System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及落叶林害虫预测,具体为一种落叶林中害虫种群密度分布斑图的预测方法。
技术介绍
1、昆虫是典型的变温动物,温度是影响昆虫生长发育及种群发生动态的关键生态因子,气候变暖会影响昆虫生长发育、地理分布和不同温区的种群密度等。准确的害虫预测预报是科学防治害虫的前提。
2、预测模型在害虫预测预报中的应用,是与数学方法的发展密切相关的。随着数学理论及其他学科的发展,害虫的预测预报大致经历了经验预测、实验预测、统计预测和信息预测四个发展阶段。
3、目前针对害虫预测方法的现有技术如中国专利公开号为(cn110110945b)的一种基于种群模型的害虫预测方法及系统,该方法通过将初始蛹数量和所有日平均气温输入春季羽化模型,得到第l天羽化的成虫数量;将前n-1天的成虫数量和第n天的日平均气温输入成虫产卵模型,得到第n天成虫产卵数;将前n-1天的产卵数和第n天日平均气温输入卵发育模型,得到第n天发育成的幼虫数量;将前n-1天的幼虫数量和第n天的日平均气温输入幼虫发育模型,得到第n天发育成蛹的数量;将前n-1天的蛹数量和第n天的日平均气温输入蛹发育模型,得到第n天羽化的成虫数量;判断n是否等于总天数;若是,输出每天对应的成虫数量、产卵数、幼虫数量和蛹数量。本专利技术不局限于某一特定区域,能实现对多区域的害虫进行长期的预测。
4、前述技术方案是通过实地勘测选取当地虫蛹以及当地气温进行建模,然后模拟害虫繁育过程,最后得出该地害虫群密度数据,但是该方案只适合针对没有天敌的外来入侵物种,而本地害虫虫群受生物链制约以
技术实现思路
1、(一)解决的技术问题
2、针对现有技术的不足,本专利技术提供了一种落叶林中害虫种群密度分布斑图的预测方法,具备不需要实地勘探捕获蛹虫进行繁育试验降低预测成本,可以预测本土害虫未来年度的密度分度数据等优点,解决了上述技术的问题。
3、(二)技术方案
4、为实现上述目的,本专利技术提供如下技术方案:一种落叶林中害虫种群密度分布斑图的预测方法,包括以下步骤:
5、步骤一、收集预测局域点害虫密度历年信息;
6、步骤二、根据该局域内害虫密度历年信息对空间进行分布模式预测;
7、步骤三、当数据分布在两个不同的区间时,令xl和xh分别表示两个区间的中点,则s=xh-xl表示两个中点间的距离;
8、步骤四、以ul和uh分别表示两个区间宽的一半;
9、步骤五、将两个区间的中点xl和xh看作两个态,ul和uh分别表示两个态的不确定程度;
10、步骤六、计算k=(ul+uh)/s,根据k的值可得出害虫的空间分布结构。
11、优选的,所述区域点害虫密度历年信息范围包括该区域内最近十年害虫密度信息表,或该区域有记录在册且真实存在的害虫密度信息表年份一年次甚至一年次以上。
12、通过上述技术方案,通过收集将所需要预测的区域害虫密度信息表,害虫密度信息表越接近本年度,且往年度害虫密度信息表之间关系越连贯,则信息完全度越高,反之则收集有记录的害虫密度信息表进行建模运算,由于直接根据害虫密度信息表进行预测操作,且该地区的害虫密度信息表是最真实的反馈该地往年害虫密度信息,避免了需要去该地区实际捕捉蛹虫培育,造成的经济支出,且使用害虫密度信息表的优势为本土化害虫已经适应当地生态环境,当地所存在的害虫只会是适应当地环境的虫类,不会存在没有天敌抑制导致的指数式繁殖形成变量扰乱预测结果。
13、优选的,所述分布模式预测包括正态分布、泊松分布和指数分布。
14、通过上述技术方案,通过多种分布模式预测,确保预测结果的准确性。
15、优选的,所述分布模式预测还包括以下步骤:
16、步骤一、收集预测局域点害虫密度历年信息数据,确保数据的准确性和完整性;
17、步骤二、对收集到的害虫密度数据进行探索性分析,通过绘制直方图、箱线图等可视化方法,理解数据的分布特征、异常值和趋势;
18、步骤三、根据对数据的分析,选择一个合适的概率分布模型来描述数据的分布特征;
19、步骤四、对选择的分布模型进行参数估计,使用最大似然估计、贝叶斯方法确定模型中的参数值;
20、步骤五、通过与实际数据比较,评估所选择的分布模型的拟合程度和预测能力;
21、步骤六、利用已经拟合的模型,基于未来的预测数据,预测未来事件或现象发生时的分布模式。
22、优选的,所述t表示时间单位年。
23、优选的,所述x表示害虫的局域密度。
24、优选的,所述k=(ul+uh)/s计算结果k小于0.75时,害虫的空间分布为靶状结构图。
25、通过上述技术方案,通过靶状结构图呈有序分布,则可以预测该地区明年次害虫分布为常态的均匀分布。
