文档库 最新最全的文档下载
当前位置:文档库 › 基于参数化遗传神经网络的植物病害预测方法_熊雪梅

基于参数化遗传神经网络的植物病害预测方法_熊雪梅

基于参数化遗传神经网络的植物病害预测方法_熊雪梅
基于参数化遗传神经网络的植物病害预测方法_熊雪梅

2004年11月

农业机械学报

第35卷第6期

基于参数化遗传神经网络的植物病害预测方法

熊雪梅 姬长英 Claudio M o rag a

【摘要】 将混合神经网络(P FNN F G )技术应用于植物病害预测,其输入矢量含模糊分量,遗传算法优化配

置各参数。变形Sig moid 函数用于不同的隐含层,构成参数化神经网络。网络的输入层引入模糊集合理论,使网络

能处理语义变量。将P FNN

F G 和其他神经网络(如前向神经网络、径向基神经网络等)用于大豆基准问题进行分

析比较,结果是P FNN FG 在精度和训练速度上优于其他网络。将P FN N FG 和前向神经网络用于2组黄瓜霜霉

病数据,前者测试组的均方根误差小于后者。

关键词:植物 病虫害防治技术 参数化神经网络 模糊集 遗传算法

中图分类号:S431

文献标识码:

A

Parametric Fuzzy N eural Network Based on Genetic Algorithm

Configured for Plant Disease Prediction

Xiong Xuem ei J i Chang ying (Nanjing Agricultural University )

 

Claudio Mo rag a (University of Dortm und )

Abstract

This pa per proposed a hybrid neural netw ork ba sed o n parametric feedfo rw ard neural netw o rks with fuzzy inputs co nfigured by a genetic algo rithm (PFN N FG ).A v aria nt Sig moid functio n w as used a t va rio us hidden layers .The fuzzy set theo ry w as em plo yed at the input lay er to make the processing of linguistic v aria bles po ssible.The pa ram eters of the v ariant Sig moid functio n and the fuzzy pa ram eters w ere co nfig ured by a g enetic alg orithm.A comparative analy sis betw een PFNN FG and o ther neura l netw o rks o n benchmark pro blems show s tha t PFNN FG is com parable w ith the other netw o rks in terms of accuracy of the obtained results,but it is m uch faster.

Key words Plants,Techniques of pest control,Parametric neural netw ork,Fuzzy set,

Genetic algo rithm

收稿日期:2004

0114

熊雪梅 南京农业大学工学院 讲师,210031 南京市

姬长英 南京农业大学工学院 教授 博士生导师

Claudio M oraga Departmen t of Comp uter Science I ,Univ ersity of Dortmund ,Dortmund ,44221Germany

引言

植物病害传统预测模型的基础是建立病害生物学过程的数学关系,它要求描述系统每个过程的数学关系必须非常接近实际的输入输出之间的关系,这给这种预测模型的应用带来很大的局限性。人工神经网络具有自学习性,对受复杂环境影响的植物病害各参数间的关系具有很好的描述能力。因此应用神经网络模型及其并行算法进行知识获取和知识

表达已成为研究植物病害预测的发展方向,如NDSU 谷物病害预测系统[1]和PRO

PLAN T 植物

保护咨询系统[2]。前者的神经网络模块中采用误差反向传播学习算法(BP)。由于BP 学习算法收敛慢,易陷于局部最小,如考虑采用改进的BP 算法,其预测性能将进一步得到提高。后者的神经网络模块采用多层前向神经网络,给出有关除草剂的信息,并采用决策树方法从训练好的网络抽取规则。PRO PLAN T 的规则抽取方法与文献[3]相比显得复

杂,处理不确定知识的能力有待研究。本文提出了一

种植物病害预测的含模糊输入的参数化遗传神经网络(PFNN

FG),它包含快速学习能力,具有优化

结构,并能处理知识。

1 PFNN

FG 的构成

PFNN

FG 的基本结构如图1所示,它总体上

是一个多层前向神经网络,由一个输入层、一个模糊输入层、两个隐含层和一个输出层组成。从输入层到模糊输入层是一个转换过程,变形Sig moid 函数用于各隐含层,输出层采用线性传输函数。模糊输入层的参数及隐含层的变形Sig moid 函数参数由遗传算法配置

图1 带模糊输入层的神经网络结构Fig.1 N eur al netw o rk with fuzzy inputs

1.1 衰减问题的解决方法:参数化的前向神经网络 误差反向传播学习算法之所以速度慢,部分是由于误差信号在网络各层间反向传播时衰减。方法之一是依次增大隐含层的误差信号。通过调整变形

Sigm oid [4]

