河北省小麦白粉病发生气象等级动态预警
根据河北省4县2001-2010年小麦白粉病病情和逐日气象资料,采用因子膨化、秩相关分析、通径分析、Bayes准则、模糊数学(Fuzzy)和广义回归神经网络(GRNN)等方法,筛选影响小麦白粉病发生的关键期和关键因子,建立了小麦白粉病发生气象等级指标模型、基于Bayes准则的Fuzzy模型和基于Fuzzy模型的GRNN模型.结果表明:影响河北4县小麦白粉病发生气象等级的关键因子是前三候至当候的平均温度、前三候至当候的降水量、前三候至当候的降雨系数和前一候的小麦白粉病实际发生等级;3种预警模型具有层层递进的关系,预报准确率基于Fuzzy模型的GRNN模型>基于Bayes准则的Fuzzy模型>指标模型,并均超过了85%,可以用于对候尺度小麦白粉病发生等级进行中短期预报.
小麦白粉病、Bayes准则、Fuzzy模型、广义回归神经网络、预警
34
S43(病虫害及其防治)
公益性行业气象科研专项经费项目GYHY201006026资助.
2015-10-12(万方平台首次上网日期,不代表论文的发表时间)
2489-2497