基于眼高刻槽数预测松褐天牛发生量分析

毛新星

摘 要 为探索简便的松褐天牛监测调查外业操作方法，本研究采用松褐天牛眼高刻槽调查方法，使用SPSS建立松褐天牛眼高刻槽数-松褐天牛诱捕器诱捕成虫数多层感知器人工神经网络模型，预测下一年度松褐天牛诱捕器诱捕成虫数，为松材线虫病防治年度预算和作业设计提供依据。使用安徽省潜山市国家级林业有害生物中心测报点国家级检测对象松褐天牛标准地监测数据，进行多层感知器人工神经网络模型培训训练，然后使用2019年度眼高刻槽数预测2020年诱捕器诱捕数，结果表明，60块标准地中，只有2块标准地预测精度低于85%，即96.67%的小班预测精度高于85%，86.67%的标准地预测精度高于90%，45%的标准地预测精度高于95%。

关键词 眼高刻槽;预测;松褐天牛;发生量

中图分类号：S763.38 文献标志码：B DOI：10.19415/j.cnki.1673-890x.2021.05.019

松褐天牛（Monochamus alternatus Hope）是松材线虫病的主要媒介昆虫，开展松褐天牛预测，为松材线虫病监测预报提供基础数据[1]。为简化松褐天牛监测调查外业操作，本试验依据张国庆提出的松褐天牛眼高刻槽（Nick at Breast Height，NEH）调查方法[2]，建立松褐天牛眼高刻槽数-松褐天牛诱捕器诱捕成虫数多层感知器人工神经网络模型，用来预测下一年度松褐天牛诱捕器诱捕成虫数，为松材线虫病防治年度预算和作业设计提供依据[3]。

1 材料与方法

1.1 研究方法

数据来源于安徽省潜山市国家级林业有害生物中心测报点国家级检测对象松褐天牛标准地监测数据。先使用2018年松褐天牛眼高刻槽数与2019年松褐天牛诱捕器全年诱捕数，采用SSPS的多层感知器人工神经网络工具建立预测模型，然后使用2019年松褐天牛眼高刻槽数预测2020年松褐天牛诱捕器全年诱捕数，并与2020年松褐天牛诱捕器全年实际监测数据进行比较，计算预测精度。

多层感知器（Multilayer Perceptron，MLP）是一种前馈型人工神经网络，将多个数据集（上一年度松褐天牛眼高刻槽数）映射到单一输出数据集（下一年度松褐天牛诱捕器全年诱捕数）上，从而获得预测模型。

1.2 研究材料与数据采集

研究材料来源于安徽省潜山市国家级林业有害生物中心测报点标准地监测数据。

1.2.1 标准地布局

安徽省潜山市国家级林业有害生物中心测报点国家级检测对象松褐天牛标准地共60个，分布在安徽省潜山市黄铺镇、梅城镇、王河镇、痘姆乡、天柱山镇、天柱山林场、龙潭乡、余井镇和源潭镇。

1.2.2 松褐天牛诱捕器监测数据

松褐天牛诱捕采用浙江杭州费洛蒙生物科技有限公司生产的BF-8诱捕器和该公司2015年研制的第二代松褐天牛引诱剂（F2）。该诱捕器诱芯采用植物源和昆虫源双重信息素组合，诱捕期可长达2～3个月，常温下保质期可达1年。BF-8型松褐天牛诱捕器表面含有涂层，大大提高松褐天牛诱捕效果，全卡扣设计，安装方便。悬挂时底部收集杯保持距离地面1.0～2.0 m，悬挂间距保持在100～120 m。国家级林业有害生物中心测报点国家级检测对象松褐天牛标准地诱捕器监测数据如表1所示。

1.2.3 松褐天牛眼高刻槽数数据

在标准地所在小班，按照《林业有害生物监测预报技术规范》（LY/T 2516—2015）[4]开展监测调查，在国家级林业有害生物中心测报点国家级检测对象松褐天牛标准地所在小班选择20株样木，清点眼高处50 cm段树干松褐天牛成虫产卵刻槽（眼高刻槽）。国家级林业有害生物中心测报点国家级检测对象松褐天牛标准地所在小班眼高刻槽监测数据如表2所示。

2 结果与分析

2.1 模型训练

将表1中“2019年诱捕数（头/诱捕器）”命名为变量“YBS”，作为因变量导入IBM SPSS Statistics 22，将表2中“2018年NEH（个/株）”命名为“NEH”，作为协变量，导入IBM SPSS Statistics 22，选择多层感知器分析工具，建立训练模型并开始培训训练。训练结果表明，在多层感知器人工神经网络模型培训中，60个样本用于培训的有38个，占比为63.3%。用于测试的有22个，占比为36.7%，60个样本全部有效，有效率100%。模型培训共花费时间0.01 s，培训平方和誤差为13.856 8，相对错误为0.749 0，测试中的平方和误差为14.181 2，相对错误为0.862 3。训练网络结果的网络模型敏感度0.6～1.0，特异性集中在0.0～0.2，培训所得模型具有较好的敏感度。

2.2 模型的应用

对表2中“2019年NEH（个/株）”作为协变量导入上述模型，将输出结果（预测值）与表1中“2020年诱捕数（头/诱捕器）”进行比较，计算预测精度，如表3所示。表3数据表明，60块标准地中，只有2块标准地预测精度低于85%，分别为84.93%和80.96%，也即96.67%的小班预测精度高于85%;只有8块标准地预测精度低于90%，也即86.67%的标准地预测精度高于90%;预测精度高于95%的标准地数有27块，占比为45%。

3 结论与讨论

以上研究分析表明，采用眼高刻槽调查方法，开展松褐天牛种群密度林间监测调查，可以大大简化当前的松褐天牛监测调查外业操作方法。运用现有的监测数据，可以采用SPSS建立的松褐天牛眼高刻槽数-松褐天牛诱捕器诱捕成虫数多层感知器人工神经网络模型，然后使用该模型，可以对下一年度的松褐天牛诱捕器诱捕成虫数做出较高精度的预测，进而为松材线虫病防治年度预算和作业设计提供依据。

参考文献：

[1] 张江平，张佑成，杨洁，等.松诱木引诱剂引诱松褐天牛试验[J].绿色科技，2020（19）：151-152.

[2] 张国庆.眼高刻槽在松材线虫病监测中的应用探讨[EB/OL].（2020-12-05）[2020-12-07].https：//wps.browser.360.cn/t/AkmrCcARVT.

[3] 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（20）：146-150.

[4] 国家林业局.林业有害生物监测预报技术规范：LY/T 2516—2015[S].北京：中国标准出版社，2015.

（责任编辑：刘 昀）