昆虫生态及预测预报第八章 数理统计预测法.pptVIP

昆虫生态实验室 第八章? 数理统计预测法 数理统计预测法，是利用统计学原理，从害虫发生的历史资料中，概括出环境因子与虫害发生之间的内在联系，建立数学模型，然后根据目前环境因子的情况，来预报未来害虫发生的情况。 数理统计预测预报必须要有多年的田间系统调查资料，将这些资料选择其中有关部分，进行统计分析，得出有关预测预报实用的数学模型，才能加以应用。 数理统计预测法的优点 以前各类预测预报方法，可以称为实验生态、生物学方法，优点: 生态学、生物学、生理学意义较明确.缺点：必须进行田间的系统调查和室内饲养观察，工作量比较大、另外实验法一般只能作中、短期预报，时间较短。 统计预报法，是利用多年的历史资料进行统计分析，尔后得出数学模型，就可以不用田间系统调查和室内饲养观察，因而可以大大减少工作量，同时，可作较长时期的预报，并能进一步利用电子计算机作害虫的预报。近二十年来，特别是近十年来，数学方法大量渗入害虫预测预报中，而气象预测预报中的手段也大量引入害虫预测预报中，致使害虫预测预报从方法上，使害虫预报工作向前迈进了一步，为进入电子计算机时代打下了基础。现将预测预报中常用数理统计方法介绍如下。 第一节 预报因子的选取 一、预报因子的选取 预报因子的选取，是进行数理测报工作的前提，在准备建立预测模式前，首先要从多年积累的资料中，筛选同预报量有关的因子。 预报量 是指预报害虫发生的主要特征，（即在不同的情况下）预报害虫的发生期、发生量、发生范围以及危害程度等。 预报因子 简称为因子，影响害虫发生的因素都是预报因子（但不一定都能入选）预报因子有生物的如天敌；非生物的如气温、降雨量、相对温度、光照等。 预报因子和预报量通称为预报的要素。 二 、选取预报因子的原则 （1）样本数要足够多。样本数量太少，容易碰到由于样本的随机波动而造成较高的符合率的假象。一般有10-20个就可以了。 （2)选择因子的数目要恰当。因为选择因子太少，则提供信息不足，预报能力差，选择因子过多,计算麻烦且当样本数较少更易引起误差。一般认为选择因子的数目最好不超过样本的1/5-1/10,如10个样本选1-2个因子。 （3)选择准主导因子，并要选好能互相配合，互相弥补的次要因子，与主导因子互相搭配，但注意不要把一些虽然与预报量相关性好，但它们的作用是重复的因子。这样的因子，只是单独对预报量发生作用，并不是同主导因子配合共同起作用，也不能起到弥补的作用，这样的因子不宜作为辅助因子。如某个月的平均气温和平均最高气温以及积温，不宜同时采用。 （4）尽可保留因子中关于预报对象的原始信息。选择因子最好用原始数据建立预测式，如果将预报因子分级（调查时没有量，只有重、中、轻）、编号或转换为（0，1）资料，就会损失信息，但分级、编号、转换、可简化计算，因此，要权衡得失，恰当处理。 （5）选择相关性好而且相关性稳定的因子。用多因子作预报，至少要有一个预报因子与预报量相关性好且相关性稳定。这可以通过相关性检验和多年经验求出。 三、 3个注意 ①???? 应有科学的依据 自然界的事物都是有联系的，如害虫的发生规律性和客观环境之间是有联系的，不能把没有科学依据的资料硬往一块凑，例如预测粘虫幼虫的发生量，应从温度、湿度、作物种类，以及天敌等经前人研究已经认可的有关因子出发考虑，而不能把蚜虫的天敌蚜茧蜂作为预报粘虫发生的因子，至少是不能作为主导因子。 ②???? 应有推理的依据 所选因子要经得起推敲，如不少人认为蚜虫的基数与其发生量关系较密切，但仔细分析，蚜虫世代短，繁殖快，天敌控制复杂，到7-8月间受气温影响很大，而基数则是无关紧要的。 ③???? 应有实验的依据 所选因子最好在实验基础上，确认该因子与预报量有关，尔后再作分析。 第二节 线性相关与一元回归式的建立及应用 一、选取预报因子 （一）?? 资料分布图方法 将预报量（Y）作Y轴，将预报因子（X）作X轴，将历年的Y、X数值，描点在坐标上。点子密集在一条狭长的带内，而接近一条直线或一条曲线，说明二者相关性比较密切，可以选作预报因子；如果点子分散，不在一条狭长的带内，表示相关性不强，不宜选作预报因子；如果点子排成圆形，或排成平行于轴的矩形，则表示无线性相关性；点子排列接近一条直线者，称为有“线性相关”；点子排列接近一条曲线者，称为有“非线性相关”，或称有曲线相关。 （二）?? 相关系数法 衡量两变量相关的最好方法是求相关系数，然后查相关系数检验表，检验相关是否达到一定显著水平。如果达到，则可选作预报因子。 二、相关系数的计算 三、一元线性回归式的建立和应用 回归一词（Regression）原来含义较狭窄，英国高尔登氏（F.Galton）在1889年，在遗传学论文中首先应用此词。他发现儿子的平均成长高度，介于父亲高度和一般种