基于气象数据的杨小舟蛾发生量预测方法
宋涛1
亓玉昆2
闫家河3
孙晓玲1
付晋4
张立钟1
邱玥1
梁玉婷3
周令希2
王涛3
康智2
王清海2
于连家2
1.济南市高新技术产业开发区气象局,山东 济南 2501002.山东省林业科学研究院,山东 济南 2500143.商河县林业保护和发展中心,济南 商河 2516004.济南市气象局,山东 济南 250000
摘要：为快速、精准预测气象因子对杨小舟蛾(Micromelalopha sieversi)种群动态的影响,本研究提出了一种基于长短期记忆网络(LSTM)的气象数据驱动预测模型.通过整合山东省济南市商河县 2014-2022 年逐日气象数据与杨小舟蛾虫情监测数据,构建了"气象-虫害等级"映射数据集,其中虫害发生量被划分为 0-3 级(阈值:0、100、1000 头).基于极端梯度提升树(XGBoost)的特征选择方法,筛选出 20 个对虫害发生等级具有显著影响的气象因子(如冬季平均气温、连续无雨天数).模型采用五折时间序列交叉验证进行训练与评估,结果显示:LSTM模型综合性能显著优于逻辑回归、随机森林及LightGBM基线模型,其准确率、加权精确率、加权召回率和加权F1-score分别达到 0.8420、0.8442、0.8420 和 0.8367.进一步利用 2023 年独立测试集验证表明,模型在短期预测中表现尤为突出(第一季度准确率 87.78%).本研究为林业害虫种群暴发的时序预测提供了高精度方法论框架,对优化林业病虫害绿色防控策略具有重要实践价值.
关键词：气象数据林业病虫害特征选择长短期记忆网络
分类号：S431.9(病虫害及其防治)
资助基金：济南市气象局科研课题项目(2023jnqxzx05)
论文发表日期：2025-12-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：8( 34-40,45 )
英文信息