[1]付伟,祝玉青,司红君,等.基于决策树的水稻病虫害发生程度预测模型——以芜湖市为例[J].气象研究与应用,2024,45(01):102-107.[doi:10.19849/j.cnki.CN45-1356/P.2024.1.17]
 FU Wei,ZHU Yuqing,SI Hongjun,et al.A prediction model for the occurrence degree of rice diseases and pests based on decision tree algorithm: A case study in Wuhu[J].Journal of Meteorological Research and Application,2024,45(01):102-107.[doi:10.19849/j.cnki.CN45-1356/P.2024.1.17]
点击复制

基于决策树的水稻病虫害发生程度预测模型——以芜湖市为例()
分享到:

气象研究与应用[ISSN:1673-8411/CN:45-1356/P]

卷:
第45卷
期数:
2024年01期
页码:
102-107
栏目:
研究论文
出版日期:
2024-05-07

文章信息/Info

Title:
A prediction model for the occurrence degree of rice diseases and pests based on decision tree algorithm: A case study in Wuhu
作者:
付伟1 祝玉青1 司红君1 邹莹瑾2
1. 芜湖市气象局, 安徽 芜湖 241000;
2. 无为市气象局, 安徽 无为 238300
Author(s):
FU Wei1 ZHU Yuqing1 SI Hongjun1 ZOU Yingjin2
1. Wuhu Meteorological Bureau, Anhui Wuhu 241000, China;
2. Wuwei Meteorological Bureau, Anhui Wuwei 238300, China
关键词:
C5.0决策树算法水稻病虫害发生程度预测模型大气环流和海温指数
Keywords:
C5.0 decision tree algorithmoccurrence degree of rice pests and diseasesprediction modelatmospheric circulation and sea surface temperature index
分类号:
S431
DOI:
10.19849/j.cnki.CN45-1356/P.2024.1.17
摘要:
利用芜湖市1988-2022年7种水稻病虫害发生及种植面积数据,国家气候中心逐月大气环流和海温指数,基于C5.0决策树算法,构建一种以大气环流和海温指数作为预报因子的水稻病虫害发生程度的长期预测模型。结果表明,该模型可较好地预测未来一年芜湖市各种水稻病虫害发生程度,2022年7种病虫害发生程度预测准确率平均为85.7 %,为水稻病虫害发生程度的预测提供一种有效的实用方法。
Abstract:
Based on the C5.0 decision tree algorithm, a long-term prediction model for the occurrence of rice diseases and pests using atmospheric circulation and sea surface temperature (SST) index as predictive factors was constructed using the occurrence of seven types of rice pests and diseases and planting area data of Wuhu City from 1988 to 2022, and the monthly atmospheric circulation and SST index of National Climate Centre (NCC). The results show that these models can effectively predict the occurrence degree of various rice diseases and pests in Wuhu City in the next year. The average predicting accuracy of the occurrence degree of seven diseases and pests in 2022 is 85.7 %, which provides an effective and practical method for predicting the occurrence degree of rice diseases and pests.

参考文献/References:

[1] 程式华,胡培松.中国水稻科技发展战略[J].中国水稻科学, 2008, 22(3):223-226.
[2] 霍治国,李茂松,王丽,等.气候变暖对中国农作物病虫害的影响[J].中国农业科学, 2012, 45(10):1926-1934.
[3] 沈颖,周宇杰,骆琴,等.水稻白叶枯病"2+3"处理策略探讨[J].浙江农业科学, 2023, 64(12):2923-2925.
[4] 车琳,蒋沁宏,王也,等.我国水稻五大产区虫害发生及防控情况差异的比较分析[J].植物保护, 2022, 48(3):233-241.
[5] 廖雪萍,黄梅丽,雍阳阳,等.气候变化对广西农业影响的研究进展与展望[J].气象研究与应用, 2020, 41(4):72-80.
[6] 罗伟,段修荣,钟莉,等.自贡市水稻二化螟发生气象等级预报研究[J].湖北农业科学, 2020, 59(9):20-23.
[7] 黄珍珠,杜尧东,黄德超,等.基于气象因子的广东早稻穗颈瘟发生面积的预测[J].广东气象, 2020, 42(2):44-48.
[8] 彭荣南,陈冰,陈观浩,等.水稻白叶枯病发生流行与气象条件关系及预测模型研究[J].农学学报, 2020, 10(2):29-33.
[9] 司红君,付伟,徐阳,等.皖江地区水稻病虫害长期定量预测方法研究——以芜湖为例[J].江西农业学报, 2022, 34(4):58-63.
[10] 王纯枝,张蕾,郭安红,等.基于大气环流的稻纵卷叶螟气象预测模型[J].应用气象学报, 2019, 30(5):565-576.
[11] 陈冰,林汉龙,宋祖钦,等.基于经验法则的水稻细菌性条斑病气候年型分析[J].气象研究与应用, 2020, 41(1):26-30.
[12] 方敏,牛文科,张晓松.分类回归树多吸引子细胞自动机分类方法及过拟合研究[J].计算机研究与发展, 2012, 49(8):1747-1752.
[13] CHAN P K, WEI F, PRODROMIDIS A L, et al. Distributed data mining in credit card fraud detection[J]. IEEE Intelligent Systems, 1999, 14(6):67-74.
[14] 袁凯,李武阶,庞晶.基于决策树算法的鄂东地区冰雹识别技术[J].应用气象学报, 2023, 34(2):234-245.
[15] 史达伟,张静,曹庆,等.基于决策树算法的海州湾地区海雾预测[J].气象科学, 2022, 42(1):136-142.
[16] 张帆,王耐寒,兰鹏,等.苹果产量集成预测模型研究[J].江苏农业科学, 2022, 50(4):181-186.
[17] 张宇,张之明.一种基于C5.0决策树的客户流失预测模型研究[J].统计与信息论坛, 2015, 30(1):89-94.
[18] 陈丽萍,孙玉军.基于不同决策树的面向对象林区遥感影像分类比较[J].应用生态学报, 2018, 29(12):3995-4003.
[19] 莫建飞,陈诚,陈燕丽,等.2000-2019年广西喀斯特地区植被分布格局及时空变化分析[J].气象研究与应用, 2022, 43(4):13-19.
[20] TURE M,TOKATLI F,KURT I. Using Kaplan-Meier analysis together with decision tree methods (C&RT, CHAID, QUEST,C4.5 and ID3) in determining recurrence-free survival of breast cancer patients[J]. Expert Systems with Applications, 2009, 36(2):2017-2026.
[21] QUINLAN J R. C4.5:Programs for machine learning[M]. Boston:Kluwer Academic Publishers, 1994.
[22] 杨巳煜.基于C5.0决策树算法的开放数据的效用预测研究[J].统计理论与管理, 2019(10):17-22.
[23] 庞素琳,巩吉璋.C5.0分类算法及在银行个人信用评级中的应用[J].系统工程理论与实践, 2009, 29(12):94-104.
[24] 帅青红,李成林,蒋佳霖.商业银行客户细分与金融资产投资偏好——基于交易行为的新视角[J].财经科学, 2020(4):25-36.

备注/Memo

备注/Memo:
收稿日期:2024-01-04。
基金项目:国家重点研发计划项目(2018YFD0300905)、科技助力经济2020重点专项气象行业项目(KJZLJJ202002)
作者简介:付伟(1981-),男,高级工程师,从事生态气象研究工作。E-mail:fw075@126.com
更新日期/Last Update: 1900-01-01