董振輝，徐鈺，崔東陽(yáng)，韓陽(yáng)

(國(guó)家林業(yè)局森林病蟲(chóng)害防治總站，遼寧 沈陽(yáng) 110034)

林業(yè)有害生物防治信息管理系統(tǒng)中趨勢(shì)預(yù)測(cè)功能的研發(fā)與應(yīng)用

董振輝，徐鈺，崔東陽(yáng)，韓陽(yáng)

(國(guó)家林業(yè)局森林病蟲(chóng)害防治總站，遼寧 沈陽(yáng) 110034)

筆者參與開(kāi)發(fā)了全國(guó)林業(yè)有害生物防治信息管理系統(tǒng)中的趨勢(shì)預(yù)測(cè)功能，系統(tǒng)基于林業(yè)有害生物發(fā)生數(shù)據(jù)，結(jié)合數(shù)理統(tǒng)計(jì)原理和計(jì)算機(jī)、網(wǎng)絡(luò)、數(shù)據(jù)庫(kù)、GIS空間技術(shù)，完成自動(dòng)建模過(guò)程并對(duì)林業(yè)有害生物發(fā)生期、發(fā)生量、發(fā)生范圍進(jìn)行預(yù)測(cè)。該功能的實(shí)現(xiàn)，使用戶能夠方便快捷地完成對(duì)轄區(qū)林業(yè)有害生物的發(fā)生趨勢(shì)預(yù)測(cè)。

林業(yè)有害生物；防治；信息管理系統(tǒng)；趨勢(shì)預(yù)測(cè)

為促進(jìn)林業(yè)有害生物防治工作，國(guó)家林業(yè)局出臺(tái)了一系列林業(yè)有害生物監(jiān)測(cè)調(diào)查辦法和相關(guān)規(guī)程，并從2003年開(kāi)始，全面啟用林業(yè)有害生物防治管理系統(tǒng)，基本實(shí)現(xiàn)了林業(yè)有害生物發(fā)生防治數(shù)據(jù)的采集、傳輸、匯總功能，近期又根據(jù)工作需要,結(jié)合互聯(lián)網(wǎng)技術(shù)對(duì)系統(tǒng)進(jìn)行了全面升級(jí)改造，新版防治信息管理系統(tǒng)涵蓋林業(yè)有害生物測(cè)報(bào)、防治、檢疫、藥劑藥械管理及有害生物普查等核心業(yè)務(wù)，進(jìn)一步完善了系統(tǒng)功能，提升了系統(tǒng)的性能和安全性，尤其在利用數(shù)據(jù)對(duì)林業(yè)有害生物發(fā)生的短期預(yù)測(cè)和空間宏觀分析方面做了很大改進(jìn)。

作者就林業(yè)有害生物防治信息管理系統(tǒng)中的林業(yè)有害生物發(fā)生趨勢(shì)預(yù)測(cè)、空間分析功能的研發(fā)思路、技術(shù)方法及其在生產(chǎn)中的實(shí)際應(yīng)用進(jìn)行了研究和論述，供基層業(yè)務(wù)人員在系統(tǒng)使用中借鑒參考。

1 需求分析

1.1 功能需求 林業(yè)有害生物防治信息管理系統(tǒng)是報(bào)送林業(yè)有害生物調(diào)查數(shù)據(jù)的唯一渠道，從2003年啟用以來(lái)，收集了全國(guó)包括1000個(gè)國(guó)家級(jí)中心測(cè)報(bào)點(diǎn)在內(nèi)的近4000個(gè)林業(yè)單位的有害生物發(fā)生、防治調(diào)查數(shù)據(jù)，這些數(shù)據(jù)在時(shí)間和空間上具有一定連續(xù)性，利用大數(shù)據(jù)處理和空間分析技術(shù)，可以實(shí)現(xiàn)有害生物發(fā)生趨勢(shì)的自動(dòng)分析和圖形化展示，進(jìn)而在災(zāi)害的評(píng)估、決策等方面發(fā)揮作用。

