• 
    

    
    

      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 ?

      日照市茶樹小綠葉蟬發(fā)生面積預測預報模型的建立

      2023-10-08 13:21:36遲慶紅朱秀紅寇文冠
      南方農(nóng)業(yè)·下旬 2023年7期
      關鍵詞:線性回歸預測模型

      遲慶紅 朱秀紅 寇文冠

      摘 要 為科學防治茶樹蟲害,提高茶葉產(chǎn)量和品質(zhì),根據(jù)2011—2020年山東省日照市氣象資料和茶樹小綠葉蟬蟲害資料,利用多元線性回歸的方法進行小綠葉蟬發(fā)生面積與氣象資料相關性分析,找出顯著相關的7個氣象因子,建立日照市茶樹小綠葉蟬發(fā)生面積預測預報模型。結果表明,該模型擬合效果好,預報準確率高,能很好地預報小綠葉蟬發(fā)生面積,為提前進行蟲害防治提供了科學依據(jù)。

      關鍵詞 小綠葉蟬;預測模型;線性回歸;山東省日照市

      中圖分類號:S161 文獻標志碼:A DOI:10.19415/j.cnki.1673-890x.2023.14.064

      自1966年“南茶北引”成功引種以來,山東省日照市逐步發(fā)展為秦嶺—淮河以北最大的綠茶生產(chǎn)基地。據(jù)日照市農(nóng)業(yè)科學研究院統(tǒng)計,截至2020年底,日照市茶園總面積1.95萬hm2,總產(chǎn)值33億元,日照市茶園面積和年產(chǎn)量已分別占山東省的60%和75%以上。茶樹蟲害是造成日照綠茶減產(chǎn)和品質(zhì)降低的重要因素,其中小綠葉蟬相比其他蟲害發(fā)生次數(shù)偏多、危害偏重[1-2]。研究日照市茶樹小綠葉蟬發(fā)生發(fā)展的氣象條件,建立日照市茶區(qū)小綠葉蟬預測預報模型,對于指導茶農(nóng)提前預防和科學治理蟲害,提高茶葉產(chǎn)量和品質(zhì)具有重要意義。

      1 日照市茶樹小綠葉蟬情況介紹

      1.1 小綠葉蟬發(fā)生規(guī)律

      茶小綠葉蟬屬同翅目,是日照市茶園最主要的害蟲,在日照市茶區(qū)一般一年發(fā)生9代,世代重疊明顯。4月下旬越冬成蟲在氣溫超過10 ℃時開始出現(xiàn)危害活動,蟲卵產(chǎn)于茶樹新梢皮層,第一代若蟲于5月上旬出現(xiàn),每發(fā)生一代需要15~30 d。茶小綠葉蟬在日照茶區(qū)每年有2個高峰期,第1個高峰期出現(xiàn)在5月下旬至6月上旬,第2個高峰期出現(xiàn)在8月下旬至9月中旬[3-4]。小綠葉蟬喜歡生活在茶葉芽梢,陰雨天氣利于其發(fā)生和發(fā)展,如果雨強大且降水量大,雨水沖淋害蟲,會造成害蟲數(shù)量減少,推遲高峰期出現(xiàn)時間。10月下旬溫度≤10 ℃時成蟲進入越冬期。

      1.2 小綠葉蟬生活習性

      小綠葉蟬成蟲和若蟲均具有趨嫩性,在芽葉背面棲息取食,第二、三葉背面較多見,懼雨霧和強光,當晴日早晨露水變干后,頻繁在葉面活動,10:00前后隨著太陽升高、光照增強,害蟲在茶叢內(nèi)徒長枝芽葉或雜草上集中活動并進行為害。成蟲喜歡在防風帳、茶叢葉背或松樹柏樹組成的防護林帶越冬。茶樹芽葉汁液被小綠葉蟬成蟲、若蟲刺吸后,受害茶葉沿邊緣變成黃色,葉片脈絡變成紅色,呈現(xiàn)粗老、卷曲狀,危害嚴重時葉緣和葉尖會呈現(xiàn)紅褐且焦枯狀,芽葉停止生長,有的整個葉片因焦枯而脫落,茶葉產(chǎn)量和品質(zhì)受到嚴重影響。雌成蟲在茶樹嫩梢上產(chǎn)卵,茶樹疏導組織被破壞,導致茶樹生長受阻[5-6]。

      2 材料與方法

      2.1 資料來源與處理

      氣象資料來源于日照市國家氣象觀測站,包括2011—2020年日照市茶樹發(fā)育期內(nèi)氣溫、降水量、相對濕度、日照時間等氣象要素。蟲害資料部分來源于日照市茶葉科學研究所,部分來源于代表性茶園。茶樹種植面積資料來源于日照市統(tǒng)計局。

      分別統(tǒng)計2011— 2020年以來日照市茶樹小綠葉蟬蟲害發(fā)生面積、發(fā)生程度、造成茶葉產(chǎn)量損失大小等資料,以及小綠葉蟬危害期間的光、溫、水等氣象資料。

