• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      C 4.5算法在廣州小斑螟發(fā)生與氣候因素分析中的應(yīng)用
      ——以廣西山口國家紅樹林生態(tài)自然保護區(qū)為例

      2019-03-04 01:28:34梁燕紅梁志清黃琦蘇炳歡陳其應(yīng)
      中國森林病蟲 2019年1期
      關(guān)鍵詞:紅樹林決策樹蟲害

      梁燕紅,梁志清,黃琦,蘇炳歡,陳其應(yīng)

      (1.玉林師范學(xué)院商學(xué)院,廣西 玉林 537000; 2.玉林師范學(xué)院復(fù)雜系統(tǒng)優(yōu)化與大數(shù)據(jù)處理廣西高校重點實驗室,廣西 玉林 537000; 3.廣西山口紅樹林生態(tài)自然保護區(qū)管理處,廣西 北海 536000)

      廣州小斑螟Oligochroacantonella是紅樹植物白骨壤Avicenniamarina最主要的害蟲,其種群密度在每年5—6月有明顯峰值。白骨壤經(jīng)廣州小斑螟危害后,葉片枯萎,枝干死亡,積蓄量大幅減少,影響下一年繁殖[1]。2004年5月,廣西山口國家紅樹林生態(tài)自然保護區(qū)遭受了嚴重的廣州小斑螟危害[2],超過40 hm2的白骨壤被該蟲啃食,1周后受害面積迅速蔓延至106 hm2,樹木嚴重枯萎[3]。白骨壤蟲害的大規(guī)模暴發(fā)引起了專家和學(xué)者的關(guān)注。2004年范航清 等[4]選取了防城港市北侖河口灣、欽州市欽州港區(qū)、北海市大冠沙區(qū)域、合浦縣山口鎮(zhèn)永安村、湛江市德耀村5個調(diào)查地點監(jiān)測、探討蟲害暴發(fā)可能與氣候、生態(tài)環(huán)境衰退等因素有關(guān)。劉文愛 等[5]通過室內(nèi)飼養(yǎng)試驗和野外觀察,發(fā)現(xiàn)廣州小斑螟發(fā)生與灘位、方位、海水的水溫等環(huán)境因素相關(guān)。范航清 等[6]對廣西紅樹林蟲害發(fā)生的成因進行分析評估,認為紅樹林自身的生物學(xué)原因、異常氣候、人為活動、大面積引種外來樹種是紅樹林蟲害發(fā)生的主要影響因素。

      氣候是紅樹林蟲害的重要影響因素之一。目前,國內(nèi)外對紅樹林蟲害的發(fā)生與氣候因素的關(guān)系未見有深入的研究報道。數(shù)據(jù)挖掘是從大量的、不完全的、有噪聲的、模糊的、隨機的實際數(shù)據(jù)中,提取有用知識的過程[7],其在農(nóng)業(yè)、林業(yè)蟲害預(yù)測與分析方面已取得一些研究成果[8-12],但尚未在紅樹林蟲害氣候因素分析中有應(yīng)用研究。決策樹分類法是數(shù)據(jù)挖掘的方法之一,用其可對已知樣本分類,并預(yù)測未知樣本的類別。本文針對廣西山口國家紅樹林生態(tài)自然保護區(qū),運用數(shù)據(jù)挖掘中決策樹的C 4.5算法分析2004—2015年廣州小斑螟發(fā)生面積、保護區(qū)氣溫、降水量,以期發(fā)現(xiàn)蟲害發(fā)生與氣候因素之間隱含的聯(lián)系,并用結(jié)果進行預(yù)測,檢驗?zāi)P偷男Ч?/p>

      1 材料和方法

      1.1 材料 2004—2015年1月平均氣溫、1月降水量、4月平均氣溫、4月降水量等數(shù)據(jù)從相關(guān)氣象站收集,歷年來廣西山口國家紅樹林生態(tài)自然保護區(qū)廣州小斑螟發(fā)生面積由該保護區(qū)管理處提供(表1)。

