幼蟲期降水對馬尾松毛蟲發生量的影響

付衛勝

摘要? ? 本文研究了幼蟲期降水對馬尾松毛蟲發生量的影響。結果表明，降雨對于馬尾松毛蟲發生量的影響線性關系不明顯，但非線性關系很明顯，其中基于多層感知器分析表明，第1、2齡期降雨量自變量重要性值為0.867，規范化后的重要性值為100.0%。因此，第1、2齡期降雨量可以作為馬尾松毛蟲精細化預報建模的主要因子之一對馬尾松毛蟲進行預報，以實現馬尾松毛蟲災害精細化管理。

關鍵詞? ? 馬尾松毛蟲;幼蟲期;降水;多層感知器;非線性

中圖分類號? ? S763.42+1? ? ? ? 文獻標識碼? ? A

文章編號? ?1007-5739（2019）16-0107-02? ? ? ? ? ??開放科學（資源服務）標識碼（OSID）

馬尾松毛蟲（Dendrolimus punctatus Walker）是我國常發性、暴發性森林害蟲，呈周期性發生。特別是在南方林區，1 年多代，每個世代發生時間較短，最佳防治時間短暫[1-3]。因此，研究影響馬尾松毛蟲發生相關因子，探索馬尾松毛蟲精細化預測預報模型，對開展馬尾松毛蟲預報有著十分重要的作用[4-5]。通過對國內馬尾松毛蟲預測預報研究文獻檢索分析，當前我國關于馬尾松毛蟲預測預報研究文獻較多，但多是針對某一地區建立的數學模型，通用性較差。一些研究文獻以及馬尾松毛蟲生命表分析還表明，對馬尾松毛蟲影響的關鍵因子，除了氣溫之外，降雨的沖刷、機械損傷以及由于降雨高濕造成馬尾松毛蟲感染病害死亡也是影響馬尾松毛蟲種群增長的重要因子[6-8]。

本文旨在通過數據實證分析，研究降雨對馬尾松毛蟲發生發展的影響，以建立更好的預測預報模型，用于馬尾松毛蟲生產性預報，指導防治實踐。

1? ? 材料與方法

1.1? ? 材料來源

本研究馬尾松毛蟲發生數據來源于安徽省潛山市林業局馬尾松毛蟲監測數據，氣象數據來源于國家氣象信息中心。由于潛山市為2～3代馬尾松毛蟲發生類型區，越冬代與上年第2代為同一世代，因而將越冬代與上年第2代發生數據合并，具體見表1。

1.2? ? 研究方法

當前我國馬尾松毛蟲預測預報模型多是線性模型。為了研究降雨對馬尾松毛蟲的影響，本文選擇了第1、2齡期降雨量、幼蟲期降雨量、世代降雨量作為分析變量，進行線性相關性研究。

2? ? 結果與分析

2.1? ? 線性相關性

由表2可知，第1、2齡期降雨量、幼蟲期降雨量、世代降雨量等3個變量對馬尾松毛蟲發生面積的線性相關性值分別為-0.064 415 6、-0.010 572、-0.032 287 3，雖然均為負相關，但是線性相關性不高。其中，在回歸統計中相關系數為0.147 325 95，判定系數為0.021 704 93，調整判定系數為-0.027 209 8，標準誤差為6 971.209 71，觀測值為64。

進一步進行多元線性回歸分析，如表3～4、圖1所示，分析結果表明，在α=0.05水平下，線性回歸相關Multiple R值僅為0.147 325 95，F值為0.443 729 83，小于Significance F=0.722 61，且3個變量對馬尾松毛蟲發生面積的P值均大于0.05，實際值與回歸預測值殘差較大，相關性不顯著。

2.2? ? 基于多層感知器的非線性相關性

以上分析表明，降雨因子對馬尾松毛蟲發生量影響的線性相關性不顯著，使用線性模型建模進行馬尾松毛蟲預測預報準確度不高，通用性不強。因此，使用多層感知器對上述數據進行非線性相關性分析，分析過程如下。

樣本培訓數37，占比為97.4%;有效樣本數為38，占比100.0%。其中，輸入層因子為第1、2齡期降雨量，輸入層協變量為幼蟲期降雨量，輸入層協變量為世代降雨量;輸入層協變量的重縮放比例方法采用標準化方法，隱藏層數為1，隱藏層單位數為10，隱藏層激活函數為雙曲正切函數，輸出層因變量為世代發生面積;輸出層比例相關性的重縮放比例方法采用標準化方法，輸出層激活函數為恒等函數，輸出層錯誤函數采用平方和函數。在整個分析過程中排除偏差單位，以保證較高的擬合性。

SPSS多層感知器培訓所使用的停止規則為1個連續步驟中錯誤沒有減少，培訓時間為0.02 s，培訓結果的平方和誤差為0.950，相對錯誤為0.053。測試結果平方和誤差為0.925。自變量重要性如表5、圖2所示。

分析結果表明，第1、2齡期降雨量、幼蟲期降雨量、世代降雨量3個變量馬尾松毛蟲發生面積非線性影響各不相同，其自變量重要性值分別為0.867、0.069、0.063，規范化后的重要性值分別為100.0%、8.0%、7.3%。顯然，第1、2齡期降?雨量對馬尾松毛蟲的發生發展非線性影響很大，主要原因是降雨造成第1、2齡馬尾松毛蟲幼蟲沖刷、機械損傷或感染病菌致死，這與國內馬尾松毛蟲生命表研究文獻結論基本一致[6-10]。

3? ? 結論與討論

綜上所述，對馬尾松毛蟲發生量影響較大的降雨變量是第 1、2齡期降雨量。因此，第1、2齡期降雨量可以作為馬尾松毛蟲精細化預報建模主要因子之一對馬尾松毛蟲進行預報，實現馬尾松毛蟲災害精細化管理[11-16]。

4? ? 參考文獻

[1] 余燕，李尚，王振興，等.馬尾松毛蟲幼蟲發生嚴重程度的預測研究[J].安徽農業大學學報，2017，（5）：882-893.

[2] 張國慶.災害管理理論研究[J].現代農業科技，2012（10）：24-25.

[3] 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（20）：155-157.

[4] 張國慶.氣候變化對生物災害發生的影響及對策[J].現代農業科技，2011（1）：320-323.

[5] 張國慶.馬尾松毛蟲防治關鍵期與防治歷研究[J].現代農業科技，2010（24）：144-146.

[6] 張國慶.馬尾松毛蟲暴發年份的自然種群生命表研究[J].四川林業科技，2011（1）：114-118.

[7] 張國慶.復雜系統生態論方法及其應用[J].現代農業科技，2013（11）：192-195.

[8] 張楨.潛山縣松毛蟲病調查分析及精細化預防對策[J].現代農業科技，2015（15）：148-150.

[9] 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）：84-87.

[10] 余燕，王振興，李尚，等.馬尾松毛蟲幼蟲發生高峰期的三種預測模型[J].應用昆蟲學報，2018，55（4）：748-758.

[11] 張國慶.生態健康評價及生態系統管理方法[J].現代農業科技，2012（11）：247-248.

[12] 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（20）：148-152.

[13] 張國慶.生物災害管理論研究與生物災害精確管理[J].現代農業科技，2011（3）：22-25.

[14] 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）：198-199.

[15] 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）：201-203.

[16] 張國慶.基于高分辨率遙感數據與TSE方法的生態系統精細化管理技術研究[J].現代農業科技，2015（16）：153-156.