      2.2 分析方法

      利用SPSS統(tǒng)計分析軟件,篩選出與茶樹主要蟲害發(fā)生面積相關性顯著、生物學意義明確、預報時間相對提前的氣象預報因子,以發(fā)生面積為預報對象,采用多元回歸方法建立預報模型。

      3 茶樹小綠葉蟬發(fā)生面積預測預報模型的建立

      3.1 國內(nèi)專家學者對病蟲害預測預報模型研究思路

      茶樹蟲害的發(fā)生、發(fā)展、流行都與氣象條件關系密切,一旦遇到適宜的氣候條件,就會大面積暴發(fā)流行,對茶樹安全生產(chǎn)構成威脅。目前,國內(nèi)學者對作物病蟲害的研究主要集中在氣象條件和預報方法,高迎娟等運用統(tǒng)計學原理,建立病蟲害發(fā)生程度氣象等級預測模型[7]。高霞創(chuàng)建了基于貝葉斯分類的農(nóng)作物病蟲害等級預測模型,用于分析河北省保定市主要作物主要病害氣象條件與病害發(fā)生程度的關系,明確病害的氣象條件等級[8]。為科學防治茶樹蟲害,利用相關性分析篩選氣象預報因子,建立茶樹小綠葉蟬發(fā)生趨勢預報模型,為日照市開展茶樹主要蟲害的綜合預報和防治提供決策依據(jù)。

      3.2 茶樹小綠葉蟬發(fā)生面積預測模型建模思路

      由于日照市茶樹小綠葉蟬越冬病蟲源基數(shù)歷史資料不足,故未將小綠葉蟬越冬病蟲源基數(shù)和冬季氣溫納入預報因子?;谟绊懖铇湫【G葉蟬發(fā)生的最主要氣象條件,結合中、長期預報業(yè)務實際情況,選取2011—2020年3月下旬至10月上旬各旬平均氣溫、平均相對濕度、降水量、日照時間與茶樹小綠葉蟬發(fā)生面積做相關性分析,選取相關性顯著、生物學意義明確、預報時間相對提前的氣象因子,以茶樹小綠葉蟬發(fā)生面積(y)為預報對象,采用多元回歸方法,建立日照市茶樹小綠葉蟬預報模型[9]。多元線性回歸方程的經(jīng)驗模型為

      y=b0+b1x1+b2x2+…+bnxn(1)

      式中:b0為常數(shù)項;假設有n個自變量,b1,b2,…,

      bn為y對應于x1,x2,…,xn的偏回歸系數(shù)。

      3.3 茶樹小綠葉蟬蟲害發(fā)生面積預測預報模型的建立

      通過對小綠葉蟬蟲害發(fā)生面積與氣象因子進行相關性分析,尋找對發(fā)生面積影響較大的氣象因子,排除影響較小的氣象因子。對2011—2020年日照市茶園小綠葉蟬蟲害發(fā)生期間有關氣象條件進行分析統(tǒng)計,找出顯著性相關氣象因子,并結合小綠葉蟬發(fā)生發(fā)展和危害時間情況進行篩選,最終確定7個顯著相關氣象因子。

      將小綠葉蟬發(fā)生面積定義為因變量y,將x1~x7定義為自變量,輸入SPSS數(shù)據(jù)編輯器,經(jīng)過計算,得出模型摘要、方差分析表和回歸系數(shù)表(見表1~3)。

      最終得到日照市茶樹小綠葉蟬發(fā)生面積預測預報回歸方程為

      y=4 764.227-6.362x1-8.444x2+7.248x3+29.575x4-23.417x5-12.934x6-15.333x7(2)

      式中,x1~x7分別為4月下旬降水量、5月上旬降水量、8月下旬降水量、6月下旬日照時間、7月下旬日照時間、8月上旬日照時間及8月下旬日照時間。

      選取的7個因子均相關性較高。復相關系數(shù)R取值在0~1,R越大,說明線性回歸關系越密切,上述方程R為0.993,接近1,說明自變量和因變量線性回歸關系密切程度極高。調(diào)整后的R2值越大,模型擬合效果越好,上述方程R2為0.986,調(diào)整后的R2為0.939,接近1,說明擬合效果好。F值為20.621,p值0.047小于顯著性水平0.05,該方程通過了a=0.05檢驗,該模型具有統(tǒng)計學意義,因變量和自變量之間線性關系是顯著的。偏回歸系數(shù)的t值分別為-1.408、-3.747、3.719、4.837、-6.543、-4.292、-4.077,偏相關系數(shù)顯著不等于0。

      3.4 日照茶樹小綠葉蟬發(fā)生面積預報模型檢驗

      利用以上預報模型,對2011—2020年日照市茶樹小綠葉蟬發(fā)生面積進行歷史擬合檢驗和2021年試報檢驗。在10組歷史擬合檢驗里,小綠葉蟬發(fā)生面積擬合檢驗誤差為1.7%,2021年預報準確率98.3%,