1.2 管理需求 目前，全國(guó)1000個(gè)國(guó)家級(jí)中心測(cè)報(bào)點(diǎn)在基礎(chǔ)設(shè)施、儀器設(shè)備、人員配備等方面相對(duì)條件較好，國(guó)家每年安排一定的運(yùn)行經(jīng)費(fèi)用于開(kāi)展監(jiān)測(cè)調(diào)查工作，多年來(lái)積累了大量林業(yè)有害生物測(cè)報(bào)對(duì)象的系統(tǒng)調(diào)查數(shù)據(jù)，對(duì)這些數(shù)據(jù)通過(guò)系統(tǒng)進(jìn)行分析，建立區(qū)域的測(cè)報(bào)對(duì)象預(yù)測(cè)模型，不僅可以指導(dǎo)基層開(kāi)展精細(xì)化預(yù)測(cè)，而且能夠充分發(fā)揮國(guó)家級(jí)中心測(cè)報(bào)點(diǎn)的輻射作用。

1.3 用戶需求 建立和使用預(yù)測(cè)模型開(kāi)展短期趨勢(shì)預(yù)測(cè)涉及復(fù)雜的數(shù)理統(tǒng)計(jì)、計(jì)算機(jī)和數(shù)據(jù)庫(kù)操作技術(shù)，基層測(cè)報(bào)工作者手工建立模型有很大的難度。通過(guò)系統(tǒng)的趨勢(shì)預(yù)測(cè)功能，就可以把復(fù)雜的計(jì)算過(guò)程封裝成軟件工具，在實(shí)際使用過(guò)程中只需要幾步簡(jiǎn)單操作就可以完成整個(gè)計(jì)算過(guò)程，解決基層用戶開(kāi)展精細(xì)化趨勢(shì)預(yù)測(cè)中的計(jì)算方法難題。

2 數(shù)據(jù)保障

趨勢(shì)預(yù)測(cè)功能的研發(fā)，基于林業(yè)有害生物防治信息管理系統(tǒng)中收集的全國(guó)林業(yè)有害生物發(fā)生防治數(shù)據(jù)、國(guó)家級(jí)中心測(cè)報(bào)點(diǎn)調(diào)查數(shù)據(jù)及歷史氣象數(shù)據(jù)，這些數(shù)據(jù)作為開(kāi)展林業(yè)有害生物趨勢(shì)分析的關(guān)鍵因子，是預(yù)測(cè)功能實(shí)現(xiàn)的基礎(chǔ)。

2.1 林業(yè)有害生物發(fā)生防治數(shù)據(jù) 按照目前的林業(yè)有害生物報(bào)表體系，發(fā)生防治數(shù)據(jù)主要包括寄主樹(shù)種面積、應(yīng)施監(jiān)測(cè)面積、監(jiān)測(cè)面積、低蟲(chóng)低感面積、發(fā)生面積(合計(jì)、輕度、中度、重度面積)、累計(jì)發(fā)生面積(合計(jì)、輕度、中度、重度面積)、同病蟲(chóng)新發(fā)生面積、預(yù)計(jì)成災(zāi)面積等內(nèi)容，數(shù)據(jù)最小統(tǒng)計(jì)單元為鄉(xiāng)鎮(zhèn)級(jí)機(jī)構(gòu)或組織，匯總報(bào)送周期為月，歷史數(shù)據(jù)年度范圍為2003—2016年。

2.2 國(guó)家級(jí)中心測(cè)報(bào)點(diǎn)調(diào)查數(shù)據(jù) 國(guó)家級(jí)中心測(cè)報(bào)點(diǎn)調(diào)查數(shù)據(jù)通過(guò)發(fā)生歷期調(diào)查表和發(fā)生量調(diào)查表體現(xiàn)，發(fā)生歷期調(diào)查表根據(jù)測(cè)報(bào)對(duì)象的生物學(xué)特性記錄主要蟲(chóng)態(tài)(卵盛期、幼蟲(chóng)始見(jiàn)期、幼蟲(chóng)高峰期、2—3齡幼蟲(chóng)、蛹始見(jiàn)期、蛹高峰期、成蟲(chóng)始見(jiàn)期、成蟲(chóng)高峰期等)的發(fā)現(xiàn)時(shí)間；發(fā)生量調(diào)查表在發(fā)生歷期調(diào)查表基礎(chǔ)上，記錄害蟲(chóng)的蟲(chóng)口密度、有蟲(chóng)株率，病害的病情指數(shù)、感病株率，鼠(兔)害的鼠口密度、被害株率等數(shù)據(jù)。

