骤S2建立的预报模型。

2.如权利要求1所述的一种柑桔矢尖蚧发生期预测模型建立方法，其特征在于，所述步骤S1具体包括：

根据各年度天气情况，从每年4月中旬开始，每3～5天巡视有矢尖蚧发生的果园，检查矢尖蚧的发生初见日；

确定初见日后，每5～7天检查矢尖蚧的发育进度，确定合适的防治时期，记录每年的防治时期，进行***监测。

3.如权利要求2所述的一种柑桔矢尖蚧发生期预测模型建立方法，其特征在于，所述步骤S2还包括：建立发生期的预测预报模型后，用最后一年的资料用来检验。

4.如权利要求2所述的一种柑桔矢尖蚧发生期预测模型建立方法，其特征在于，所述步骤S3具体包括：

将本年的发生实况资料，应用病虫测报应验程度判定模式进行验证，从而判断组建模型的可行性；发生期预报应验程度判定模式为：

$\mathrm{ST}=100*e^{\frac{-\mathrm{\&pi;}}{\ln t}*{\left(\frac{a_1-a_2}{\mathrm{\&delta;}}\right)}^2}$

其中，ST为发生期判定模式的分值；ST<40表明预报不准确，40≤ST<60表明预报比较准确，ST≥60表明预报准确；a₁为实测值，a₂为预测值；δ为预报对象常年标准差，t为自预报发出至实际发生时的期距。