函数的参数,可以减轻误差信号的衰减问题。

f (t j (t ),b 1,b 2,b 3)=b 1

1+ex p(-b 2t j (t ))-b

3(1)此处,t j (t )为节点j 在第t 步的输入,b 1为动态调整函数参数,b 2为范围调整参数,b 3为偏差。

在不同的隐含层应用不同参数配置的变形Sigm oid 函数,就构成了参数化的前向神经网络(PFNN )[5]。PFNN 是PFNN FG 的一个基础组成部分。例如:将变形Sig moid 函数应用到大豆基准问题(见第2部分),网络结构为81—16N -1

—8N

—19(4层神经网络,81个输入,19个输出,2个隐含层,分别有16和8个节点)。隐含层的激励函数为

f (h N -1)=21+ex p(-6t j (t ))

-1(2)

f (h N )=11+ex p(-1.6t j (t ))

(3)

图2 大豆基准问题中两个隐含层的变形

S ig moid 函数的一阶导数

Fig.2 Deriv ativ e o f v ariant Sig moid functio ns fo r tw o

hidden lay ers in soy bea n benchma rk pro blem

变形Sig moid 函数的参数(对N -1层:b 1=2,b 2=6,b 3=1;对N 层:b 1=1,b 2=1.6,b 3=0)由遗传算法得到。对第N -1隐含层参数细调结果表明,此时的激励函数为双曲正切函数。这些函数的一阶导数见图2,其范围和倾斜度都明显得到增大。

解决误差信号衰减问题的另一方法是快捷连接方式。它使得各层之间信息得到直接的传递,每层都直接与后续层相连,而不是只与相邻的一层相连。如图3所示,一个快捷相连的参数化前向神经网络

PFNN,如果输出层激励函数为线性函数,则可以看

成是由一个无快捷相连的非线性PFNN 和一个线性网络的组合。因此,快捷相连的PFNN 可以解决非线性和线性问题。文中的PFNN 为快捷相连的前向神经网络,各隐含层的激励函数为变形Sig moid 函数,输出层激励函数为线性函数。考虑到RPRO P [6]

的快速学习能力,PFNN FG 中采用这

种学习算法。

1.2 PF NN FG 中的模糊集

虽然神经网络能够很好地预测,但是它不能解释给出的输出为何是合理的。而且,植物病害的发生和发展是一个渐进的过程,因此,模糊方法的应用显得很有必要。模糊集合理论用于神经网络的输入层,可使神经网络能够处理语义和数据输入[7]。1.2.1 输入矢量

针对图1所示的多层参数化前向神经网络,将n +m 维输入(n 维语义输入和m 维数据输入)I i =[I i 1,I i 2,…,I in ,I i (n +1),…,I i (n +m )]转换成3n +m 维输入I i =[_L (I i 1),_M (I i 1),_H (I i 1),…,_L (I in ),_M (I in ), _H (I in ),X i (3n +1),…,X i (3n +m )]=[X 1,X 2,X 3,…X 3n -2,X 3n -1,X 3n , X 3n +1,…,X 3n +m ]

(4)

111

 第6期熊雪梅等:基于参数化遗传神经网络的植物病害预测方法

图3 快捷相连的神经网络

Fig.3 A netwo rk w ith sho rt-cut co nnectio ns

这里_代表相应的语义c 集低(L )、中(M )和

高(H )的隶属函数;X 指模糊输入层的3n +m 个输入。当输入特征I j 为数据输入时,有

c (X j ;c ,λ

)=21-‖X j -c ‖

λ

2

λ

2

≤‖X j -c ‖≤λ1-2

‖X j -c ‖

λ2

0≤‖X j -c ‖≤λ

2

(其它)

(5)

这里λ(λ>0)是c 函数的半径,c 为中心点。当输入特征I j 为语义输入时,其c 集低(L )、中(M )和高(H )的隶属度为

L j ={0.95,c (X j (0.95);c jM ,λjM ),c

(X j (0.95);c j H ,λj H )}(6)M j ={c

(I j (0.95);c jL ,λjL ),0.95,c (I j (0.95);c j H ,λj H )}(7)H j ={c

(I j (0.95);c jL ,λjL ),c (I j (0.95);c jM ,λjM ),0.95}

(8)

这里c jL ,c jM ,c jH ,λjL ,λj M ,λj H 指3个语义特征沿

第j 轴的中心和半径。在式(6)中0.95指c 集L 的隶属度为0.95;I j (0.95)指当c 集L 达隶属度为0.95时对应的特征值I j ;c (I j (0.95);c j M ,λjM )指使c 集L 达隶属度为0.95的输入特征I j 在c 集M 的

