基于松褐天牛刻槽數預測松材線蟲病病死木數量多層感知器建模研究

陳祥 潛山市龍潭鄉林業工作站

一、研究目的

為精準編制下一年度的松材線蟲病（Bursaphelenchus xylophilus（SteineretBuhrer） ）防治預算，就需要較為準確地預測下一年度松材線蟲病的發生量，尤其是需要準確預測與防治預算數額直接相關的病死木數量。因為，松材線蟲病防治中的主要支出就是病死木的清理與安全處理，該費用一般占防治總費用80%左右。此外，年度防治預案和作業設計也需要在上一年度完成編制，這些防治文書的編制都提出了較為準確地預測病死木數量的要求。

由于松材線蟲病發生機理的復雜性，當前準確預測松材線蟲病發生數量尚有一定困難。為了較為準確地為編制松材線蟲病防治預算和相關防治文書提供病死木預測數據，我們在總結歷年來松材線蟲病防治實踐經驗基礎上，借鑒當前國內有關松材線蟲病研究成果，[1-5]通過松材線蟲病媒介昆蟲松褐天牛（Monochamus alternatus Hope）的發生量，來預測松材線蟲病病死木數量。

二、研究方法

當前松褐天牛發生量的調查方法主要有誘捕器誘捕監測法、林間解剖標準木清點松褐天牛幼蟲數量法、調查松褐天牛蛀孔數等方法。這些方法都存在一定的局限性，其中誘捕器誘捕監測法成本較高，難以用來進行全面監測；林間解剖標準木清點松褐天牛幼蟲數量的方法工作量太大、勞動強度高，且采伐解剖標準木會對松林產生一定程度的破壞，該辦法也不適用于全面監測；調查松褐天牛蛀孔數來推測松褐天牛發生量，盡管簡單易行，但由于松褐天牛蛀孔數量要大大少于松褐天牛刻槽數，而且還有不少蛀孔位于身高以上位置，因此，在調查中，松褐天牛蛀孔尋找比較費時。

為此，我們在秋季松材線蟲病普查時，按照《林業有害生物監測預報技術規范》（LY/T 2516-2015）開展監測調查，[6]選擇數量相對較多的松褐天牛刻槽數作為調查對象，且只調查便于尋找和清點的胸高（1.3m處）上下25cm（共計50cm）樹干的當年新鮮刻槽，即胸高50cm 段刻槽（簡稱胸高刻槽，nick at breast height，NBH），以此來推算松褐天牛發生數量，進而預測松材線蟲病病死木發生數量，然后以該小班（病死樹數量非零林地一張圖小班面積）的小班面積作為松材線蟲病發生面積。

本次建模研究直接使用胸高刻槽（NBH）來預測所在小班松材線蟲病病死木數量。研究數據來源于安徽省潛山市龍潭鄉2017 年-2019 年松褐天牛/松材線蟲病監測調查數據（表1），將表1 中“2017年NBH 數（個/株）”和“2018 年病死樹數（株/hm2）”作為建模研究的培訓數據，“2018 年NBH 數（個/株）”作為預測驗證數據，并將預測結果與“2019 年病死樹數（株/hm2）”（實際數據）進行比較，計算預測精度。

三、建模訓練

將表1 中“2017 年NBH 數（個/株）”和“2018 年病死樹數（株/hm2）”導入IBM SPSS Statistics 22，選擇多層感知器分析工具，調整分析參數，進行人工神經網絡培訓訓練，代碼如下：

*Multilayer Perceptron Network.

MLP 下一年度病死樹數（MLEVEL=S）WITH 上一年度NBH 數

/RESCALE COVARIATE= STANDARDI ZED

/PARTITION TRAINING=7 TESTING=3 HOLDOUT=0

/ARCHITECTURE AUTOMATIC=YES（MINUNITS=1 MAXUNITS=50）

/CRITERIA TRAINING=ONLINE OPTIMIZATION=GRADIENTDESCENT LEARNINGINITIAL= 0.4 LEARNING LOWER = 0.001 LEARNINGEPOCHS = 10 MOMENTUM= 0.9 INTERVALCENTER =0 INTERVALOFFSET= 0.5 MEMSIZE=1000

/PRINT CPS NETWORKINFO SUMMARY CLASSIFICATION SOLUTION IMPORTANCE

/P L O T N E T W O R K P R E D I C T E D RESIDUAL

/STOPPINGRULES ERRORSTEPS=1（DATA=AUTO）TRAININGTIMER=ON（MAXTIME=15）MAXEPOCHS=AUTO ERRORCHANGE=1.0E-4 ERRORRATIO=0.0010

/MISSING USERMISSING=EXCLUDE.

在訓練中，30 組數據中18 組用來作為培訓數據，12 組作為測試數據，培訓中沒有發現無效數據，數據有效率100%，培訓耗費時間0.01s。培訓中平方和誤差為1.4511，相對錯誤為0.1707，測試中平方和誤差為0.8040，相對錯誤為0.0201。自變量重要性（上一年度NBH 數）為1.0000，規范化的重要性為100.00%，所建立的模型預測值“輸入層”偏差為-0.0199，隱藏層偏差為0.0230，預測值（輸出）與實際值（目標值）相關性R=1（如表1 所示）。

四、模型的應用與預測進度

將表1 中“2018 年NBH 數（個/株）”導入上述模型，得到表2 的“2019 年病死樹數預測值（株/hm2）”，將之與“2019年病死樹數（株/hm2）（實際值）”相比較，計算“預測絕對誤差（株/hm2）”和“預測精度（%）”，計算結果如表2 所示。表2 數據表明，所建立的多層感知器函數，用“2018 年NBH 數（個/株）”預測“2019 年病死樹數”的絕對誤差-0.5～0.6 之間，預測精度均大于90%，其中預測精度≥95%的小班有11 個，占比為36.67%。

表1 安徽省潛山市龍潭鄉2017年-2019年松褐天牛/松材線蟲病監測調查數據

續表1

表2 預測值與實際值對照表