基于松褐天牛刻槽数预测松材线虫病病死木数量多层感知器建模研究

陈祥 潜山市龙潭乡林业工作站

一、研究目的

为精准编制下一年度的松材线虫病（Bursaphelenchus xylophilus（SteineretBuhrer） ）防治预算，就需要较为准确地预测下一年度松材线虫病的发生量，尤其是需要准确预测与防治预算数额直接相关的病死木数量。因为，松材线虫病防治中的主要支出就是病死木的清理与安全处理，该费用一般占防治总费用80%左右。此外，年度防治预案和作业设计也需要在上一年度完成编制，这些防治文书的编制都提出了较为准确地预测病死木数量的要求。

由于松材线虫病发生机理的复杂性，当前准确预测松材线虫病发生数量尚有一定困难。为了较为准确地为编制松材线虫病防治预算和相关防治文书提供病死木预测数据，我们在总结历年来松材线虫病防治实践经验基础上，借鉴当前国内有关松材线虫病研究成果，[1-5]通过松材线虫病媒介昆虫松褐天牛（Monochamus alternatus Hope）的发生量，来预测松材线虫病病死木数量。

二、研究方法

当前松褐天牛发生量的调查方法主要有诱捕器诱捕监测法、林间解剖标准木清点松褐天牛幼虫数量法、调查松褐天牛蛀孔数等方法。这些方法都存在一定的局限性，其中诱捕器诱捕监测法成本较高，难以用来进行全面监测；林间解剖标准木清点松褐天牛幼虫数量的方法工作量太大、劳动强度高，且采伐解剖标准木会对松林产生一定程度的破坏，该办法也不适用于全面监测；调查松褐天牛蛀孔数来推测松褐天牛发生量，尽管简单易行，但由于松褐天牛蛀孔数量要大大少于松褐天牛刻槽数，而且还有不少蛀孔位于身高以上位置，因此，在调查中，松褐天牛蛀孔寻找比较费时。

为此，我们在秋季松材线虫病普查时，按照《林业有害生物监测预报技术规范》（LY/T 2516-2015）开展监测调查，[6]选择数量相对较多的松褐天牛刻槽数作为调查对象，且只调查便于寻找和清点的胸高（1.3m处）上下25cm（共计50cm）树干的当年新鲜刻槽，即胸高50cm 段刻槽（简称胸高刻槽，nick at breast height，NBH），以此来推算松褐天牛发生数量，进而预测松材线虫病病死木发生数量，然后以该小班（病死树数量非零林地一张图小班面积）的小班面积作为松材线虫病发生面积。

本次建模研究直接使用胸高刻槽（NBH）来预测所在小班松材线虫病病死木数量。研究数据来源于安徽省潜山市龙潭乡2017 年-2019 年松褐天牛/松材线虫病监测调查数据（表1），将表1 中“2017年NBH 数（个/株）”和“2018 年病死树数（株/hm2）”作为建模研究的培训数据，“2018 年NBH 数（个/株）”作为预测验证数据，并将预测结果与“2019 年病死树数（株/hm2）”（实际数据）进行比较，计算预测精度。

三、建模训练

将表1 中“2017 年NBH 数（个/株）”和“2018 年病死树数（株/hm2）”导入IBM SPSS Statistics 22，选择多层感知器分析工具，调整分析参数，进行人工神经网络培训训练，代码如下：

*Multilayer Perceptron Network.

MLP 下一年度病死树数（MLEVEL=S）WITH 上一年度NBH 数

/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.

在训练中，30 组数据中18 组用来作为培训数据，12 组作为测试数据，培训中没有发现无效数据，数据有效率100%，培训耗费时间0.01s。培训中平方和误差为1.4511，相对错误为0.1707，测试中平方和误差为0.8040，相对错误为0.0201。自变量重要性（上一年度NBH 数）为1.0000，规范化的重要性为100.00%，所建立的模型预测值“输入层”偏差为-0.0199，隐藏层偏差为0.0230，预测值（输出）与实际值（目标值）相关性R=1（如表1 所示）。

四、模型的应用与预测进度

将表1 中“2018 年NBH 数（个/株）”导入上述模型，得到表2 的“2019 年病死树数预测值（株/hm2）”，将之与“2019年病死树数（株/hm2）（实际值）”相比较，计算“预测绝对误差（株/hm2）”和“预测精度（%）”，计算结果如表2 所示。表2 数据表明，所建立的多层感知器函数，用“2018 年NBH 数（个/株）”预测“2019 年病死树数”的绝对误差-0.5～0.6 之间，预测精度均大于90%，其中预测精度≥95%的小班有11 个，占比为36.67%。

表1 安徽省潜山市龙潭乡2017年-2019年松褐天牛/松材线虫病监测调查数据

续表1

表2 预测值与实际值对照表