隶属度(图4)。同样,c (I j (0.95);c j H ,λj H )是使c 集L 达隶属度为0.95的输入I j 对c 集H 的隶属度。可以采用更多的语义分量,代价是计算复杂性的增

加。例如一个样本有3个语义输入I 1、I 2、I 3,根据式(6)~(8)映射为9维语义空间,含元素L 1,M 1,H 1,L 2,M 2,H 2,L 3,M 3,H 3。1.2.2 规则抽取

由文献[3]推导的规则抽取方法从训练过的前

向神经网络抽取规则,数量为第N 隐含层的节点数。考虑图5所示的PFNN 两个隐含层(N -1和N )

所有节点激励函数为变形Sig moid 函数f (S 激励函数[3]

的一种),N -1隐含层的第j 个节点的输出为

O (N -1)j

=f (v j 0X 0+…+v j (3n +

m )

X 3n +

m

)

(j =1,…,k )

(9)

图4 语义输入的隶属度函数Fig.4 Ov er lapping o f ling uistic c -sets

偏差被当作一个与特定外加的值为常量1的输

入I 0相连的权值。第N 隐含层的第k 个节点输出为

O (N )k =f (w k 1O (N -1)1

+…+w kR O (N -1)

R )

(k =1,…,R )

(10)

对应于文献[3]中的定义,节点输出可以表示为

O (N )k =f (w k 1O (N -1)

1

) f (w k 2O (N -1)2) … f (w kR O (N -1)

R

)(11)

这里 表示对称总和[8]

。连接权可以看作S 激励函数的一个新的变量,用来调整范围,相应地

O (N )

k =f

(w

k 1

)

(O (N -1)

1

) f

(w

k 2

)

(O (N -1)

2

)

… f (w k R )(O (N -1)R )(12)类似地O (N -1)

j

=f (v j 0)(X 0) f (v j 1)(X 1) … f (v j (3n +m ))(X 3n +m )

(13)

于是O

(N )k

= R

j =1

f (w kj

)

(O

(N -1)j

)= R

j =1

f ((w

k j

)

3n +m

i =1

f (w ji )

(X i )(14)

由于f (v ji )(X i )可以解释为X i 上右(左)开放的模糊集(依v ji 为正(负)而定),于是O 表示相应的模糊集的饱和度的广义对称总和。式(14)可以解释为:“如果I 0由T 0约束,X 1(即I 1L )由T 1约束,…,X 3n +m (即I n +m )由T 3n +m 约束,则O 为它们的饱和度的广义对称总和。”此处“约束”指“最小”,如果相应的权值为正,反之,为“最大”。T i 是由f (v ji )代表的模糊集的语义变量。输出节点的规则为各隐含节点产生的规则的线性组合。

1.3 PF NN FG 中的遗传算法

手工确定初始参数既费时又不能保证获得最优

112

农 业 机 械 学 报2004年 

配置。参数的配置问题可以转化为优化问题,而由遗传算法(GA )完成。GA 在PFNN FG 中的应用分为3部分:优化初始权值,模糊输入参数和变形Sigm oid 函数的参数。1.3.1 染色体表示

GA 通过染色体表示问题的参数。染色体可含一个或多个子串。每个染色体包含问题的一个解决方案。本文中每个染色体包含3个子串,分别代表权值、模糊输入参数和变形Sig moid 函数参数(图5)。每个权值编码为16位的二进制数,[0…0]代表-128,[1…1]代表128。一个附加的位用来指示此连接的有(1)或无(0)。由此获得的优化网络结构有利于规则抽取,因为网络结构越复杂,制定解释抽取的相关规则就越困难。需要调整的模糊输入参数为每个特征的语义分量(低(L ),中(M ),高(H ))的中心

c 和半径λ

,编码为[0,2]内的16位子串。染色体的另一部分表示每个变形Sig moid 函数的参数。每个参数由10位组成,其中b 1、b 2在[0.01,5]范围内,b 3为[-8,8]。一个染色体由上述3个子串连接而成。

初始种群属设为64

图5 染色体表示

Fig .5 Chr omo somal r epr esenta tio n

1.3.2 操作

由于染色体串很长(对中等结构网络约2000位),单点交叉效果微弱,故采用多点交叉。为保证一个权值只交叉一次,相邻两个交叉点的距离取[8,24]间的随机数。交叉概率P c 取0.7。

由于染色体串很长,因此变异比交叉更有效。变异率在[0.01,0.4]内变化,如初始权值和变形Sig moid 函数的变异率为P m ,则模糊输入参数为

P m /10

。适应度函数选择为训练组中正确分类的样本数与总的训练样本数之比。

选择采用轮盘赌方法并保存最佳个体,使进化过程中某一代的最优解可不被交叉或变异操作破坏而直接复制到下一代中。

2 应用基准数据的结果

将PFNN

FG 和前向神经网络FNN (各隐含

层采用标准Sigm oid 函数)、径向基网络(RBF)[9]