      表1 2004—2015年廣州小斑螟發(fā)生面積、保護區(qū)氣溫及降水

      1.2 方法

      1.2.1 采用C 4.5算法建立決策樹模型 C 4.5算法以信息增益率(GainRatio)作為分裂度量指標,采用自頂向下的方法,計算各個描述性屬性的GainRatio值,選擇GainRatio值最大的屬性作為分裂屬性,依次生成根節(jié)點、各層子女結(jié)點及葉子結(jié)點,形成初始決策樹,剪枝后生成最佳決策樹。

      算法的主要公式有[13]:

      (1)類別信息熵:Info(D)=

      (2)條件信息熵:InfoA(D)=

      (3)信息增益:Gain(A)=Info(D)-InfoA(D)

      (4)屬性A的分裂信息:SplitInfo(A)=

      (5)屬性A的信息增益率:GainRatio(A)=Gain(A)/SplitInfo(A)

      式中:D為數(shù)據(jù)樣本的集合,C為離散型的分類屬性,C1,C2…Ck表示k個類別,屬性A有n個不同取值{a1,a2,…an},D1,D2,…,Dn為D的子集。︱D︱為D的樣本數(shù),︱Di︱為A=ai的樣本數(shù),P(Cj)為類別Cj的概率,P(ai)為屬性A=ai的概率,P(Cj/ai)為條件概率。

      將廣西山口國家紅樹林生態(tài)自然保護區(qū)2004—2015年的廣州小斑螟發(fā)生面積、保護區(qū)氣溫、降水量作為樣本構(gòu)建模型。上述算法在WEKA平臺上完成。

      1.2.2 預(yù)測2016、2017年發(fā)生情況并檢驗 根據(jù)WEKA平臺的挖掘結(jié)果,依據(jù)2016、2017年的氣候數(shù)據(jù),預(yù)測廣州小斑螟發(fā)生面積的等級,并與實際發(fā)生情況對比。

      1.3 數(shù)據(jù)處理 劃分廣州小斑螟發(fā)生面積(單位:hm2)的區(qū)間,并進行分級。A級:[0,10);B級:[10,20); C級:[20,45); D級:[45,+∞)。通過WEKA平臺中Filter篩選器下的Discretize工具對表1中2004—2015年的氣溫、降水量進行等頻離散化處理,將各屬性分成4個區(qū)間(表2)。

      表2 2004—2015年保護區(qū)氣溫、降水量所屬區(qū)間及廣州小斑螟發(fā)生面積等級

      2 結(jié)果與分析

      2.1 建立決策樹模型 在WEKA平臺的classify選項卡下選擇決策樹分類器Trees 中的J48,即用C4.5算法完成挖掘,建立決策樹模型,反映出1月、4月的氣溫、降水量與廣州小斑螟發(fā)生面積等級的對應(yīng)關(guān)系(圖1)。

      注:avtyi,1月平均氣溫;avryi,1月降水量;avtsi,4月平均氣溫;avrsi,4月降水量;area,發(fā)生面積等級;A-D,害蟲發(fā)生面積等級。

      圖11月、4月氣溫、降水量與廣州小斑螟發(fā)生面積等級的對應(yīng)關(guān)系

      根據(jù)圖1可提取以下規(guī)則:

      (1) IF(avryi>49.4) THEN area=D

      (2) IF(avryi≤49.4 AND avtyi>14.2) THEN area=C

      (3) IF(avryi≤49.4 AND avtyi≤14.2 AND avtsi≤23.1) THEN area=B

      (4) IF(avryi≤49.4 AND avtyi≤14.2 AND avtsi>23.1) THEN area=A

      依據(jù)圖1和以上IF-THEN規(guī)則可得出如下結(jié)論:

      1)保護區(qū)廣州小斑螟發(fā)生量與氣溫、降水量有密切關(guān)系。圖1中距離根節(jié)點越近的屬性對蟲情影響越大,即:1月份降水量對廣州小斑螟發(fā)生量影響最大,其次是1月份平均氣溫、4月份平均氣溫,影響最小的是4月份降水量。

      2)若1月降水量較大,則廣州小斑螟大面積發(fā)生的概率較高;若1月高溫少雨,則廣州小斑螟發(fā)生面積減少為C級的可能性較大;若1月低溫少雨,且4月平均氣溫較低,則廣州小斑螟發(fā)生面積進一步減少為B級的可能性較大;若1月低溫少雨,且4月平均氣溫較高,則廣州小斑螟小面積發(fā)生或不發(fā)生的概率較高。

