十字花科蔬菜（cruciferous vegetable）是人們的主食蔬菜。十字花科蔬菜主要害蟲菜青蟲（Pieris rapae）、小菜蛾（Plutella xylostella）和甜菜夜蛾（Spodoptera exigua）為害會造成產(chǎn)量和品質(zhì)降低。由于十字花科蔬菜生長周期短,菜青蟲、小菜蛾和甜菜夜蛾的寄主范圍廣,對其發(fā)生期及發(fā)生量的預測缺乏有效手段。尤其是短期預測,精準預測難度大,難以指導科學和有效防控。本研究選取了山東省直線距離大于100 km有代表性的5個十字花科蔬菜主產(chǎn)區(qū),定陶、肥城、蘭陵、壽光和膠州,作為系統(tǒng)調(diào)查區(qū),分別運用決策樹和隨機森林2種算法,對2005-2015年菜青蟲、小菜蛾和甜菜夜蛾的發(fā)生量數(shù)據(jù)與平均氣溫、日最高氣溫等16種氣象數(shù)據(jù)的關聯(lián)度進行分析,構(gòu)建監(jiān)測預警模型,旨在為山東省十字花科蔬菜蟲害的監(jiān)測預警和綠色防控提供理論依據(jù)和技術(shù)支撐。主要研究結(jié)果如下:1.通過對2005-2015年山東省十字花科蔬菜害蟲平均百株蟲量空間尺度比較可知,壽光的菜青蟲、小菜蛾和甜菜夜蛾發(fā)生量均為5個系統(tǒng)調(diào)查區(qū)中最高。其中菜青蟲發(fā)生量蘭陵次之,小菜蛾發(fā)生量定陶次之,甜菜夜蛾發(fā)生量膠... 

【文章來源】：山東農(nóng)業(yè)大學山東省

【文章頁數(shù)】：96 頁

【學位級別】：博士

【文章目錄】：
中文摘要
Abstract
1 前言
    1.1 大數(shù)據(jù)簡介
        1.1.1 大數(shù)據(jù)的發(fā)展
        1.1.2 大數(shù)據(jù)的特點
        1.1.3 大數(shù)據(jù)的應用
            1.1.3.1 農(nóng)業(yè)大數(shù)據(jù)應用
            1.1.3.2 大數(shù)據(jù)在植物保護中的應用
    1.2 數(shù)據(jù)挖掘與分析方法
        1.2.1 決策樹
        1.2.2 支持向量機與支持向量回歸
        1.2.3 隨機森林
        1.2.4 神經(jīng)網(wǎng)絡
        1.2.5 主成分分析
        1.2.6 R語言
    1.3 農(nóng)業(yè)害蟲監(jiān)測預警
        1.3.1 農(nóng)業(yè)害蟲監(jiān)測預警特點
        1.3.2 傳統(tǒng)農(nóng)業(yè)害蟲監(jiān)測預警
        1.3.3 現(xiàn)代農(nóng)業(yè)害蟲監(jiān)測預警
    1.4 十字花科蔬菜主要害蟲危害及監(jiān)測預警
        1.4.1 害蟲危害
            1.4.1.1 菜青蟲
            1.4.1.2 小菜蛾
            1.4.1.3 甜菜夜蛾
        1.4.2 監(jiān)測預警
    1.5 研究目的及意義
2 材料與方法
    2.1 數(shù)據(jù)獲取
        2.1.1 調(diào)查地塊
        2.1.2 調(diào)查方法
    2.2 特征數(shù)據(jù)選取
    2.3 數(shù)據(jù)預處理
        2.3.1 氣象數(shù)據(jù)預處理
        2.3.2 目標變量離散化處理
        2.3.3 數(shù)據(jù)歸一化
        2.3.4 時間序列上空間分布的數(shù)據(jù)處理
    2.4 模型構(gòu)建
        2.4.1 基于決策樹算法的模型構(gòu)建
        2.4.2 基于隨機森林算法的模型構(gòu)建
3 結(jié)果與分析
    3.1 山東省十字花科蔬菜害蟲的空間分布
    3.2 山東省十字花科蔬菜害蟲時間序列上發(fā)生趨勢
        3.2.1 定陶3 種十字花科蔬菜害蟲的種群波動
        3.2.2 肥城3 種十字花科蔬菜害蟲的種群波動
        3.2.3 蘭陵3 種十字花科蔬菜害蟲的種群波動
        3.2.4 壽光3 種十字花科蔬菜害蟲的種群波動
        3.2.5 膠州3 種十字花科蔬菜害蟲的種群波動
    3.3 決策樹模型結(jié)果
        3.3.1 基于決策樹算法的菜青蟲發(fā)生級別預測模型構(gòu)建
        3.3.2 基于決策樹算法的小菜蛾發(fā)生級別預測模型構(gòu)建
        3.3.3 基于決策樹算法的甜菜夜蛾發(fā)生級別預測模型構(gòu)建
        3.3.4 決策樹模型評估
    3.4 隨機森林模型結(jié)果
        3.4.1 菜青蟲隨機森林模型結(jié)果
        3.4.2 小菜蛾隨機森林模型結(jié)果
        3.4.3 甜菜夜蛾隨機森林模型結(jié)果
    3.5 基于決策樹和隨機森林算法的3種害蟲發(fā)生級別關聯(lián)因子綜合分析
4 討論
    4.1 山東省十字花科蔬菜害蟲種群動態(tài)決策樹模型分析
    4.2 山東省十字花科蔬菜害蟲種群動態(tài)隨機森林模型分析
    4.3 模型構(gòu)建及展望
5 結(jié)論
創(chuàng)新點
參考文獻
致謝
攻讀學位期間發(fā)表論文情況