及(Pruned )Cascade Co rrela tion (CC /PCC )[10]用于UCI 机器学习数据库中的大豆基准问题[11],结果见表1。此数据共683个样本,输入为35个特征值,为适合神经网络输入,编码为82位。输出为19个。表中的“分类误差”指测试组中错误分类的样本百分数,“分类精度”指测试组中正确分类的样本数。其余为未识别的样本百分数。样本中第26个输入特征“int -discolo r ”原编码为4位二进制串,由于“无变

色,褐色,黑色,不清楚”为模糊概念,这里映射为12维语义空间。

表1 大豆数据应用于多种网络的分类误差及分类精度比较结果Tab .1 Results of soybean data set using various neural networks

网络隐含层节点

网络参数分类误差/%

分类精度/%

训练循环数

CC

21781 2.9480.592+52297 4.7176.47FNN

16+8

S :4153 5.2985.88780NS :1635 5.2988.247002

S :1781 4.1785.2940NS :22312.9443.535000RBF 202059 3.5379.41780PFNN

FG

12

1605

5.23

88.21

700 注:“网络参数”指连接数和偏差,“S ”指含快捷相连,“N S ”指无快捷相连。

从表1可以看出,用PFNN FG 所得网络具有

较少的连接但并不降低分类精度,而且达到测试组相似精度,训练组所需时间较少(见表1中循环数)。快捷相连使FNN 网络训练速度加快(表1中隐含层含2个节点的FNN 快捷相连网络训练40次,

即达精度85.29%,而无快捷相连的PFNN 训练5000次后精度只有43.53%;两个隐含层分别含16和8个节点的FNN,其快捷相连网络训练780次,精度为85.88%,而无快捷相连网络训练700次后精度已达88.24%,这是由于此网络结构本来已经

113

 第6期熊雪梅等:基于参数化遗传神经网络的植物病害预测方法

很大,快捷相连的效果不如小网络显著)。快捷相连使网络连接数增加,每个循环所需时间也增加。

PFNN FG的学习能力通过两个不同地区的黄瓜霜霉病数据得到了验证。实例1为平凉1980~1986年7年间的黄瓜霜霉病发生情况[12]。5个输入分别为:上年12月至当年2月的降雨量,最低气温不高于-10℃的总日数,3月上旬至中旬的总降雨量,3月下旬至4月上旬的总降雨量和4月中下旬的平均气温。输出为始发期,以4月30日计为0, 5月1日计为1,以此推算。实例2为内蒙古呼和浩特市1982~1989年的黄瓜霜霉病数据[13]。3个输入分别为平均相对湿度、平均气温和累积降雨量,输出为平均病指。数据均经过归一化处理,即具有0平均值和标准偏差。表2中测试组中用PFNN FG的均方根误差小于用FNN。由于样本数较少,测试组的误差均较大。本文着重比较PFNN FG和FNN的性能,因此未将结果反归一化与原文献中统计方法比较。两组数据均不含语义输入。

表2 黄瓜霜霉病数据结果

Tab.2 Results of cucumber downy mildew data sets

地点网络结构

均方根误差

训练组测试组平凉

PFNN FG5/5/10.249380.8668

FNN5/8/10.23356 1.1812

呼和浩特市

PFNN FG3/5/15/10.3974 1.4164

FNN3/20/10.3930 1.5521

3 结束语

提出了一种预测植物病害的含模糊输入的参数化遗传神经网络技术,由变形Sig moid函数带来的自由度使神经网络具有快速学习能力,新的自由度由遗传算法给出适当的初始设置。模糊方法用于网络输入层,使之能处理语义输入。规则抽取方法简单,并能从任何已训练的前向网络抽取规则,规则数为第N隐含层节点数。初步结果表明,此种网络用于植物病害的预测,具有收敛快、精度高的优点。

参考文献

1 Fr ancl L J,La rso n C,De W o lf E D.Description and ev aluation of th e N DSU regio nal w hea t disea se fo r ecasting sy stem.Pro ceeding s o f2000N atio na l Fusa rium Head Bligh t Fo rum,Erla ng er,Kentucky,2000.

2 V isser U,V og es U,Streit U.Integ ra tion o f AI-,database-a nd teleco mmunicatio n-techniques fo r the plant pr otection ex pert sy stem PRO P L AN T.International Confer ence o f Industrial and Eng ineering Applica tio ns of

A rtificial Intellig ence a nd Exper t Systems(IE A/AI E),San A nto nio,1994.

