马尾松毛虫精细化预报回归建模试验研究

汪全兵++陈南松++张国庆

摘要 通过线性回归、曲线回归、非线性回归、Logistics回归等回归多次建模试验的比较，建立了显著性较高的马尾松毛虫发生量和幼虫高峰期线性预报模型。

关键词 马尾松毛虫；精细化预报；回归建模试验

中图分类号 S763.7 文献标识码 A 文章编号 1007-5739（2015）18-0172-01

1 数据来源

马尾松毛虫发生量、发生期数据来源于潜山县监测数据，气象数据来源于国家气候中心。所用软件为IBM SPSS Statistics 22，Microsoft Office Excel 2007。

2 发生面积回归建模试验

2.1 第1代发生面积

多次回归试验比较，保留第1、2龄极低气温、卵期极低气温、上一代防治效果、上一代防治面积4个变量，进行新的回归建模试验，结果见表1、2。可以看出，模型显著性概率为0.036，小于0.05，拒绝回归系数都为0的原假设，回归模型为：第1代发生面积=18 563.523-0.170×上一代发生面积+3 223.329×上一代防治效果+305.634×卵期极低气温-1 197.311×第1、2龄极低气温。

2.2 第2代发生面积

采取同样的方法，采用Excel对第1、2龄极低气温、上一代防治面积进行回归建模试验，试验结果接近显著性要求，具体见表3、4。可以看出，显著性概率为0.053 14，非常接近于0.05，试验模型接近试验要求，回归模型为：第2代发生面积=-33 943.89+1.333 787 2×上一代防治面积+1 958.008 5×第1、2龄极低气温。

3 幼苗高峰期回归建模试验

3.1 第1代幼虫高峰期

选择成虫始见期、第1、2龄积温及第1、2龄平均气温3个相关性较高的变量，进行新的回归建模试验，试验结果见表5、6。可以看出，显著性概率为0.000，远远小于0.05，拒绝回归系数都为0的原假设，同时在回归过程中还排除了变量第1、2龄平均气温，回归模型为：第1代幼虫高峰期（日历天）=34.055+0.585×上一代成虫始见期+0.002×第1、2龄幼虫期积温（日度）。

3.2 第2代幼虫高峰期

选择成虫始见期、卵期积温、卵期平均气温3个相关性较高的变量，进行新的回归建模试验，试验结果见表7、8。可以看出，显著性概率为0.000，远远小于0.05，拒绝回归系数都为0的原假设，同时在回归过程中还排除了变量卵期积（下转第180页）

温，回归模型为：第2代幼虫高峰期（日历天）=219.323+0.280×上一代成虫始见期-0.150×卵期平均气温。

4 讨论

上述回归分析表明了马尾松毛虫发生机制与环境的复杂性，仅仅就发生量与幼虫高峰期而言，不同世代的回归试验结果大不相同，正因为其复杂性，还导致了在本次回归建模试验中部分多元线性回归的失败，以及曲线回归、非线性回归、Logistics回归等回归建模试验的失败[1-11]。

5 参考文献

[1] 张国庆.基于生态论的生物灾害精细化预报理论研究[J].现代农业科技，2014（19）：146-150.

[2] 张国庆.基于TSE分析理论的林业生物灾害精细化预报技术研究[J].现代农业科技，2014（19）：153-155.

[3] 张国庆.基于系统关键因子分析理论的林业有害生物防治关键期分析技术研究[J].现代农业科技，2014（19）：199-201.

[4] 张国庆.基于系统健康管理理论的林业生物灾害精细化预报管理研究[J].现代农业科技，2014（19）：197-198.

[5] 张国庆.森林健康与林业有害生物管理[J].四川林业科技，2008，29（6）：77-80

[6] 张国庆.马尾松毛虫精细化预报建模变量筛选[EB/OL].（2015-06-28）[2015-06-28].http：//blog.sciencenet.cn/home.php？mod=space&uid=3344&do=blog&id=901156.

[7] 张国庆.马尾松毛虫精细化预报回归建模试验[EB/OL].（2015-06-28）[2015-06-28].http：//blog.sciencenet.cn/home.php？mod=space&uid=3344&do=blog&id=901157.

[8] 张国庆.马尾松毛虫精细化预报径向基函数建模试验[EB/OL].（2015-06-28）[2015-06-28].http：//blog.sciencenet.cn/home.php？mod=space&uid=3344&do=blog&id=901158.

[9] 张国庆.马尾松毛虫精细化预报多层感知器建模试验[EB/OL].（2015-06-28）[2015-06-28].http：//blog.sciencenet.cn/home.php？mod=space&uid=3344&do=blog&id=901162.

[10] 张国庆.生物灾害精细化预报算法试验研究[EB/OL].（2015-06-28）[2015-06-28].http：//blog.sciencenet.cn/home.php？mod=space&uid=3344&do=blog&id=901163.

[11] 张国庆.生物灾害精细化预报理论基础与技术集成[EB/OL].（2015-06-28）[2015-06-28].http：//blog.sciencenet.cn/home.php？mod=space &uid=3344&do=blog&id=901164.endprint