摘要: 【目的】为了提高马尾松毛虫Dendrolimus punctatus Walker发生量预报结果的准确性,以期为提高防治效果提供科学依据。【方法】采用方差分析周期外推预报法研究安徽省潜山县1991-2016年25年的马尾松毛虫一代幼虫发生量和一代幼虫高峰期发生量,并对预报结果进行验证。【结果】一代幼虫发生量的预报值与实况值相比,历史符合率达96%,只有2008年预报值与实况值差1级。一代幼虫高峰期发生量的预报值与实况值相比,25年中完全相同的有22年,历史符合率达88%。预报结果不同的是1996年、2005年和2016年,预测值与实况值均相差1级。【结论】方差分析周期外推预报法对马尾松毛虫发生量的预报是一种较理想的预报方法。

摘要: 【目的】研究替代寄主甜菜夜蛾Spodopteraexigua增殖的Se-DpCPV及其复合剂对马尾松毛虫Dendrolimus punctatus的防治效果,为进一步研究马尾松毛虫林间大规模防治提供依据。【方法】在室内利用接种不同浓度病毒的松针饲喂马尾松毛虫幼虫,比较替代寄主增殖的Se-DpCPV和野生型Dp CPV毒力能力以及Se-DpCPV对不同龄期马尾松毛虫幼虫毒力水平;同时,在林间利用固定翼植保无人机喷洒不同浓度Dp CPV及其复合剂,测定各组对第1代马尾松毛虫幼虫的防治效果。【结果】甜菜夜蛾增殖的Se-DpCPV和野生型Dp CPV对马尾松毛虫幼虫具有同样的感染致病能力,对马尾松毛虫3龄幼虫半数致死浓度LC50分别为4.73×103PIB/m L和3.36×103PIB/m L,二者毒力差异性不显著(P=0.107>0.05)。Se-DpCPV对马尾松毛虫2-5龄各龄幼虫半数致死浓度LC50分别为2.03×103、4.73×103、1.05×104、3.85×104 PIB/mL。当Se-DpCPV林间用量分别为375亿、750亿和1500亿PIB/hm2时,Se-DpCPV+3.2%阿维菌素复合剂防治组马尾松毛虫校正死亡率为86.05%、90.70%和94.19%,对马尾松毛虫的林间防治效果显著高于Se-DpCPV+25%灭幼脲复合剂(66.28%、72.09%和79.07%)和Se-DpCPV(59.30%、63.95%和70.93%)。活虫Dp CPV感染率最低为80.00%,最高可达93.33%。Se-DpCPV与3.2%阿维菌素、25%灭幼脲复配,比单独使用两种药剂防治效果至少分别提高17.45%和33.72%。【结论】在林间马尾松毛虫大暴发时,在马尾松毛虫3龄以下幼虫期,使用Dp CPV+3.2%阿维菌素复合剂(750亿PIB/hm2,7.5 mL/hm2)在短时间内迅速降低虫口基数,同时起到持续控制的效果。

摘要: 【目的】为了科学确定马尾松毛虫Dendrolimus punctatus防治适期,提高防治效果。【方法】采用平稳时间序列法、马尔科夫链法和BP神经网络法研究安徽省潜山县1983-2014年马尾松毛虫幼虫发生的高峰期预测模型,并用2015年和2016年发生资料进行验证。【结果】显示:平稳时间序列法、马尔科夫链法、BP神经网络法模型预测2015年和2016年1代幼虫高峰期均为6月5日,2代高峰期均为9月6日,两年的1、2代实际发生期也是6月5日和9月6日,预测值与实际值完全一致。平稳时间序列法预测1代幼虫高峰期结果,若以大于2 d为误差标准,则1983-2014年的历史符合率为96.77%;若以小于和等于1 d为误差标准,历史符合率为74.19%,2代幼虫高峰的预测结果的历史符合率与1代相同。BP神经网络法预测结果若以1 d为误差标准,1983-2014年则1、2代预测结果的历史符合率均为100%。【结论】在3种方法中,平稳时间序列法适用于害虫发生过程符合平稳时间序列的情况;马尔科夫链法预报量的分级标准科学与否直接影响预测结果的准确性;BP神经网络法可用于自变量与预报量非线性关系的研究,是一种比较理想的预报方法。

摘要: 【目的】为了探索灯诱马尾松毛虫Dendrolimus punctatus(Walker)成虫预测下一代幼虫发生量的办法,建立预测预报模型。【方法】2013-2017年连续5年采用灯诱法对马尾松毛虫每年的越冬代、第1代灯诱成虫数、雌虫数、雄虫数、雌性比等数据进行收集,实地调查第1代、第2代(越冬代)幼虫林间的发生量(虫口密度),采用Excel2016进行相关性分析,筛选出与下一代幼虫发生量(虫口密度)关系密切的灯诱成虫数、雌虫数、雌性比等关联因子,并应用神经网络Matlab2016a建立预测模型。【结果】所建立的灯诱成虫预测模型,拟合度0.92以上,预测精度0.90以上。【结论】采用灯诱马尾松毛虫成虫预测下一代幼虫发生量的神经网络Matlab模型,十分适用于短期精细化预报,方法简单、实用,值得在马尾松毛虫生产性防控中大力推广。

摘要: 【目的】为了提高马尾松毛虫Dendrolimus punctatus Walker发生量预测预报结果的准确性,为选用合适的预测模型提供依据。【方法】本文用平稳时间序列法、回归预测法、BP神经网络法、马尔科夫链法和列联表多因子多级分析预测法研究建立安徽省潜山县1983—2016年33年的马尾松毛虫1代和2代幼虫高峰期发生量的预测模型,并对5种模型进行比较。【结果】以卵高峰期卵量为自变量的回归模型、多元回归模型和逐步回归模型预测结果与实际值相差0.210.31头/株,其它8个一元回归预测结果与实际值相差1.061.58头/株。平稳时间序列预测2015和2016年的结果与实际值完全相符。BP神经网络预测结果若以误差标准为1头/株,1983—2014年预报准确率1代为90.32%,2代为100%。马尔科夫链预测2015和2016年,预测结果与实际值完全相符,均为1级。列联表多因子多级综合相关分析法预测2015和2016年的结果与实际值完全相符,1983—2014年1代幼虫高峰期发生量预测的历史符合率均为90.32%,2代为83.47%。为了研究不同分级标准对预测值的影响,将2代幼虫高峰期发生量的1级标准改为小于3.5头/株,则历史符合率为74.19%。【结论】上述方法中,回归预测法自变量的选择是预报准确的关键;时间平稳序列法适用于害虫发生过程符合平稳时间序列的标准;马尔科夫链法和列联表分析法分级标准科学与否直接影响预测结果的准确性;BP神经网络法可用于自变量与预报量非线性关系的研究,是一种比较理想的预报方法。