论文部分内容阅读
白粉病是河北省小麦的主要病虫害之一。近些年随着气象条件变化,小麦白粉病在河北省的危害程度不断加深,严重影响河北省小麦的产量和品质。因此建立有效的监测预报机制,对防治方案的制定和科学实施具有重要意义。传统的预测方法常忽视了小麦白粉病致病因素的关联性,对于病害的突发情况分析不灵活。为此,本文运用贝叶斯网络构建小麦白粉病预测模型,其目的在于提高小麦白粉病预报的实时性,增强白粉病致病因素突发状况的应变能力。基于19902012年的大气环流指数、北太平洋海面温度指数、实时气象因子以及河北省小麦白粉病发生面积和发生程度等数据,采用相关分析、路径分析筛选关键因子,构建影响小麦白粉病发生的关键气候气象因子的关系网络,建立河北省小麦白粉病气候预报评估的贝叶斯网络。对河北省和省内5个站点2013-2016年的小麦白粉病发生程度进行外延预报。主要研究结论如下:（1）采用相关分析筛选出对小麦白粉病影响显著的实时气象因子,主要包括三月中旬湿度、三月下旬降水、四月上旬湿度、四月中旬湿度和五月下旬降水。以上气象因子与白粉病灾害面积的相关系数分别为0.531**、0.553**、0.600**、0.499*、0.485*。利用路径分析筛选出关键的气候因子,其中北太平洋海面温度指数包括:T272-7、T61-12、T102-3、T102-4、T43-7、T300-7、T296-12、T298-7;大气环流指数包括:H56-10、H2-7、H35-7、H17-6、H73-8、H38-8。（2）利用路径分析建立关键因子与小麦白粉病之间的网络关系,并将该网络结构引入贝叶斯网络,通过BayesiaLab?参数学习,最终建立河北省小麦白粉病气候预报评估的全因子预报模型、早春预报模型和冬前预报模型。本文在建立白粉病气候预报评估模型的过程中,根据时间顺序将气候气象因子进行分层处理,第一层为关键气候因子;第二层为关键气象因子,此层次连接目标节点,为了减少目标节点的父节点数,提高预报效率,设置“降水”和“湿度”两个虚拟节点;第三层为目标节点“灾害等级”。（3）基于河北省小麦白粉病气候预报评估的全因子预报模型,对河北省小麦白粉病发生等级进行回代检验和预测检验,正确率均为100%。只有1994年、2003年的病害预报等级2、3级的发生概率差异很小,其他年份预报的病害发生等级概率均大于99%。在河北省小麦白粉病气候预报评估的早春预报模型的预报检验中,27年共有19年的预报等级完全正确,4年预报结果基本正确,只有1年的预报等级与实际等级不符,其他年份预报等级均为“不确定”,正确率为86.2%,报错率3.7%。河北省小麦白粉病气候预报评估的冬前预报模型的预报检验中,共有15年的预报结果完全正确,有1年的预报结果基本正确,其他预报等级均为“不确定”,得到正确率为59.3%。（4）基于所建的河北省小麦白粉病气候预报评估的全因子预报模型对定州、宁晋、肥乡、正定、阜城5个县小麦白粉病发生等级进行预报,并将各年预报结果与波动产量进行对比发现,重灾害年份基本对应着减产年份,但是轻灾害年份不一定为高产年份,但总体呈负相关趋势。