基于大数据的山东省十字花科蔬菜虫害特征数据采集与预警模型构建

发布时间：2022-02-18 23:39

　　十字花科蔬菜（cruciferous vegetable）是人们的主食蔬菜。十字花科蔬菜主要害虫菜青虫（Pieris rapae）、小菜蛾（Plutella xylostella）和甜菜夜蛾（Spodoptera exigua）为害会造成产量和品质降低。由于十字花科蔬菜生长周期短,菜青虫、小菜蛾和甜菜夜蛾的寄主范围广,对其发生期及发生量的预测缺乏有效手段。尤其是短期预测,精准预测难度大,难以指导科学和有效防控。本研究选取了山东省直线距离大于100 km有代表性的5个十字花科蔬菜主产区,定陶、肥城、兰陵、寿光和胶州,作为系统调查区,分别运用决策树和随机森林2种算法,对2005-2015年菜青虫、小菜蛾和甜菜夜蛾的发生量数据与平均气温、日最高气温等16种气象数据的关联度进行分析,构建监测预警模型,旨在为山东省十字花科蔬菜虫害的监测预警和绿色防控提供理论依据和技术支撑。主要研究结果如下:1.通过对2005-2015年山东省十字花科蔬菜害虫平均百株虫量空间尺度比较可知,寿光的菜青虫、小菜蛾和甜菜夜蛾发生量均为5个系统调查区中最高。其中菜青虫发生量兰陵次之,小菜蛾发生量定陶次之,甜菜夜蛾发生量胶... 

【文章来源】：山东农业大学山东省

【文章页数】：96 页

【学位级别】：博士

【文章目录】：
中文摘要
Abstract
1 前言
    1.1 大数据简介
        1.1.1 大数据的发展
        1.1.2 大数据的特点
        1.1.3 大数据的应用
            1.1.3.1 农业大数据应用
            1.1.3.2 大数据在植物保护中的应用
    1.2 数据挖掘与分析方法
        1.2.1 决策树
        1.2.2 支持向量机与支持向量回归
        1.2.3 随机森林
        1.2.4 神经网络
        1.2.5 主成分分析
        1.2.6 R语言
    1.3 农业害虫监测预警
        1.3.1 农业害虫监测预警特点
        1.3.2 传统农业害虫监测预警
        1.3.3 现代农业害虫监测预警
    1.4 十字花科蔬菜主要害虫危害及监测预警
        1.4.1 害虫危害
            1.4.1.1 菜青虫
            1.4.1.2 小菜蛾
            1.4.1.3 甜菜夜蛾
        1.4.2 监测预警
    1.5 研究目的及意义
2 材料与方法
    2.1 数据获取
        2.1.1 调查地块
        2.1.2 调查方法
    2.2 特征数据选取
    2.3 数据预处理
        2.3.1 气象数据预处理
        2.3.2 目标变量离散化处理
        2.3.3 数据归一化
        2.3.4 时间序列上空间分布的数据处理
    2.4 模型构建
        2.4.1 基于决策树算法的模型构建
        2.4.2 基于随机森林算法的模型构建
3 结果与分析
    3.1 山东省十字花科蔬菜害虫的空间分布
    3.2 山东省十字花科蔬菜害虫时间序列上发生趋势
        3.2.1 定陶3 种十字花科蔬菜害虫的种群波动
        3.2.2 肥城3 种十字花科蔬菜害虫的种群波动
        3.2.3 兰陵3 种十字花科蔬菜害虫的种群波动
        3.2.4 寿光3 种十字花科蔬菜害虫的种群波动
        3.2.5 胶州3 种十字花科蔬菜害虫的种群波动
    3.3 决策树模型结果
        3.3.1 基于决策树算法的菜青虫发生级别预测模型构建
        3.3.2 基于决策树算法的小菜蛾发生级别预测模型构建
        3.3.3 基于决策树算法的甜菜夜蛾发生级别预测模型构建
        3.3.4 决策树模型评估
    3.4 随机森林模型结果
        3.4.1 菜青虫随机森林模型结果
        3.4.2 小菜蛾随机森林模型结果
        3.4.3 甜菜夜蛾随机森林模型结果
    3.5 基于决策树和随机森林算法的3种害虫发生级别关联因子综合分析
4 讨论
    4.1 山东省十字花科蔬菜害虫种群动态决策树模型分析
    4.2 山东省十字花科蔬菜害虫种群动态随机森林模型分析
    4.3 模型构建及展望
5 结论
创新点
参考文献
致谢
攻读学位期间发表论文情况


【参考文献】：
期刊论文
[1]基于物联网技术的现代农业病虫害监控系统设计[J]. 傅晓耕.  计算机测量与控制. 2018(02)
[2]改进遗传算法优化BP神经网络的语音情感识别[J]. 陈闯,Ryad Chellali,邢尹.  计算机应用研究. 2019(02)
[3]中国农业监测预警的研究进展与展望[J]. 许世卫.  农学学报. 2018(01)
[4]自动监测装置用温室粉虱和蓟马成虫图像分割识别算法[J]. 杨信廷,刘蒙蒙,许建平,赵丽,魏书军,李文勇,陈梅香,陈明,李明.  农业工程学报. 2018(01)
[5]浅析大数据特征[J]. 陈闽韬.  电脑知识与技术. 2017(36)
[6]决策树算法在实际中的应用[J]. 吴逍,刘启兵,汪飞.  工业控制计算机. 2017(12)
[7]基于支持向量机的超早强混凝土抗压强度预测研究[J]. 丘伟兴,杨飞,林逸洲,徐家兴,黄国文,郑帮熊.  路基工程. 2017(06)
[8]基于RBF神经网络的铁路旅客周转量预测研究[J]. 颜保凡,郭垂江.  铁道运输与经济. 2017(12)
[9]5种杀虫剂对菜青虫的田间药效试验[J]. 陈金耀.  福建农业科技. 2017(06)
[10]基于随机森林的玉米发育程度自动测量方法[J]. 石礼娟,卢军.  农业机械学报. 2017(01)

博士论文
[1]农业主要病虫害监测预警系统通用平台的开发及初步应用[D]. 籍延宝.中国农业大学 2014
[2]基于林火时间序列的灾变研究[D]. 杜嘉林.东北林业大学 2014
[3]支持向量机分类与回归方法研究[D]. 孙德山.中南大学 2004

硕士论文
[1]玉米虫害信息采集与监测预警的研究与应用[D]. 张昕颖.山东农业大学 2016
[2]气候变化背景下农作物病虫害的变化及区域动态预警研究[D]. 张蕾.中国气象科学研究院 2013
[3]时间序列非线性分析及其应用[D]. 李星.湖南农业大学 2011



本文编号：3631762