基于数学模型预测森林病虫害的研究进展

总结了目前森林病虫害预测预报中存在的问题，并展望了其今后的发展趋势。

关键词 森林病虫害；预测预报；非线性模型；支持向量机；组合模型

中图分类号S711 文献标识码 A 文章编号0517-6611（2016）35-0008-03

Research Progress on Forecasting Forest Diseases and Pests Based on Mathematical Model

TANG Guo-dong， GAO Yong， WANG Ji* et al

（College of Desert Science and Engineering， Inner Mongolia Agricultural University， Hohhot， Inner Mongolia 010011）

AbstractThe development history of forecasting forest diseases and pests in China was expounded. The application status of nonlinearity and linearity-nonlinearity models in recent years was introduced. And the modeling methods of combined model， the regression principle and application status of support vector machine were reviewed. And the existing problems in current forecast of forest diseases and pests were summarized. Finally， its developed trend in the future was forecasted.

Key wordsForest diseases and pests； Forecast； Nonlinearity model； Support vector machine； Combined model

森林病虫害是我国一类频发性生物灾害。据统计，我国发生的森林病虫害种类有8 000多种，其中经常造成严重危害的有200多种，发生面积超过800万hm2，约占全国森林面积的5.5%，年均减少林木生长量1 700万m3，经济损失高达50多亿元[1-2]，已成为林业生产和生态工程建设的重要制约因素之一。改善这一现状的过程中，森林病虫害预测预报工作是其中的重要环节。

森林病虫害预测预报的目的是通过长期、系统观察，结合实际环境因素综合分析，探讨森林病虫害的发生发展规律，预测森林病虫害发生发展的趋势。早在20世纪50年代我国就开展了病虫害的调查工作，经历了经验预测、试验预测、统计预测和信息预测等阶段的发展，20世纪80年代人工神经网络、小波分析及混沌理论等非线性理论的引入，为病虫害预测预报开辟了一条新的道路[3]。但是由于森林病虫害的发生具有不均匀性、差异性、多样性、突发性、随机性和规律性复杂等特点，单一地运用线性或非线性理论建模都不能很好地挖掘数据中的深层规律，人们意识到若要达到好的预测预报效果，需要同时抓住病害虫发生的线性和非线性规律；因此，线性与非线性的组合模型已成为当今研究的热点之一。笔者阐述了我国森林病虫害预测预报的发展历程，介绍了近年来非线性模型和线性非线性组合模型在森林病虫害预测中的应用现状，综述了组合模型的建模方法、支持向量机回归原理及应用现状，总结了目前森林病虫害预测预报中存在的问题，最后展望了其发展趋势。

1森林病虫害预测预报技术的发展

早在20世纪30年代国外就开展了森林病虫害的预测预报工作，注重科学技术的应用以及测报资料的系统调查、积累和基础理论研究[4]。我国森林病虫害测报工作开始于20世纪50年代，随着数学、计算机等其他学科的应用发展，我国森林害虫的测报工作大致经历了经验预测、试验预测、统计预测和信息预测4个阶段的发展。

①经驗预测阶段（20世纪50—60年代）。我国开展森林病虫害预测预报工作较早，早在20世纪50年代就开展了对马尾松毛虫和竹蝗的群众性调查工作，通过观察害虫基数及发育进度确定是否需要防治，随着我国森林病虫害发生面积的不断扩大、发生种类的不断增加，研究工作也逐步深入。

②试验预测阶段（20世纪60—70年代）。以有效积温为基础的预测和编制主要害虫生命表是此时期国内外研究的热点，它对病虫害测报的发展和林区的综合管理起着至关重要的作用。我国对松毛虫等主要森林害虫生命表进行了大量研究，深入了解害虫种群数量的变化情况，并将研究成果应用于测报实践中，给害虫发生量的短、中、长期预报提供了可靠的依据，取得了良好的效果[5]。

③统计预测阶段（20世纪80年代）。统计预测是利用数学手段探究一定范围内预测因子和生物及非生物因素之间的关系，主要统计预测方法包括回归分析[6]、逐步回归[7]、逐步判别[6]、马尔可夫链[8]、灰色系统分析[9]、预测克立格方法[10]等。目前，这类预测方法仍有广泛应用，但也存在一些弊端，例如模型在研究中拟合率较高，但实际应用中随着某些因素的改变准确率较低。

④信息预测阶段（20世纪80—90年代）。主要有害虫发生预测预报系统[11-12]、专家决策系统[13-15]和地理信息系统等[16]。随着测报方法和计算机科学的发展以及害虫信息数据的积累，信息预测法逐渐成为目前国内外研究的热点。此类模型综合了许多分室模型，参数多且假定为常数，而随着时间和空间的变化，环境差异较大，导致预测准确率不高。今后随着科学的进步和信息的进一步完善，信息预测具有广阔前景。

推荐访问： 研究进展 病虫害 数学模型 森林 预测

---