一种灰飞虱种群数量短期预测模型的构建方法

摘要

本发明公开了一种灰飞虱种群数量短期预测模型的构建方法，该构建方法根据调查当地水稻生育期灰飞虱成虫、若虫种群数量以及调查期间当地每天的气象参数为依据，利用数据挖掘软件筛选出影响田间灰飞虱总虫量的关键因子，再利用数据分析软件构建单因子‑灰飞虱总虫量关系函数，通过整合单因子关系函数，利用曲线拟合软件快速建立水稻全生育期灰飞虱种群短期数量预测模型，从而为灰飞虱的精准防治策略制定奠定基础。

说明书

技术领域

本发明涉及一种灰飞虱种群数量短期预测模型的构建方法，属于农业害虫防治领域。

背景技术

灰飞虱是半翅目飞虱科害虫，可为害水稻、玉米、小麦等多种禾本科作物，在我国多地，尤其是江淮稻区发生严重，其传毒常造成水稻减产3成，甚至绝收。栽培措施、品种、气象因素等对灰飞虱种群数量具有不同程度的影响，提前预知灰飞虱种群数量变化，是进行精准防控的关键。

目前灰飞虱种群数量动态预测方法有以下几种。一是根据灰飞虱种群生命表和气象数据，预测未来长时间跨度内越冬后灰飞虱出现时间和一年中灰飞虱发生代数，或采用

发明内容

发明目的：本发明的目的是提供一种灰飞虱种群数量短期预测模型的构建方法。

技术方案：本发明所述一种灰飞虱种群数量短期预测模型的构建方法，包括以下步骤：

(1)调查当地水稻生育期灰飞虱种群数量，获得水稻全生育期田间灰飞虱雌成虫数量、灰飞虱若虫数量和灰飞虱总虫量；

(2)根据当地每天的气象参数值，以灰飞虱调查时间为节点，计算对应的各气象参数的平均值；

(3)将各气象参数平均值输入数据挖掘软件，以灰飞虱总虫量为目标，采用特征选择算法计算ρ值；

数据挖掘软件可以采用IBM SPSS Modeler、MATLAB、RapidMiner、Oracle DataMining、Teradata、Smartbi Mining、Framed Data、Kaggle或Rattle软件等。

(4)根据ρ值筛选出多个关键气象因子，采用数据分析软件计算多个关键气象因子间的相关系数；

数据分析软件可以采用统计产品与服务解决方案软件(Statistical Productand Service Solutions，即SPSS)、SAS、DPS、Excel或Minitab软件等。

(5)利用曲线拟合软件建立灰飞虱若虫-灰飞虱总虫量关系曲线方程f(x

(6)根据相关系数计算结果，在显著相关的同类因子中选用ρ值最大的因子作为关键气象因子，利用曲线拟合软件建立关键气象因子-灰飞虱总虫量关系曲线方程f(x

(7)利用步骤(5)和(6)建立的关系曲线方程，赋予每个关系曲线方程权重系数p，再加上常数b和c，建立灰飞虱种群数量短期预测模型方程即f(x)＝(p

(8)利用曲线拟合软件计算灰飞虱种群数量短期预测模型方程中子函数f(x

曲线拟合软件可以采用1stOpt(First Optimization)、Origin、CurveFitter或MATLAB软件等。

进一步地，步骤(1)中，所述调查当地水稻生育期灰飞虱种群数量的时间为7天或14天。

进一步地，步骤(2)中，所述的气象参数包括小型蒸发量、大型蒸发量、平均地表温度、最高地表温度、最低地表温度、白天降水量、夜间降水量、一天累计降水量、平均气压、最高气压、最低气压、平均相对湿度、最小相对湿度、日照时数、最高气温、最低气温、平均气温、平均风速、最大风速和极大风速中的八种或八种以上。

进一步地，步骤(2)中，所述的每天的气象参数获得途径为中国气象数据网、实验时在调查点设立的小型气象站、调查点附近的国家或省级气象观测点。

进一步地，步骤(4)中，所述的关键气象因子的筛选标准为ρ值大于等于0.9。

进一步地，步骤(5)中，所述灰飞虱若虫-总虫量关系曲线方程是采用田间调查灰飞虱若虫数量为基数，预测7天后灰飞虱种群总数量。

进一步地，步骤(5)中，所述灰飞虱雌成虫-总虫量关系曲线方程是采用2次调查田间灰飞虱雌成虫数量平均数为基数，预测14天后灰飞虱种群总数量。

进一步地，步骤(6)中，所述的显著相关判断标准为显著性P值小于0.05。

有益效果：与现有技术相比，本发明具有以下显著优点：本发明的优点在于以本地灰飞虱虫量调查为基础，充分利用现有气象资源以及数据挖掘、数据分析软件和曲线拟合软件，快速建立水稻全生育期灰飞虱种群短期数量预测模型，从而为其精准防治策略的制定奠定基础。按照本方法构建的南京地区灰飞虱种群数量短期预测模型，经过多次迭代后，相关系数为0.99，决定系数为0.98。以阜宁地区灰飞虱数据验证其预测值和实际值间无显著差异，说明建立的模型可以较为准确地预测灰飞虱种群的短期数量。

附图说明

图1为灰飞虱种群数量短期预测模型构建流程示意图。

具体实施方式

下面结合附图对本发明技术方案作进一步的说明。

实施例1

以江苏南京地区2018.3-2018.10灰飞虱发生数量为例，构建灰飞虱种群数量短期预测模型流程如图1所示。每7天调查江苏南京地区灰飞虱若虫数量、雌成虫数量和总虫量，得到的灰飞虱若虫数量、14天2次调查的灰飞虱雌成虫数量平均值和灰飞虱总虫量见表1，以调查灰飞虱数量时间为节点，从中国气象数据网得到的南京地区气象参数平均值见表2。

表1 2018.3-2018.10期间调查江苏南京地区灰飞虱若虫数量、灰飞虱雌成虫数量和灰飞虱总虫量表

根据表1中的数据，利用曲线拟合软件1stOpt建立灰飞虱若虫-灰飞虱总虫量的关系曲线方程为f(x

表2以调查灰飞虱数量时间为节点的南京地区气象参数平均值表

将表2的气象参数平均值输入数据挖掘软件IBM SPSS Modeler，对应气象参数平均值与灰飞虱总虫量的特征选择算法ρ值见表3。

表3将气象参数平均值输入数据挖掘软件得到的ρ值

由表3可知，根据ρ值大于等于0.9，选择最高地表温度、平均地表温度、最高气温、最低地表温度、平均气温和最低气温6个气温因子和小型蒸发量和大型蒸发量2个蒸发量因子为关键气象因子。利用数据分析软件SPSS计算8个关键气象因子间相关性分析见表4。

表4影响灰飞虱短期种群数量的8个关键气象因子间的相关性分析

由表4可知，这8个关键气象因子的相关性P值均小于0.05，表明这8个关键气象因子显著相关，因此选用ρ值最大的最高地表温度作为关键气象因子构建气象因子-灰飞虱总虫量关系曲线方程为f(x

根据前面得到的灰飞虱若虫-灰飞虱总虫量的关系曲线方程、灰飞虱雌成虫-灰飞虱总虫量的关系曲线方程和关键气象因子-灰飞虱总虫量关系曲线方程进行拟合，赋予每个关系曲线方程权重系数p，再加上常数b和c，建立灰飞虱种群数量短期预测模型方程为f(x)＝(p

实施例2

采用阜宁2018年3月12日、4月11日和10月31日灰飞虱田间数据验证实施例1获得的灰飞虱种群数量短期预测模型方程f(x)＝(p