2.3 歷史氣象數(shù)據(jù) 歷史氣象數(shù)據(jù)收集了全國(guó)824個(gè)基準(zhǔn)、基本氣象站2002年以來(lái)的氣象觀測(cè)數(shù)據(jù)，記錄的氣象因子包括最高氣壓、平均氣壓、最低氣壓、平均相對(duì)濕度、最小相對(duì)濕度、累計(jì)降雨量、平均氣溫、最高氣溫、最低氣溫、平均風(fēng)速、平均日照時(shí)數(shù)等，統(tǒng)計(jì)周期分旬、月、季、年4類。通過(guò)與國(guó)家級(jí)中心測(cè)報(bào)點(diǎn)地理坐標(biāo)相匹配，獲得各測(cè)報(bào)點(diǎn)臨近氣象觀測(cè)站的氣象數(shù)據(jù)。

3 數(shù)據(jù)分析

在林業(yè)有害生物預(yù)測(cè)預(yù)報(bào)工作中，應(yīng)用數(shù)理統(tǒng)計(jì)方法對(duì)災(zāi)害相關(guān)的歷史數(shù)據(jù)進(jìn)行歸納分析并建立預(yù)測(cè)模型是常用的預(yù)測(cè)方法。目前林業(yè)有害生物預(yù)測(cè)預(yù)報(bào)按照預(yù)測(cè)內(nèi)容可分為發(fā)生期預(yù)測(cè)、發(fā)生量預(yù)測(cè)和發(fā)生范圍預(yù)測(cè)，按照預(yù)測(cè)時(shí)限又可分為短、中、長(zhǎng)期預(yù)測(cè)。系統(tǒng)針對(duì)每項(xiàng)預(yù)測(cè)內(nèi)容，研發(fā)實(shí)現(xiàn)了期距表法、回歸分析、時(shí)間序列分析、BP神經(jīng)網(wǎng)絡(luò)分析、基于空間的插值分析等幾種常用的預(yù)測(cè)模型。

3.1 期距表法 期距預(yù)測(cè)法是從歷期預(yù)測(cè)法的基礎(chǔ)上發(fā)展起來(lái)的一種短、中期發(fā)生期預(yù)測(cè)方法。期距預(yù)測(cè)法是以前一蟲(chóng)態(tài)的發(fā)生期為起點(diǎn)日期，加上距后一蟲(chóng)態(tài)發(fā)生期的期距天數(shù)，推算后一蟲(chóng)態(tài)的發(fā)生期；或根據(jù)前一世代的發(fā)生期，加后一個(gè)世代的期距，預(yù)測(cè)后一個(gè)世代同一蟲(chóng)態(tài)的發(fā)生期[1]。

3.2 回歸分析法 回歸分析是確定兩個(gè)或兩個(gè)以上變量相關(guān)關(guān)系的一種統(tǒng)計(jì)分析方法。特定時(shí)期的溫度、降水量、日照時(shí)數(shù)、濕度等氣象因子對(duì)有害生物發(fā)生期會(huì)產(chǎn)生很大影響，通過(guò)回歸分析找出影響有害生物發(fā)生的關(guān)鍵氣象因子及相關(guān)系數(shù)，對(duì)發(fā)生期進(jìn)行預(yù)測(cè)?；貧w分析根據(jù)涉及變量的多少分為一元回歸、二元回歸和多元回歸，按不同的數(shù)據(jù)處理過(guò)程又包括一元直線回歸、邏輯斯諦回歸、多元線性回歸、多元逐步回歸等多種模型。

3.3 時(shí)間序列分析 時(shí)間序列分析是基于隨機(jī)過(guò)程理論和數(shù)理統(tǒng)計(jì)方法，研究有害生物發(fā)生隨時(shí)間變化的動(dòng)態(tài)趨勢(shì)，系統(tǒng)開(kāi)發(fā)了自回歸分析和灰色系統(tǒng)GM(1，1)模型分析兩種方法。自回歸分析是從線性回歸衍生出來(lái)的分析算法，它應(yīng)用的基礎(chǔ)是林業(yè)有害生物發(fā)生受前一狀態(tài)(蟲(chóng)態(tài))的影響，并且這種影響存在一定的線性關(guān)系；灰色系統(tǒng)GM(1，1)模型分析基于隨機(jī)的原始時(shí)間序列，經(jīng)按時(shí)間累加后所形成的新的時(shí)間序列呈現(xiàn)的規(guī)律來(lái)揭示系統(tǒng)內(nèi)部事物連續(xù)發(fā)展變化過(guò)程。