3 M or aga C.Neur o-fuzzy modeling o f co mpensating sy stems.In:Sincak P,V asca k J,eds.Q uo v adis Copputa tio nal Intellig ence?Heidelberg:Springer V erlag,2000.385~398

4 Ha n J,M o raga C.T he influence o f the S ig moid functio n pa ramete rs o n th e speed o f Backpro pag ation lear ning.In: Mir a,Sandova l,eds.Fr om natura l to ar tificia l neural computation.Heidelbe rg:Spring er V er lag,1995.195~201

5 M or aga C.Proper ties of par ametric feedfo r wa rd ne two rks.Pr oceeding s XX III Co nfe rencia Latinoa merica na de Info r ma tica,V alparaiso,Chile,1997.

6 Riedmille r M,Braun H.A dir ect adaptiv e me tho d fo r faster Backpr opaga tio n lea rning:the R PRO P alg orithm.Pro c.

IEEE Int.N eural N etw or ks,San Fr ancisco,1993.

7 Mit ra M S,Pal S K.Ro ug h fuzzy M L P:know ledg e e ncoding a nd classifica tio n.IEEE T ra ns.o n Neura l N etw o rks, 1998,9(6):1203~1216

8 Silv er t W.Sy mmetric summatio n:a class o f o per atio ns on fuzzy sets.I EEE T rans.o n System s,M a n and Cy bernetics,1979,9:659~667

9 X u L.O n RBF ne ts and ke rnal reg ressio n,sta tistical consistency,co nv erg ence rate,a nd receptiv e field si ze.N eural Ne two rks,1994,7:609~628

10 Fahlman S E,Lebier e C.The ca scade-co rr ela tion lea rning ar chitecture.T ech nical Repro t CM U CS90100, Sch oo l o f Co mputer Science,Car neg ie M ellon Univ ersity,1991.

11 Prechelt L.PRO BEN1A set o f bench ma rks a nd bench ma rking rules for neura l netwo rk training algo rithms.

Technical Repo r t21/94,Faculty o f Co mputer Science,Univ ersity o f Ka rlsruhe,Germany,1994.

12 王淑英.平凉地区黄瓜霜霉病发生规律及发生期预报.植物保护,1992,18(1):28~29

13 邢俊,邹集英.气象条件对露地黄瓜霜霉病流行影响的分析.内蒙古农牧学院学报,1993,14(2):37~41

114农 业 机 械 学 报2004年 

名词解释植物病害流行

植物病害流行学名词解释 1, 植物病害流行:指植物病原物大量传播,在一定的环境下诱发植物群体发病,并且造成严重损失的过程和现象。 2 稳态流行:指在某地区早已存在,年年或经常发生而波动不大的流行状态。 3 突发流行:是指在某地区以前没有,出现不久就迅速蔓延成灾的流行状态。 4 大区流行:指流行过程中自然传播很广的状态。也称泛洲流行或泛域流行。 5 生态学是研究生物与环境之间相互关系及其作用机理的科学。 6 系统理论定义:指相互依赖的若干事结合成的具有特定功能的有机整体。 7 生态系统:一定空间范围内,所有生物与非生物的环境要素通过物质循环和能量流动,相互作用、相互依存的生态学单元。 8 农业生态系统:是在一定地区内,人类利用农业生物与环境之间的相互作用,按社会经济需求进行物质生产的生态系统。 9 植物病害系统定义:指由病原物和寄主植物两个种群通过寄生作用构成的开放的和动态的生态系统。 10 主导因素:在诸多病害流行因素中,往往有一种或几种起主要作用,被称为病害流行的主导因素。 11 垂直体系和水平体系。即系统中存在着特异性的互作或分化性互作,即为垂直体系,另一类无此互作,呈现出抗病性和致病表现的恒定等级,即为水平体系。 侵染链和侵染环 12 侵染链:侵染物体在寄主一个生长季节中,从一个寄主到另一个寄主的一系列传播。 13 已被侵染的寄主称为散布体,将被侵染的植物称为接受体,而侵染链中的各个环节称为侵染环。 14 侵染环,即指由一次侵染到下一次侵染之间各个阶段所组成的一个周期,为侵染链中的一个环节。 15 单年流行病:指在作物一个生长季节中,只要条件适宜,菌量能不断积累、流行成灾的病害。又称多循环病害、复利病害。 16 积年流行病害:指病原物需要经过连续几年的菌量积累,才能流行成灾的病害。又称单循环病害、单利病害。 17 中间型”病害:有许多病害介于上述两类病害之间,或兼有上述两类病害的特点,故称之为中间型号病害,如油菜菌核病、土传丝核菌引起的水稻纹枯、小麦纹枯、玉米纹枯病等。 18 季节流行曲线:是病害在单一生长季节内病害流行动态的形象表示方式,因病原物致病性、品种抗性和环境因素而变。 19 这种先后出现的不同形态结构,流行学上称为状态。 20 速率:在侵染过程中,病原物从一个状态至下一个状态所需的时间的倒数称为发展速率。 21 传播单位:指病原物能被视觉识别和计数的传播和存活的结构。 22侵染单位:当传播单位与适宜的寄主植物部位接触,并给以适当的环境条件,传播单位就变成侵染单位。 23 侵入概率(侵入率):指病原物传播体在一定条件下能侵入寄主的概率。 24 侵染概率(侵染几率):指病原物的一个传播体着落于寄主体表后,在一定条件下得以侵染成功,引致发病的概率。 25 一定数量的亲代病情在一日内传播侵染引致子代病情的概率,称为相对侵染概率或病害日传染率。 26 重叠侵染定义:在一个位点上就可以发生多次侵染。

