广西稻飞虱发生程度的气象预测预警

稻飞虱是影响广西水稻最严重的害虫,其发生发展与气象条件关系十分密切,为探索气象条件与稻飞虱发生程度的关系,进而开展稻飞虱发生程度的预测预警。笔者利用1991—2008年广西64个农业病虫测报站和对应县市的气象台站资料,对早稻稻飞虱发生等级与各项气象因子单因子做相关分析,找出具有生物学意义且指示性强的主要气象因子作为建模备选因子,采用逐步回归分析方法,构建早稻稻飞虱发生程度的预测预警模型,并对模型进行历史回代及2009—2012年的独立样本预测试报检验。结果表明:通过历史回代检验,早稻稻飞虱发生气象等级的模型与实测值达到基本一致,为89%;独立样本预测试报的模型预测检验结果达到基本一致以上,为75%,模型总体效果良好,其预测预警可为相关部门及时制定稻飞虱防控对策提供科学依据。

基于BP人工神经网络方法的广西稻飞虱发生等级预测

利用广西45个农业病虫测报站1988—2012年稻飞虱发生等级及1987—2012年气象要素、大气环流特征量等资料,采用模糊聚类分析、BP人工神经网络等方法,将广西早稻稻飞虱发生等级分为桂东、桂西南和桂西北3个区域,分别对各区域稻飞虱发生等级进行预测。结果表明:各区域稻飞虱发生等级与气象要素及大气环流密切相关,冬春季气温高、雨日多、湿度大、光照少等因素均利于稻飞虱发生,副热带高压、印缅槽和西南气流等均对稻飞虱发生等级有影响;各区域稻飞虱发生等级序列从冬春季气象要素、大气环流特征量中选择初选预测因子,对初选预测因子作EOF展开构造综合预测因子,分区建立预测模型并进行交叉检验表明,3个区域的人工神经网络模型平均拟合绝对误差比逐步回归模型分别小0.07、0.1和0.02,2011、2012年独立样本预测试验表明,人工神经网络模型和逐步回归模型的实际预测绝对误差为0.42和0.5,可见稻飞虱发生等级的BP人工神经网络预测模型比传统逐步回归模型有更好的拟合和预测效果,为稻飞虱与气象要素之间的非线性关系研究开拓新的思路。