正在进行安全检测...
发布时间：2023-10-25 23:04:29
农作物害虫预测预报方法及应用
作者：靳然，李生才
来源：《山西农业科学》2015年第1期
靳然，李生才
（山西农业大学农学院，山西太谷030801）
摘要：农作物病虫害是农作物产量和质量提高的重要制约因素，准确的害虫预测预报是科学防治害虫的前提，具有重要的经济、社会和生态意义。回顾了农作物害虫预测预报方法及目前的发展与应用现状，概述了人工神经网络、相空间重构、小波分析、支持向量机的原理及其在测报中的应用。
关键词：害虫；预测预报；人工神经网络；相空间重构；小波分析；支持向量机
中图分类号：S431
文献标识码：A
文章编号：1002-2481（2015）01-0121-03
病虫害是农作物产量和质量提高的重要制约因素，准确的害虫预测预报是科学防治害虫的前提，因此，做好农作物害虫预测预报工作，对粮食果蔬丰产丰收、资源环境保护将产生显著的经济、社会和生态效益，对农业现代化、环境生态化、农产品绿色化有着重要意义。
1传统预测预报方法回顾
我国是世界上开展害虫测报工作较早的国家，从1952年颁布《螟情预测办法》到1956年农业部颁布《农作物害虫预测预报方案》，专门机构、专业人员对农作物影响较大的害虫进行调查记载、综合分析、发布虫情预报，至今已有60余年。传统预测预报方法主要包括经验预测法、实验预测法和统计预测法3种[1]。
1.1经验预测法
通过直接观察害虫的发生和环境因子变化，凭借长期实践过程中积累的经验，确定害虫发生期及对作物生长发育的影响，是最常用、最简单的害虫预测方法。
1.2实验预测法
根据生物特性，通过实验得到害虫不同发育时期的发育情况和有效积温，结合当时当地环境资料估测害虫发生期；另外，可根据对害虫存活、繁殖产生影响的因素，如天敌、环境、营养等情况，预测其发生量。
1.3统计预测法
在统计学的基础上，发展了数理统计预测预报法，通过寻找害虫与环境因子之间的规律，建立恰当的数理统计模型，预测预报害虫的发生期及发生量。目前，较常用的统计预测法有：逐步回归、多元回归、时间序列分析方法、灰色系统预测及灾变分析、列联表分析方法、判别分析、马尔科夫链预报方法、模糊数学等。
2预测预报方法的发展与应用现状
多年来，国内外学者利用经验预测法、实验预测法、统计预测法等对害虫发生预测进行了大量的研究，为害虫综合防治提供了良好的指导作用，但由于害虫的发生具有多样性、突发性、随机性等特点，易受环境因子及害虫自身生长发育、天敌发生情况等影响，从系统科学的观点看，害虫的种群动态与影响其变化发展因素所组成的生态系统是一个非常复杂的非线性结构，因此，将现代非线性理论运用到害虫预测预报领域，将传统的动力理论、数理统计与现代计算技术相结合，发展了人工神经网络、相空间重构预测法、小波分析、支持向量机等预测预报方法，在复杂环境下更精准地将害虫控制在经济阈值之下，减少农作物的损失。
2.1人工神经网络
众所周知，人脑由大量神经元组成，人工神经网络（artificialneuralnetwork，ANN）模拟人脑结构设计，是人脑的一种物理抽象、简化和模拟，具有很强的非线性信息处理能力，人工神经元通过不同联结方式组成网络结构[2]。人工神经网络具有非线性、非局限性、非常定性、非凸性4个基本特征，采用并行分布式系统，克服了传统的基于逻辑符号的人工智能在处理直觉、非结构化信息方面的缺陷，具有良好的自适应、自组织和自学习能力[3]。