3.4 BP神經(jīng)網(wǎng)絡(luò) BP神經(jīng)網(wǎng)絡(luò)是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)，是目前應(yīng)用最廣泛的神經(jīng)網(wǎng)絡(luò)模型之一。BP網(wǎng)絡(luò)能學(xué)習(xí)和存貯大量的輸入——輸出模式映射關(guān)系，而無(wú)需事前揭示描述這種映射關(guān)系的數(shù)學(xué)方程，在有害生物發(fā)生數(shù)據(jù)樣本足夠多的情況下，可以挖掘其中的內(nèi)在聯(lián)系，對(duì)發(fā)生趨勢(shì)進(jìn)行研判。

3.5 基于空間的插值分析 在理論上，空間位置越靠近已知觀測(cè)點(diǎn)，越可能具有相似的特征值，而距離已知觀測(cè)點(diǎn)越遠(yuǎn)，其特征值相似的可能性越小。系統(tǒng)中的發(fā)生數(shù)據(jù)覆蓋全國(guó)縣級(jí)以上所有單位，對(duì)于具有區(qū)域分布特征的林業(yè)有害生物，通過(guò)GIS特有的空間插值分析方法，可對(duì)林業(yè)生物災(zāi)害的分布范圍進(jìn)行初步界定。系統(tǒng)中使用克里金、反距離、等值面、趨勢(shì)面等插值方法實(shí)現(xiàn)對(duì)分布范圍的標(biāo)記。

4 功能實(shí)現(xiàn)與應(yīng)用

4.1 統(tǒng)計(jì)模型的實(shí)現(xiàn) 防治信息管理系統(tǒng)在開(kāi)放式體系架構(gòu)下，按照標(biāo)準(zhǔn)化、模塊化的思路設(shè)計(jì)，系統(tǒng)基于J2EE技術(shù)，實(shí)現(xiàn)應(yīng)用系統(tǒng)構(gòu)件化開(kāi)發(fā)。如表1所示，系統(tǒng)中用到的回歸分析、時(shí)間序列分析等一般建模過(guò)程，通過(guò)java編程實(shí)現(xiàn)其計(jì)算過(guò)程并封裝成獨(dú)立的分析模型類文件進(jìn)行調(diào)用；BP神經(jīng)網(wǎng)絡(luò)算法，通過(guò)JOONE(Java Object Oriented Neural Network)來(lái)實(shí)現(xiàn)，JOONE是sourceforge上一個(gè)用java語(yǔ)言迅速開(kāi)發(fā)神經(jīng)網(wǎng)絡(luò)的開(kāi)源項(xiàng)目，具有良好的逼近能力、結(jié)構(gòu)簡(jiǎn)單并且計(jì)算速度較快。

表1 JAVA封裝的分析模型

4.2 空間插值分析功能的實(shí)現(xiàn) 信息管理系統(tǒng)使用ArcGIS 10.3 for Server實(shí)現(xiàn)空間展示與分析功能，ArcGIS for Server提供基于Web的GIS服務(wù)，支持在分布式環(huán)境下實(shí)現(xiàn)地理數(shù)據(jù)管理、制圖、地理處理、空間分析、編輯和其他GIS功能，具有非常強(qiáng)大的二次開(kāi)發(fā)功能。

4.3 建模過(guò)程

a)確定擬預(yù)測(cè)的項(xiàng)目，如發(fā)生面積、成災(zāi)面積等。

b)初步選擇預(yù)測(cè)相關(guān)因子，列出可能對(duì)預(yù)測(cè)項(xiàng)目產(chǎn)生影響的因子，如當(dāng)年1—3月均溫、降水、日照，上年11—12月均溫、降水、日照，以及其它因子，可多選。

c)從數(shù)據(jù)庫(kù)中提取數(shù)據(jù)組成數(shù)組A1。A1 列為X1,X2,…Xn,Y，其中X1—Xn為選擇的因子，Y為預(yù)測(cè)項(xiàng)目；行為年度樣本，根據(jù)預(yù)測(cè)項(xiàng)目和氣象因子的歷史數(shù)據(jù)積累情況提取出有效年度數(shù)據(jù)(表2)，如果樣本數(shù)過(guò)低(樣本數(shù)一般不能小于5)，則不具備分析條件。