园林植物病害的调查方法

园林植物病害的调查方法 一、目的意义 为了解病害的种类、分布、危害、发生发展规律及预测预报提供科学依据;学会病害调查的一般方法,熟悉调查资料的整理、计算方法和分析等。 二、材料用具 放大镜,尺子,病害调查记载表,调查病害的分级标准。 三、内容说明 植物病害的调查是植物病理学研究及病害防治的重要基础工作。其调查研究的方法,因病害的种类和调查目的的不同而异,可分为一般调查(普查),专题调查和系统定期定点调查。调查应遵循以下原则:明确调查的目的,任务,对象及要求;拟定调查计划,确定调查方法;所获调查资料数据真实,且反映客观规律;了解调查相关的有关情况。本实验将根据田间的具体情况选择2?3种作物的1?2种病害进行一般调查(实验将分组进行)。 实验原理: 1、病害调查的类别 1.1一般调查(普查) 普查是对局部地区植物病害种类、分布、发病程度的基本情况调查。 1.2重点调查 对一般调查发现的重要病害,可作为重点调查对象,深入了解它的分布、发病率、损失、环境影响和防治效果等,重点调查次数要多一些,发病率的计算也要求比较准确。 1.3调查研究 调查研究是深入的研究某一个问题,是通过调查研究或者是在调查研究的基础上解决的。调查研究和实验研究互相配合,逐步提高对一种病害的认识。 2、发病程度的调查 2.1 记载方法 2.1.1直接计数法

直接计数法是一种比较简单的方法,就是计算发病田块、植株或器官的数目,从调查的总数,求得发病的百分率。 2.1.2分级计数法 根据病害发生的轻重,对植物影响不同,可将病害分级,调查时记录每级发病田块数、平均发病率。 下面举个例子,说明分级标准的用法。(马铃薯晚疫病) 级别发病率(%)病害发生程度 1 0.0 田间无病 2 0.1 病株稀少,直径11m的面积内,只发现一二个病斑 3 1.0 发病普遍,每株约10个病斑 4 5.0 每个病株约有50个病斑或有1/10的小叶片发病 5 25.0 每一小叶都发病,但病株外形仍正常,并呈绿色 6 50.0 每一个植株都发病,有一半叶片枯死,病田呈绿色,但间 7 75.0 或呈褐色 8 95.0 有3/4的面积枯死,病田呈黄褐色,顶叶仍呈绿色 9 100.0 只有少数叶片仍保持绿色,但茎仍呈绿色 叶片全部枯死,茎部亦枯死或正在枯死中 另外分级还可用图或照像来表示,学生另查阅资料,此处不再讲述。 2.2感染指数 分级计数法的级别,有的不是根据百分率分级的,得到的结果实每一级中有多少个体, 针对这种情况,往往是计算感染指数来表示发病程度,即每一级用一代表数值,然后按以下 公式计算。 女口:番茄早疫病的病株,分级情况如下: 远f病级株数X代表数值) 病惜指数二 ------------------------------ X100 株数总和X发病堀重级的代表数值 如:番茄早疫病的病株,分级情况如下: 病级发病程度代表数值病株(假定)

遗传算法与神经网络的结合.