【參考文獻】：
期刊論文
[1]基于物聯(lián)網(wǎng)技術(shù)的現(xiàn)代農(nóng)業(yè)病蟲害監(jiān)控系統(tǒng)設計[J]. 傅曉耕.  計算機測量與控制. 2018(02)
[2]改進遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡的語音情感識別[J]. 陳闖,Ryad Chellali,邢尹.  計算機應用研究. 2019(02)
[3]中國農(nóng)業(yè)監(jiān)測預警的研究進展與展望[J]. 許世衛(wèi).  農(nóng)學學報. 2018(01)
[4]自動監(jiān)測裝置用溫室粉虱和薊馬成蟲圖像分割識別算法[J]. 楊信廷,劉蒙蒙,許建平,趙麗,魏書軍,李文勇,陳梅香,陳明,李明.  農(nóng)業(yè)工程學報. 2018(01)
[5]淺析大數(shù)據(jù)特征[J]. 陳閩韜.  電腦知識與技術(shù). 2017(36)
[6]決策樹算法在實際中的應用[J]. 吳逍,劉啟兵,汪飛.  工業(yè)控制計算機. 2017(12)
[7]基于支持向量機的超早強混凝土抗壓強度預測研究[J]. 丘偉興,楊飛,林逸洲,徐家興,黃國文,鄭幫熊.  路基工程. 2017(06)
[8]基于RBF神經(jīng)網(wǎng)絡的鐵路旅客周轉(zhuǎn)量預測研究[J]. 顏保凡,郭垂江.  鐵道運輸與經(jīng)濟. 2017(12)
[9]5種殺蟲劑對菜青蟲的田間藥效試驗[J]. 陳金耀.  福建農(nóng)業(yè)科技. 2017(06)
[10]基于隨機森林的玉米發(fā)育程度自動測量方法[J]. 石禮娟,盧軍.  農(nóng)業(yè)機械學報. 2017(01)

博士論文
[1]農(nóng)業(yè)主要病蟲害監(jiān)測預警系統(tǒng)通用平臺的開發(fā)及初步應用[D]. 籍延寶.中國農(nóng)業(yè)大學 2014
[2]基于林火時間序列的災變研究[D]. 杜嘉林.東北林業(yè)大學 2014
[3]支持向量機分類與回歸方法研究[D]. 孫德山.中南大學 2004

碩士論文
[1]玉米蟲害信息采集與監(jiān)測預警的研究與應用[D]. 張昕穎.山東農(nóng)業(yè)大學 2016
[2]氣候變化背景下農(nóng)作物病蟲害的變化及區(qū)域動態(tài)預警研究[D]. 張蕾.中國氣象科學研究院 2013
[3]時間序列非線性分析及其應用[D]. 李星.湖南農(nóng)業(yè)大學 2011



本文編號：3631762