目前，人工神经网络在预测方面已有较多的应用，如地质灾害的发生、房地产走向、借贷风险分析等，在害虫预测预报方面也取得了一定的成果。陈恩会等[4]做了关于BP神经网络在病虫预测预报中的应用介绍；王国昌等[5]研究了近年来人工神经网络在农林害虫中识别和诊断、发生期和发生量的预测预报模型；欧钊荣等[6]根据广西甘蔗棉蚜虫发生情况基本资料和气象指标，建立了BP神经网络预报模型，拟合程度和预报精度都比较高；唐建军等[7]建立了水稻虫害发生量预测预报的BP神经网络预测系统，确定了自然因素与发生量之间的关系；戚莹[8]研究了模糊神经网络的概念、发展概况、分类方式以及多种模糊神经元模型，并且对人工神经网络和模糊技术进行了比较。
2.2相空间重构预测法
相空间重构预测法的基本理论是相空间内存在很多分量，分量之间相互作用而影响演化，这些相关分量的信息隐含在其他分量的变化中。要重新建构一个等价的状态，一要参考其中一个分量，选取一些固定的时间延迟点测量作新维处理；二要确定某个多维状态空间中的一点；之后不断重复这一过程，测量出相对于不同时间的各延迟量，从而计算出许多这样的点，以保持原系统的许多性质，即用系统的一个观察量可以重构出原动力系统模型，以此初步确定原系统的真实信息[9]。
目前，相空间重构预测法在气象、电力负荷预测、金融预测等方面都有了一定的应用成果，但在害虫预测预报方面运用得还很少，有待进一步提高其利用率，国内的研究主要有：马飞[10]将相空间重构理论与人工神经网络相结合，模拟了褐飞虱发生情况；向昌盛等[11]对相空间重构和支持向量机参数联合优化进行了研究。
2.3小波分析
小波分析（waveletanalysis）于20世纪80年代由法国工程师莫莱提出，能有效地在时间和空间的变换中提取信息，在伸缩、平移等运算过程中对信号进行多尺度细化分析，即在时间窗和频率窗都可变化的固定窗口内，低频部分具有较窄的频率窗，但时间窗较宽，而高频部分反之[12-13]。
小波分析在信号分析、工程技术、图像识别、语音合成等方面都取得了有科学意义和应用价值的成果，但在国内的害虫测报领域鲜有报道。朱军生[14]基于小波分析方法对害虫进行了精细化的分析，研究了如何将时间序列与神经网络相融合建立新的害虫预测模型。
2.4支持向量机
支持向量机理论（SupportVectorMachine，SVM）于1995年提出，源于Vapnik＆Chervonenkis的统计学习理论[15]，基于结构最小化原则，利用样本信息，在特定训练样本的学习精度与准确识别任意样本之间寻找最佳点，以获得最好的推广能力[16]。支持向量机的主要优点是样本需求量小、结构简单、推广能力强。
支持向量机目前多用于解决复杂问题，如人脸识别、大量生物信息处理、智能信号处理、信息检索等方面，在害虫预测预报领域，国内的研究主要有：张永生[17]对支持向量机回归在害虫预测预报的应用进行了研究，并用一步预测法对1种害虫发生量样本进行预测，结果显示，支持向量机在所有参比模型中预测精准度最高，在害虫预测预报中具有广泛的应用前景；向昌盛[18]选用支持向量机作为基本建模工具，建立了6种时间序列组合预测模型。
3展望
虫害发生是一种复杂的自然现象，在空间上既有广域性又有局域性，在时间上既有不稳定性又有规律性和周期性[19]。从生态系统的观点来看，虫害是一个复杂的动态系统，因此，做好害虫预测预报工作，一方面要注重多学科的交叉融合，应用现代科学理论如线性代数、生态学、计算机信息技术，将各学科的优势结合起来；另一方面，运用人工神经网络、小波分析、支持向量机等非线性方法综合集成[20]，以研究害虫灾害发生的动态规律、成灾机制、发展趋势等，建立快速、精准的预测预报体系，以期达到防灾减灾的目的。
参考文献：
［1］张孝羲，翟保平，牟吉元.昆虫生态及预测预报[M].北京：中国农业出版社，1985：205-207.
［2］张映梅，李修炼，赵惠燕.人工神经网络及其在小麦等作物病虫害预测中的应用[J].麦类作物学报，2002，22（4）：84-87.
［3］朱大奇.人工神经网络研究现状及其展望[J].江南大学学报：自然科学版，2004，3