表2 影響因子數(shù)據(jù)

d)篩選對(duì)預(yù)測(cè)項(xiàng)目影響較大的因子。應(yīng)用關(guān)聯(lián)度分析方法對(duì)因子進(jìn)行篩選，通過(guò)設(shè)定篩選門(mén)限值Fa或指定選中最大因子數(shù)量?jī)煞N方式。

e)提取選中因子組成新的數(shù)組A2。篩選函數(shù)返回因子序號(hào)，按序號(hào)提取因子組成新的數(shù)組。

f)建立預(yù)測(cè)模型。根據(jù)數(shù)據(jù)情況選擇適宜的建模方法，包括線性回歸預(yù)測(cè)模型、邏輯斯諦回歸預(yù)測(cè)模型、灰色關(guān)聯(lián)度(GM11)預(yù)測(cè)模型、自回歸模型、多元線性回歸模型、逐步回歸模型、BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型、BP神經(jīng)網(wǎng)絡(luò)時(shí)間序列分析等，對(duì)于批量預(yù)測(cè)，可指定模型的優(yōu)先順序，如果優(yōu)先選擇的方法能夠正常生成模型則不再繼續(xù)，如果方法不適用或出錯(cuò)繼續(xù)選擇下一方法，直到生成模型。

g)輸出預(yù)測(cè)結(jié)果。利用上述步驟建立的分析模型對(duì)預(yù)測(cè)項(xiàng)目進(jìn)行預(yù)測(cè)，同時(shí)輸出分析過(guò)程、效果等數(shù)據(jù)，如預(yù)測(cè)方法名稱、回歸公式、標(biāo)準(zhǔn)誤差等。

以上是軟件預(yù)測(cè)分析的流程，實(shí)際操作過(guò)程中可通過(guò)參數(shù)設(shè)置指定各個(gè)環(huán)節(jié)的默認(rèn)值，用戶一般直接點(diǎn)擊預(yù)測(cè)按鈕即可輸出預(yù)測(cè)結(jié)果，熟悉預(yù)測(cè)方法的用戶則可以通過(guò)預(yù)測(cè)前修改參數(shù)值執(zhí)行更精準(zhǔn)的預(yù)測(cè)過(guò)程。

4.4 模型的應(yīng)用 按照系統(tǒng)研發(fā)的設(shè)想，由國(guó)家級(jí)中心測(cè)報(bào)點(diǎn)建立主測(cè)對(duì)象在該區(qū)域的發(fā)生期、發(fā)生量預(yù)測(cè)模型，周邊環(huán)境相似的地區(qū)可以直接使用該模型進(jìn)行預(yù)測(cè)。這樣既讓國(guó)家級(jí)中心測(cè)報(bào)點(diǎn)積累的數(shù)據(jù)得以有效利用，又能充分發(fā)揮其對(duì)周邊地區(qū)的輻射帶動(dòng)作用。在系統(tǒng)中模型的建立過(guò)程采用向?qū)讲僮?，指?dǎo)業(yè)務(wù)人員完成數(shù)據(jù)的準(zhǔn)備和建模，使用者只要準(zhǔn)備好歷史資料，就可以方便地通過(guò)幾步操作完成建模過(guò)程，復(fù)雜的計(jì)算由系統(tǒng)來(lái)完成。模型的使用更為簡(jiǎn)單，選擇已建立的模型，執(zhí)行預(yù)測(cè)功能，根據(jù)模型的具體參數(shù)輸入當(dāng)期的調(diào)查因子就能完成整個(gè)預(yù)測(cè)過(guò)程。

