论文部分内容阅读
水稻是我国最重要的粮食作物之一，每年因病虫害引起的经济损失相当惊人。如何提高水稻病虫害的综合管理效率和提高水稻病虫害预测预报的准确性在水稻生产和减少经济损失方面是非常重要的。目前，我国对农业病虫害的管理大都还是通过人工纸质记录或电子数据库管理，缺少空间管理和分析的能力；即使有学者利用先进的地理信息系统来研究水稻病虫害管理系统，但都是基于商业化的地理信息系统软件，成本较高，不易推广使用。本论文采用开源地理信息系统——地理资源分析支持系统（Geographic ResourcesAnalysis Support System，简称GRASS）结合数据库等技术进行了水稻病虫害地理信息系统的研究。构建了水稻病虫害地理信息数据库，开发了基于GRASS的水稻病虫害管理系统，实现对病虫害及其相关数据的管理、基本空间分析等功能；并结合开源统计软件R，首次提出将负二项回归模型和零膨胀负二项回归模型用于水稻病虫害预测预报的研究。论文主要结果包括：（1）目前，我国对GRASS的应用研究极少，相关的参考资料也非常有限。通过查阅大量的外文资料，本论文较系统的介绍了GRASS平台、具有的功能模块、数据格式和如何安装配置等，为后续利用GRASS进行应用研究提供一定的参考。（2）利用PostgreSQL和PostGIS开源数据库构建了水稻病虫害地理信息系统数据库，实现了对水稻病虫害历史发生数据、气象数据及病虫害发生地图数据的存储、管理；提高数据管理的有效性及避免了因纸质等记录方式造成数据丢失及共享性差等缺点。（3）建立水稻病虫害预测预报模型中，对气象因子的筛选采用了全部子集回归的方法，避免了利用逐步回归等一些常用方法在因子筛选过程中的一些缺点；通过对因子数据的筛选可以很好的剔除一些不相关或显著性差的因子，减轻运算过程中计算机的负担，提高运算效率。（4）根据水稻病虫害发生数据的特点即计数数据，首次提出和运用负二项回归模型（Negative Binomial Regression Model，NBRM）和零膨胀负二项回归模型（ZeroInflation Negative Binomial Regression Models，ZINBRM）对水稻稻纵卷叶螟发生程度预测进行研究；结果表明，NBRM和ZINBRM均可较好的模拟浙江省稻纵卷叶螟发生程度数据与气象因子之间的关系，实现稻纵卷叶螟的准确预测。为其它病虫害利用NBRM和ZINBRM建立预测模型提高了一条新思路。（5）构建基于GRASS的水稻病虫害地理信息系统，系统具有数据管理、GIS空间分析、统计分析、GPS、数据查询等功能模块；该研究系统可以扩展到其它农作物病虫害综合管理中。