26、优选的,所述k=(ul+uh)/s计算结果k处于区间[0.75,0.85]时,害虫的空间分布为不规则斑块结构图。
27、通过上述技术方案,通过不规则斑块结构图则可以直管了解到该地区来年次害虫密度分布比较集中,呈不规则的集中分布趋势。
28、优选的,所述k=(ul+uh)/s计算结果k处于区间(0.85,0.91]时,害虫的空间分布结构图边缘变得模糊。
29、通过上述技术方案,通过边缘模糊结构图可以直管了解到,该地区来年次的害虫密度分布为杂乱分布趋势,分布无序。
30、优选的,所述k=(ul+uh)/s计算结果大于0.91时,空间分布斑图为混沌。
31、通过上述技术方案,通过混沌分布斑图可以直管了解该地区来年次害虫密度分布为彻底无序的混乱式分布且密度极高,表面该地区来年次害虫危害较大。
32、与现有技术相比,本专利技术提供了一种落叶林中害虫种群密度分布斑图的预测方法,具备以下有益效果:
33、1、该落叶林中害虫种群密度分布斑图的预测方法,通过使用害虫密度信息表的优势为本土化害虫已经适应当地生态环境,当地所存在的害虫只会是适应当地环境的虫类,收集将所需要预测的区域害虫密度信息表,害虫密度信息表越接近本年度,且往年度害虫密度信息表之间关系越连贯,则信息完全度越高,反之则收集有记录的害虫密度信息表进行建模运算,由于直接根据害虫密度信息表进行预测操作,且该地区的害虫密度信息表是最真实的反馈该地往年害虫密度信息,达到了不需要实地勘探捕获蛹虫进行繁育试验降低预测成本的有益效果。
34、2、该落叶林中害虫种群密度分布斑图的预测方法,通过k=(ul+uh)/s计算结果表面k小于0.75时,害虫的空间分布为靶状结构,当k处于区间[0.75,0.85]时,害虫的空间分布为不规则斑块结构,当k处于区间(0.85,0.91]时,害虫的空间分布结构边缘变得模糊,当k大于0.91时,空间分布斑图为混沌,达到了可以预测本土害虫未来年度的密度本文档来自技高网...
【技术保护点】
1.一种落叶林中害虫种群密度分布斑图的预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的落叶林中害虫种群密度分布斑图的预测方法,其特征在于:所述区域点害虫密度历年信息范围包括该区域内最近十年害虫密度信息表,或该区域有记录在册且真实存在的害虫密度信息表年份一年次甚至一年次以上。
3.根据权利要求2所述的落叶林中害虫种群密度分布斑图的预测方法,其特征在于:所述分布模式预测包括正态分布、泊松分布和指数分布。
4.根据权利要求3所述的落叶林中害虫种群密度分布斑图的预测方法,其特征在于:所述分布模式预测还包括以下步骤:
5.根据权利要求1所述的落叶林中害虫种群密度分布斑图的预测方法,其特征在于:所述t表示时间单位年。
6.根据权利要求1所述的落叶林中害虫种群密度分布斑图的预测方法,其特征在于:所述x表示害虫的局域密度。
7.根据权利要求1所述的落叶林中害虫种群密度分布斑图的预测方法,其特征在于:所述K=(Ul+Uh)/s计算结果K小于0.75时,害虫的空间分布为靶状结构图。
8.根据权利要求1所
9.根据权利要求1所述的落叶林中害虫种群密度分布斑图的预测方法,其特征在于:所述K=(Ul+Uh)/s计算结果K处于区间(0.85,0.91]时,害虫的空间分布结构图边缘变得模糊。
10.根据权利要求1所述的落叶林中害虫种群密度分布斑图的预测方法,其特征在于:所述K=(Ul+Uh)/s计算结果大于0.91时,空间分布斑图为混沌。
...【技术特征摘要】
1.一种落叶林中害虫种群密度分布斑图的预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的落叶林中害虫种群密度分布斑图的预测方法,其特征在于:所述区域点害虫密度历年信息范围包括该区域内最近十年害虫密度信息表,或该区域有记录在册且真实存在的害虫密度信息表年份一年次甚至一年次以上。
3.根据权利要求2所述的落叶林中害虫种群密度分布斑图的预测方法,其特征在于:所述分布模式预测包括正态分布、泊松分布和指数分布。
4.根据权利要求3所述的落叶林中害虫种群密度分布斑图的预测方法,其特征在于:所述分布模式预测还包括以下步骤:
5.根据权利要求1所述的落叶林中害虫种群密度分布斑图的预测方法,其特征在于:所述t表示时间单位年。
6.根据权利要求1所述的落叶林中害虫种群密度分布斑图的预测方法,其特...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。