5 結(jié)語(yǔ)與討論

林業(yè)有害生物的發(fā)生是復(fù)雜生態(tài)系統(tǒng)的一部分，影響其發(fā)生擴(kuò)散的因素很多，過(guò)程復(fù)雜，但也有一定的規(guī)律可循，應(yīng)用數(shù)理統(tǒng)計(jì)分析方法結(jié)合大量的歷史調(diào)查數(shù)據(jù)，可以開(kāi)展精細(xì)化的林業(yè)有害生物發(fā)生趨勢(shì)預(yù)測(cè)。本研究在全國(guó)林業(yè)有害生物防治信息管理系統(tǒng)中，通過(guò)標(biāo)準(zhǔn)化的統(tǒng)計(jì)模型建立方法，對(duì)系統(tǒng)多年積累的發(fā)生數(shù)據(jù)進(jìn)行分析，降低了基層的工作難度，是促進(jìn)基層開(kāi)展精細(xì)化趨勢(shì)預(yù)測(cè)的一種嘗試。但由于防治信息管理系統(tǒng)本身側(cè)重于對(duì)全國(guó)林業(yè)有害生物發(fā)生防治情況的統(tǒng)計(jì)，對(duì)發(fā)生期、發(fā)生量等系統(tǒng)調(diào)查指標(biāo)未作強(qiáng)制要求，而且數(shù)理統(tǒng)計(jì)模型自身也存在一定的局限性，在全國(guó)大范圍開(kāi)展精細(xì)化趨勢(shì)預(yù)測(cè)易帶來(lái)靈活性、可選擇性不足的問(wèn)題。在今后工作當(dāng)中，可以考慮從以下幾方面開(kāi)展進(jìn)一步研究：一是在調(diào)查手段上進(jìn)一步開(kāi)展實(shí)用技術(shù)研究，應(yīng)用物聯(lián)網(wǎng)、模糊識(shí)別、移動(dòng)互聯(lián)網(wǎng)等技術(shù)實(shí)現(xiàn)對(duì)有害生物的自動(dòng)連續(xù)監(jiān)測(cè)，為大數(shù)據(jù)挖掘分析提供數(shù)據(jù)基礎(chǔ)；二是進(jìn)一步改進(jìn)調(diào)查方法，優(yōu)化調(diào)查內(nèi)容，突出關(guān)鍵時(shí)期的關(guān)鍵影響因子，減少價(jià)值較低的面上調(diào)查，降低調(diào)查難度，提高人工調(diào)查數(shù)據(jù)質(zhì)量；三是充分發(fā)揮國(guó)家級(jí)中心測(cè)報(bào)點(diǎn)作用，選擇有條件的站點(diǎn)開(kāi)展主測(cè)對(duì)象的系統(tǒng)調(diào)查，總結(jié)出區(qū)域有害生物發(fā)生規(guī)律，建立相對(duì)成熟的預(yù)測(cè)模型，輻射到周邊區(qū)域；四是進(jìn)一步完善基礎(chǔ)數(shù)據(jù)庫(kù)，豐富森林資源、有害生物生活史、監(jiān)測(cè)歷期、寄主、分布規(guī)律、調(diào)查方法等信息；五是進(jìn)一步優(yōu)化分析方法以彌補(bǔ)現(xiàn)有分析方法的不足。

[1] 國(guó)家林業(yè)局森林病蟲(chóng)害防治總站.林業(yè)有害生物監(jiān)測(cè)預(yù)報(bào)技術(shù)[M].北京：中國(guó)林業(yè)出版社，2013.

[2] 國(guó)家林業(yè)局植樹(shù)造林司,國(guó)家林業(yè)局森林病蟲(chóng)害防治總站.森林病蟲(chóng)害監(jiān)測(cè)預(yù)報(bào)方法及應(yīng)用程序[M].哈爾濱：東北林業(yè)大學(xué)出版社，2002.

[3] 郭翠翠.基于神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)挖掘方法研究[D].武漢：武漢理工大學(xué)，2007.

[4] 董振輝，于治軍，高薇，等.森林病蟲(chóng)害管理信息系統(tǒng)的開(kāi)發(fā)及應(yīng)用[J].中國(guó)森林病蟲(chóng)，2006，25(5)：36-38.

Developmentandapplicationofforecastfunctionintheinformationmanagementsystemofforestpestcontrol

DONG Zhenhui,et al.

(General Station of Forest Pest Management,State Forestry Administration,Shenyang 110034,China)

The author participated in the development of forecast function in the information management system of forest pest control in China.Based on the occurrence data of forest pests for many years,and combined with mathematical statistics principle,computer,network,database and GIS spatial analysis techniques,the system built the forecasting model automatically and predicted the occurrence period,occurrence amount and occurrence range of forest pests.This function will enable users to forecast the occurrence trend of forest pests in the area quickly and easily.

forest pest;control;information management system;trend forecast

2017-02-27；

2017-03-20

國(guó)家生物安全關(guān)鍵技術(shù)研發(fā)專項(xiàng)“生物安全監(jiān)測(cè)網(wǎng)絡(luò)系統(tǒng)集成技術(shù)研究”(2016YFC1200700)；林業(yè)公益性行業(yè)科研專項(xiàng)“全國(guó)林業(yè)生物災(zāi)害精細(xì)化預(yù)報(bào)及管理基礎(chǔ)應(yīng)用研究”( 201404410)

董振輝(1976—)，男，遼寧朝陽(yáng)人，高級(jí)工程師，主要從事林業(yè)有害生物防治工作，E-mail：lndzh@163.com。

S763.305

A

1671-0886(2017)05-0009-04

(責(zé)任編輯 李計(jì)順)