系统工程理论与实践 Systems Engineering——Theory & Practice 1999年第2期第19卷 vol.19 No.2 1999 遗传算法与神经网络的结合 李敏强徐博艺寇纪淞 摘要阐明了遗传算法和神经网络结合的必要性和可行性,提出用多层前馈神经网络作为遗传搜索的问题表示方式的思想。用遗传算法和神经网络结合的方法求解了短期地震预报问题,设计了用遗传算法训练神经网络权重的新方法,实验结果显示了遗传算法快速学习网络权重的能力,并且能够摆脱局部极点的困扰。 关键词遗传算法进化计算神经网络 On the Combination of Genetic Algorithms and Neural Networks Li Minqiang Xu Boyi Kou Jisong (Institute of Systems Engineering, Tianjin University, Tianjin 300072 Abstract In this paper, we demonstrate the necessity and possibility of combining neural network (NN with GAs. The notion of using multilayered feed forward NN as the representation method of genetic and the searching technique is introduced. We combine GA and NN for solving short term earthquake forecasting problem, design a novel method of using GAs to train connection weights of NN.The empirical test indicates the capability of the new method in fast learning of NN and escaping local optima. Keywords genetic algorithms; evolutionary computation; neural networks

植物病害流行的病害流行的因素

植物病害的流行受到寄主植物群体、病原物群体、环境条件和人类活动诸方面多种因素的影响,这些因素的相互作用决定了流行的强度和广度。 在诸多流行因素中最重要的有: 1、感病寄主植物存在感病寄主植物是流行的基本前提。感病的野生植物和栽培植物都是广泛存在的。虽然人类已能通过抗病育种选育高度抗病的品种,但是现在所利用的主要是小种专化性抗病性,在长期的育种实践中因不加选择而逐渐失去了植物原有的非小种专化性抗病性,致使抗病品种的遗传基础狭窄,易因病原物群体致病性变化而丧失抗病性,沦为感病品种。 2、寄主植物大面积集中栽培农业规模经营和保护地栽培的发展,往往在特定的地区大面积种植单一农作物甚至单一品种,从而特别有利于病害的传播和病原物增殖,常导致病害大流行。 3、具有强致病性的病原物许多病原物群体内部有明显的致病性分化现象,具有强致病性的小种或菌株、毒株占据优势就有利于病害大流行。在种植寄主植物抗病品种时,病原物群体中具有匹配致病性(毒性)的类型将逐渐占据优势,使品种抗病性丧失,导致病害重新流行。 4、病原物数量巨大有些病原物能够大旦繁殖和有效传播,短期内能积累巨大菌量,有的抗逆性强,越冬或越夏存活率高,初浸染菌源数量较多,这些都是重要的流行因素。对于生物介体传播的病害,传毒介休数量也是重要的流行因素。 5、有利的环境条件环境条件主要包括气象条件、土壤条件、栽培条件等。有利于流行的条件应能持续足够长的时间,且出现在病原物繁殖和侵染的关键时期。 气象因素能够影响病害在广大地区的流行,其中以温度、水分(包括湿度、雨量、雨日、雾和露)和日照最为重要。气象条件既影响病原物的繁殖、传播和侵入,又影响寄主植物的抗病性。不同类群的病原物对气象条件的要求不同。例如,霜霉菌的孢子在水滴中才能萌发,而水滴对白粉菌的分生孢子的萌发不利。多雨的天气容易引起霜霉病的流行,而对白粉病却有抑制作用。 寄主植物在不适宜的条件下生长不良,抗病能力降低,可以加重病害流行。水稻抽穗前后遇低温阴雨天气,稻株组织柔嫩衰弱,易感染穗颈稻瘟病。同一环境因素常常既影响寄主,又影响病原物。例如,高湿对马铃薯晚疫病的流行有利,这是因为一方面对病菌孢子的萌发和侵入有利,另一方面又因增大马铃薯叶片细胞的膨压而使之趋于感病。 土壤因素包括土壤的理化性质、土壤肥力和土壤微生物等,往往只影响病害在局部地区的流行。 人类在农业生产中所采用的各种栽培管理措施,在不同情况下对病害发生有不同的作用,需要具体分析。栽培管理措施还可以通过改变上述各项流行因素而影响病害流行。 在诸多流行因素中,往往有一种或少数几种起主要作用,被称为流行的主导因素。正确地确定主导因素,对于流行分析、病害预测和设计防治方案都有重要意义。 地区之间和年份之间主要流行因素和各因素间相互作用的变动造成了病害流行的地区差异和年际波动。对于前者,按照病害流行程度和流行频率的差异可划分为病害常发区、易发区和偶发区。常发区是流行的最适宜区,易发区是病害流行的次适宜区,而偶发区为不适宜区,仅个别年份有一定程度的流行。病害流行的年际波动以气传和生物介体传播的病害最大,根据各年的流行程度和损失情况可划分为大流行、中度流行、轻度流行和不流行等类型。

