基于眼高刻槽數預測松褐天牛發生量分析

毛新星

摘 要 為探索簡便的松褐天牛監測調查外業操作方法，本研究采用松褐天牛眼高刻槽調查方法，使用SPSS建立松褐天牛眼高刻槽數-松褐天牛誘捕器誘捕成蟲數多層感知器人工神經網絡模型，預測下一年度松褐天牛誘捕器誘捕成蟲數，為松材線蟲病防治年度預算和作業設計提供依據。使用安徽省潛山市國家級林業有害生物中心測報點國家級檢測對象松褐天牛標準地監測數據，進行多層感知器人工神經網絡模型培訓訓練，然后使用2019年度眼高刻槽數預測2020年誘捕器誘捕數，結果表明，60塊標準地中，只有2塊標準地預測精度低于85%，即96.67%的小班預測精度高于85%，86.67%的標準地預測精度高于90%，45%的標準地預測精度高于95%。

關鍵詞 眼高刻槽;預測;松褐天牛;發生量

中圖分類號：S763.38 文獻標志碼：B DOI：10.19415/j.cnki.1673-890x.2021.05.019

松褐天牛（Monochamus alternatus Hope）是松材線蟲病的主要媒介昆蟲，開展松褐天牛預測，為松材線蟲病監測預報提供基礎數據[1]。為簡化松褐天牛監測調查外業操作，本試驗依據張國慶提出的松褐天牛眼高刻槽（Nick at Breast Height，NEH）調查方法[2]，建立松褐天牛眼高刻槽數-松褐天牛誘捕器誘捕成蟲數多層感知器人工神經網絡模型，用來預測下一年度松褐天牛誘捕器誘捕成蟲數，為松材線蟲病防治年度預算和作業設計提供依據[3]。

1 材料與方法

1.1 研究方法

數據來源于安徽省潛山市國家級林業有害生物中心測報點國家級檢測對象松褐天牛標準地監測數據。先使用2018年松褐天牛眼高刻槽數與2019年松褐天牛誘捕器全年誘捕數，采用SSPS的多層感知器人工神經網絡工具建立預測模型，然后使用2019年松褐天牛眼高刻槽數預測2020年松褐天牛誘捕器全年誘捕數，并與2020年松褐天牛誘捕器全年實際監測數據進行比較，計算預測精度。

多層感知器（Multilayer Perceptron，MLP）是一種前饋型人工神經網絡，將多個數據集（上一年度松褐天牛眼高刻槽數）映射到單一輸出數據集（下一年度松褐天牛誘捕器全年誘捕數）上，從而獲得預測模型。

1.2 研究材料與數據采集

研究材料來源于安徽省潛山市國家級林業有害生物中心測報點標準地監測數據。

1.2.1 標準地布局

安徽省潛山市國家級林業有害生物中心測報點國家級檢測對象松褐天牛標準地共60個，分布在安徽省潛山市黃鋪鎮、梅城鎮、王河鎮、痘姆鄉、天柱山鎮、天柱山林場、龍潭鄉、余井鎮和源潭鎮。

1.2.2 松褐天牛誘捕器監測數據

松褐天牛誘捕采用浙江杭州費洛蒙生物科技有限公司生產的BF-8誘捕器和該公司2015年研制的第二代松褐天牛引誘劑（F2）。該誘捕器誘芯采用植物源和昆蟲源雙重信息素組合，誘捕期可長達2～3個月，常溫下保質期可達1年。BF-8型松褐天牛誘捕器表面含有涂層，大大提高松褐天牛誘捕效果，全卡扣設計，安裝方便。懸掛時底部收集杯保持距離地面1.0～2.0 m，懸掛間距保持在100～120 m。國家級林業有害生物中心測報點國家級檢測對象松褐天牛標準地誘捕器監測數據如表1所示。

1.2.3 松褐天牛眼高刻槽數數據

在標準地所在小班，按照《林業有害生物監測預報技術規范》（LY/T 2516—2015）[4]開展監測調查，在國家級林業有害生物中心測報點國家級檢測對象松褐天牛標準地所在小班選擇20株樣木，清點眼高處50 cm段樹干松褐天牛成蟲產卵刻槽（眼高刻槽）。國家級林業有害生物中心測報點國家級檢測對象松褐天牛標準地所在小班眼高刻槽監測數據如表2所示。

2 結果與分析

2.1 模型訓練

將表1中“2019年誘捕數（頭/誘捕器）”命名為變量“YBS”，作為因變量導入IBM SPSS Statistics 22，將表2中“2018年NEH（個/株）”命名為“NEH”，作為協變量，導入IBM SPSS Statistics 22，選擇多層感知器分析工具，建立訓練模型并開始培訓訓練。訓練結果表明，在多層感知器人工神經網絡模型培訓中，60個樣本用于培訓的有38個，占比為63.3%。用于測試的有22個，占比為36.7%，60個樣本全部有效，有效率100%。模型培訓共花費時間0.01 s，培訓平方和誤差為13.856 8，相對錯誤為0.749 0，測試中的平方和誤差為14.181 2，相對錯誤為0.862 3。訓練網絡結果的網絡模型敏感度0.6～1.0，特異性集中在0.0～0.2，培訓所得模型具有較好的敏感度。

2.2 模型的應用

對表2中“2019年NEH（個/株）”作為協變量導入上述模型，將輸出結果（預測值）與表1中“2020年誘捕數（頭/誘捕器）”進行比較，計算預測精度，如表3所示。表3數據表明，60塊標準地中，只有2塊標準地預測精度低于85%，分別為84.93%和80.96%，也即96.67%的小班預測精度高于85%;只有8塊標準地預測精度低于90%，也即86.67%的標準地預測精度高于90%;預測精度高于95%的標準地數有27塊，占比為45%。

3 結論與討論

以上研究分析表明，采用眼高刻槽調查方法，開展松褐天牛種群密度林間監測調查，可以大大簡化當前的松褐天牛監測調查外業操作方法。運用現有的監測數據，可以采用SPSS建立的松褐天牛眼高刻槽數-松褐天牛誘捕器誘捕成蟲數多層感知器人工神經網絡模型，然后使用該模型，可以對下一年度的松褐天牛誘捕器誘捕成蟲數做出較高精度的預測，進而為松材線蟲病防治年度預算和作業設計提供依據。

參考文獻：

[1] 張江平，張佑成，楊潔，等.松誘木引誘劑引誘松褐天牛試驗[J].綠色科技，2020（19）：151-152.

[2] 張國慶.眼高刻槽在松材線蟲病監測中的應用探討[EB/OL].（2020-12-05）[2020-12-07].https：//wps.browser.360.cn/t/AkmrCcARVT.

[3] 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）：146-150.

[4] 國家林業局.林業有害生物監測預報技術規范：LY/T 2516—2015[S].北京：中國標準出版社，2015.

（責任編輯：劉 昀）