      2.2 預(yù)測及檢驗結(jié)果 2016年該保護區(qū)1月降水量較大,為49.6 mm(>49.4 mm),預(yù)測廣州小斑螟發(fā)生面積為D級。監(jiān)測資料顯示,實際發(fā)生面積為66 hm2,與預(yù)測結(jié)果基本一致。2017年該地區(qū)1月降水量較少,為38.3mm(≤49.4 mm),平均氣溫14.1℃(≤14.2 ℃),預(yù)測2017年廣州小斑螟不會大面積或較大面積發(fā)生,發(fā)生面積可能為B級或A級。據(jù)保護區(qū)實際監(jiān)測,2017年沒有發(fā)生廣州小斑螟危害,與預(yù)測結(jié)果基本吻合。

      3 結(jié)論與討論

      數(shù)據(jù)挖掘技術(shù)中有多種算法可用于蟲害發(fā)生因素分析。如Apriori算法,通過計算支持度和置信度,與預(yù)先設(shè)置的閾值比較,提取強關(guān)聯(lián)規(guī)則,發(fā)現(xiàn)影響蟲害發(fā)生面積的主要因素。缺點是閾值的設(shè)置具有主觀性,不合理的閾值直接影響挖掘結(jié)果的正確率,且不能用圖形表示挖掘結(jié)果。本文用C 4.5算法分析廣州小斑螟發(fā)生面積與氣候因素的關(guān)系,結(jié)果用決策樹表示,直觀地顯示出4個因子對廣州小斑螟發(fā)生面積的影響力,并可提取IF-THEN規(guī)則,易于理解。將模型用于分析歷史資料,根據(jù)氣候數(shù)據(jù)區(qū)分廣州小斑螟發(fā)生面積的等級,WEKA平臺顯示挖掘結(jié)果的分類正確率為75%,預(yù)測結(jié)果與實際較相符,適用于本例,為紅樹林蟲害的預(yù)測提供了新的手段。

      使用C 4.5算法分析廣州小斑螟發(fā)生與氣候因素的關(guān)系,簡單易行,但仍存在一些問題需進一步探討,如建模時主要考慮氣溫、降水量兩個基本的氣候因素,實際上廣州小斑螟的發(fā)生與多個氣候因子有關(guān),應(yīng)考慮將日照時間、濕度、積溫等因素也納入到模型中,增強模型的健壯性,使挖掘結(jié)果更具代表性。此外,隨著監(jiān)測數(shù)據(jù)的增加,需要繼續(xù)擴充訓(xùn)練樣本和預(yù)測樣本,不斷修正模型,提高模型預(yù)測的準確度。

      猜你喜歡
      紅樹林決策樹蟲害
      藏著寶藏的紅樹林
      桃樹主要蟲害及防治方法
      河北果樹(2020年4期)2020-11-26 06:05:04
      一種針對不均衡數(shù)據(jù)集的SVM決策樹算法
      不用農(nóng)藥也能治蟲害
      神奇的紅樹林
      決策樹和隨機森林方法在管理決策中的應(yīng)用
      電子制作(2018年16期)2018-09-26 03:27:06
      走過紅樹林
      歌海(2018年4期)2018-05-14 12:46:15
      淺析白三葉的蟲害防治
      行道樹香櫞主要蟲害及其防治
      基于決策樹的出租車乘客出行目的識別
      广汉市| 上犹县| 玉门市| 枣强县| 伊金霍洛旗| 吴川市| 安阳县| 巴青县| 阿克苏市| 澳门| 台南市| 长子县| 陈巴尔虎旗| 中方县| 新河县| 天全县| 广元市| 保德县| 马公市| 台前县| 柘城县| 安徽省| 介休市| 宁乡县| 德清县| 中西区| 遂溪县| 陕西省| 罗田县| 江西省| 永昌县| 合川市| 宁化县| 涪陵区| 伊金霍洛旗| 雷波县| 柳林县| 惠东县| 基隆市| 民丰县| 茌平县|