      2021年發(fā)生面積預報誤差為0.9%(見表4)??傮w來看小綠葉蟬發(fā)生面積預報準確率較高。

      4 結論

      統(tǒng)計日照市茶園小綠葉蟬預測模型影響因子,發(fā)現(xiàn)4個日照因子、3個降水因子對小綠葉蟬發(fā)生有顯著影響,氣溫因子影響較小。根據(jù)日照市茶樹小綠葉蟬預報發(fā)布時間,可將預報發(fā)布時間之前的因子實況值納入預報模型,還可從預報發(fā)布時間之后臨近的中長期預報中獲取因子預報值;日照時間、降水量作為構成模型的預報因子,能夠方便快捷地從預報中獲取。

      日照市茶樹病蟲害發(fā)生除了與天氣因素密切相關外,還受茶樹品種、地形地勢、栽種密度及茶園管理水平等因素影響,存在個體差異,本預測模型很難將全部因素考慮進去,其預測精度也有待進一步完善和提高。

      參考文獻:

      [1] 邱忠蓮.日照市茶樹病蟲害發(fā)生與防治情況的調(diào)查[J].茶葉通訊,2001(2):44-46.

      [2] 段永春,袁洪剛,張永亮,等.山東茶樹蟲害的種類及主要品種的發(fā)生規(guī)律研究[J].中國農(nóng)學通報,2010,26(11):284-289.

      [3] 段永春,鄭海濤,董書強,等.北方茶園綠盲蝽年種群動態(tài)規(guī)律研究[J].山東農(nóng)業(yè)大學學報(自然科學版),2017,48(1):24-27.

      [4] 孔曉君,侯劍,尚曉陽,等.日照市推進茶園病蟲害綠色防控的措施及成效[J].安徽農(nóng)學通報,2021,27(9):90-91.

      [5] 丁德恩,鄭海濤,王超,等.日照市茶葉安全生產(chǎn)病蟲害控制技術[J].現(xiàn)代農(nóng)業(yè)科技,2010(21):206-207.

      [6] 段永春,劉加秀,董書強,等.山東生態(tài)茶園建設模式初探[J].中國農(nóng)學通報,2010,26(10):281-286.

      [7] 高迎娟,焦煥杰,崔金平.吉林通化地區(qū)稻瘟病發(fā)生程度氣象等級預報方法[J].中國農(nóng)學通報,2014,30(19):308-311.

      [8] 高霞.創(chuàng)建基于貝葉斯分類的農(nóng)作物病蟲害等級預測模型[C]//中國氣象學會農(nóng)業(yè)氣象與生態(tài)學委員會,南京信息工程大學,中國農(nóng)學會農(nóng)業(yè)氣象分會,中國農(nóng)科院環(huán)境與可持續(xù)發(fā)展研究所.第26屆中國氣象學會年會農(nóng)業(yè)氣象防災減災與糧食安全分會場論文集.2009:189-192.

      [9] 羅偉,段修榮,鐘莉,等.自貢市玉米主要病蟲害氣象等級預報模型[J].江蘇農(nóng)業(yè)科學,2020,48(7):118-123.

      猜你喜歡
      線性回歸預測模型
      基于矩陣理論下的高校教師人員流動趨勢預測
      東方教育(2016年9期)2017-01-17 21:04:14
      基于支持向量回歸的臺灣旅游短期客流量預測模型研究
      國道公路養(yǎng)護管理與規(guī)劃研究
      基于神經(jīng)網(wǎng)絡的北京市房價預測研究
      商情(2016年43期)2016-12-23 14:23:13
      中國石化J分公司油氣開發(fā)投資分析與預測模型研究
      基于IOWHA法的物流需求組合改善與預測模型構建
      投資者情緒與股票市場收益的相互影響分析
      中國市場(2016年18期)2016-06-07 05:12:49
      影響上市公司股票價格的微觀因素分析
      商(2016年13期)2016-05-20 09:12:44
      企業(yè)退休金收支平衡的研究
      科技視界(2016年9期)2016-04-26 12:16:25
      基于預測模型加擾動控制的最大功率點跟蹤研究
      科技視界(2016年1期)2016-03-30 13:37:45
      晴隆县| 鹤峰县| 诸暨市| 尚义县| 文昌市| 榆树市| 苍溪县| 苏州市| 阿拉善左旗| 漠河县| 文成县| 桃园市| 台北市| 禹州市| 定兴县| 绥江县| 昭通市| 贡觉县| 乌审旗| 唐山市| 济宁市| 永济市| 惠州市| 永定县| 百色市| 武胜县| 泰兴市| 老河口市| 遵义县| 乐都县| 北辰区| 虎林市| 开平市| 蒙自县| 盐池县| 永仁县| 宣威市| 洪湖市| 广汉市| 丽江市| 德化县|