馬尾松毛蟲精細化預報回歸建模試驗研究

汪全兵++陳南松++張國慶

摘要 通過線性回歸、曲線回歸、非線性回歸、Logistics回歸等回歸多次建模試驗的比較，建立了顯著性較高的馬尾松毛蟲發生量和幼蟲高峰期線性預報模型。

關鍵詞 馬尾松毛蟲；精細化預報；回歸建模試驗

中圖分類號 S763.7 文獻標識碼 A 文章編號 1007-5739（2015）18-0172-01

1 數據來源

馬尾松毛蟲發生量、發生期數據來源于潛山縣監測數據，氣象數據來源于國家氣候中心。所用軟件為IBM SPSS Statistics 22，Microsoft Office Excel 2007。

2 發生面積回歸建模試驗

2.1 第1代發生面積

多次回歸試驗比較，保留第1、2齡極低氣溫、卵期極低氣溫、上一代防治效果、上一代防治面積4個變量，進行新的回歸建模試驗，結果見表1、2。可以看出，模型顯著性概率為0.036，小于0.05，拒絕回歸系數都為0的原假設，回歸模型為：第1代發生面積=18 563.523-0.170×上一代發生面積+3 223.329×上一代防治效果+305.634×卵期極低氣溫-1 197.311×第1、2齡極低氣溫。

2.2 第2代發生面積

采取同樣的方法，采用Excel對第1、2齡極低氣溫、上一代防治面積進行回歸建模試驗，試驗結果接近顯著性要求，具體見表3、4。可以看出，顯著性概率為0.053 14，非常接近于0.05，試驗模型接近試驗要求，回歸模型為：第2代發生面積=-33 943.89+1.333 787 2×上一代防治面積+1 958.008 5×第1、2齡極低氣溫。

3 幼苗高峰期回歸建模試驗

3.1 第1代幼蟲高峰期

選擇成蟲始見期、第1、2齡積溫及第1、2齡平均氣溫3個相關性較高的變量，進行新的回歸建模試驗，試驗結果見表5、6。可以看出，顯著性概率為0.000，遠遠小于0.05，拒絕回歸系數都為0的原假設，同時在回歸過程中還排除了變量第1、2齡平均氣溫，回歸模型為：第1代幼蟲高峰期（日歷天）=34.055+0.585×上一代成蟲始見期+0.002×第1、2齡幼蟲期積溫（日度）。

3.2 第2代幼蟲高峰期

選擇成蟲始見期、卵期積溫、卵期平均氣溫3個相關性較高的變量，進行新的回歸建模試驗，試驗結果見表7、8。可以看出，顯著性概率為0.000，遠遠小于0.05，拒絕回歸系數都為0的原假設，同時在回歸過程中還排除了變量卵期積（下轉第180頁）

溫，回歸模型為：第2代幼蟲高峰期（日歷天）=219.323+0.280×上一代成蟲始見期-0.150×卵期平均氣溫。

4 討論

上述回歸分析表明了馬尾松毛蟲發生機制與環境的復雜性，僅僅就發生量與幼蟲高峰期而言，不同世代的回歸試驗結果大不相同，正因為其復雜性，還導致了在本次回歸建模試驗中部分多元線性回歸的失敗，以及曲線回歸、非線性回歸、Logistics回歸等回歸建模試驗的失敗[1-11]。

5 參考文獻

[1] 張國慶.基于生態論的生物災害精細化預報理論研究[J].現代農業科技，2014（19）：146-150.

[2] 張國慶.基于TSE分析理論的林業生物災害精細化預報技術研究[J].現代農業科技，2014（19）：153-155.

[3] 張國慶.基于系統關鍵因子分析理論的林業有害生物防治關鍵期分析技術研究[J].現代農業科技，2014（19）：199-201.

[4] 張國慶.基于系統健康管理理論的林業生物災害精細化預報管理研究[J].現代農業科技，2014（19）：197-198.

[5] 張國慶.森林健康與林業有害生物管理[J].四川林業科技，2008，29（6）：77-80

[6] 張國慶.馬尾松毛蟲精細化預報建模變量篩選[EB/OL].（2015-06-28）[2015-06-28].http：//blog.sciencenet.cn/home.php？mod=space&uid=3344&do=blog&id=901156.

[7] 張國慶.馬尾松毛蟲精細化預報回歸建模試驗[EB/OL].（2015-06-28）[2015-06-28].http：//blog.sciencenet.cn/home.php？mod=space&uid=3344&do=blog&id=901157.

[8] 張國慶.馬尾松毛蟲精細化預報徑向基函數建模試驗[EB/OL].（2015-06-28）[2015-06-28].http：//blog.sciencenet.cn/home.php？mod=space&uid=3344&do=blog&id=901158.

[9] 張國慶.馬尾松毛蟲精細化預報多層感知器建模試驗[EB/OL].（2015-06-28）[2015-06-28].http：//blog.sciencenet.cn/home.php？mod=space&uid=3344&do=blog&id=901162.

[10] 張國慶.生物災害精細化預報算法試驗研究[EB/OL].（2015-06-28）[2015-06-28].http：//blog.sciencenet.cn/home.php？mod=space&uid=3344&do=blog&id=901163.

[11] 張國慶.生物災害精細化預報理論基礎與技術集成[EB/OL].（2015-06-28）[2015-06-28].http：//blog.sciencenet.cn/home.php？mod=space &uid=3344&do=blog&id=901164.endprint