园林病虫害调查报告doc

园林病虫害调查报告 篇一:园林植物病害实习报告总结 (XX0555177程鑫) 园林植物病害实习心得 经过八周的园林植物病害的学习,按照学校课程的安排,我们进行了野外学习和实践活动。实践地点分两处,分别是昆明林业科学研究院和昆明郊野公园。此次实习的目的是通过对野外园林植物的观察,采集样本,结合园林植物病害理论的学习,对实习地点的园林植物进行病害调查,了解其发病情况并进行简单的病理分析,做到理论与实践结合完成教学安排并为以后工作学习打下基础。实习方式是以组为单位,将自己所在班级按每组十人分成若干组,组员协同合作对实习地点园林植物进行病害调查,并采集感病植物样本。 经过两地的实地观察以及组内协同合作,我们成功的采集的一些感病植物样本,在老师的讲解指导下也对植物所感病原及发病情况有了一定的了解。通过这次的野外实习,从单一理论学习到实地观察实践,从所学病理病状模糊不懂到实地认知接触所感病园林植物,突然发现以前对这门课程的学习所持态度是不正确的,因为所学专业是园林专业,大多数同学都以了解学习为目的,在我看到实习地各种园林植物的病害现状,我深知自己的错误观念,以前的理论学习是那样的重要,当面对鲜活的植物,对其所感染病害不能够做出正确的诊断和处置措施时,是何等的悲哀。我要是能够为其

治疗该多好啊,我喜欢园林专业,我喜欢生长在其中的各色园林树种,它们是那样的无私,提供我们舒适优美的环境,我们也应该为它们创造适宜它们生长的环境,为其正常生长保驾,让我深刻的体会到学习这门课程的重要性,在整个实习过程中,虽然只有几天,但我每天都有很多新的体会,新的想法,想说的很多,我总结下来主要有以下几点: 1、坚持 我们不管学习哪些知识,都要坚持学习理论知识,一开始我们可能对其产生怀疑,一般都是从不知道,不了解,不清楚到知道,简单了解,深入了解,虽然学习的过程会很无聊,没有激情,产生松懈怠学的想法,在这个时候我们一定要坚持,当我们了解的多了,就会慢慢的喜欢,就会全身心投入其中,不至于当用到时自己后悔。 2、勤野外观察 我们刚接触这门课程,接触理论时,是那样的空洞,各种病理病状都无法浮现在我们眼前。这个时候是最无聊,最无趣的,到野外当我们面对各种园林植物时,当各色病状呈现在我们面前,那时就会想到如何去除掉这种为害,如何给这些园林植物提供健康的适宜的生长条件。接下来的工作就会显得那么的重要,我们也会从中得到无限的乐趣。 3 、多看、多想、多做、 我们到了野外观察时,就要深入丛林中去,不能走马观

介绍遗传算法神经网络

课程设计作业——翻译 课题:介绍遗传算法神经网络 穆姣姣 0808490233 物流08-班

介绍遗传算法神经网络 理查德·坎普 1. 介绍 一旦一个神经网络模型被创造出来,它常常是可取的。利用这个模型的时候,识别套输入变量导致一个期望输出值。大量的变量和非线性性质的许多材料模型可以使找到一个最优组输入变量变得困难。 在这里,我们可以用遗传算法并试图解决这个问题。 遗传算法是什么?遗传算法是基于搜索algo-rithms力学的自然选择和遗传观察到生物的世界。他们使用两个方向(\适者生存”),在这种条件下,探索一个强劲的功能。重要的是,采用遗传算法,这不是必需要知道功能的形式,就其输出给定的输入(图1)。 健壮性我们这么说是什么意思呢?健壮性是效率和效能之间的平衡所使用的技术在许多不同的环境中。帮助解释这个问题,我们可以比其他搜索和优化技术,如calculus-based,列举,与随机的求索。 方法Calculus-based假设一个光滑,无约束函数和要么找到点在衍生为零(知易行难)或者接受一个方向梯度与当地日当地一所高中点(爬山)。研究了这些技术已经被重点研究、扩展、修改,但展现自己缺乏的鲁棒性是很简单的。 考虑如图2所示的功能。利用Calculus-based在这里发现极值是很容易的(假定派生的函数可以发现…!)。然而,一个更复杂的功能(图3)显示该方法是当地——如果搜索算法,在该地区的一个开始,它就会错过低高峰目标,最高的山峰。 图1 使用网络神经算法没必要知道它的每一项具体功能。 一旦一个局部极大时,进一步改进需要一个随机的重启或类似的东西。同时,假设一个函数光滑,可导,并明确知道很少尊重现实。许多真实世界充满了间断模型和设置在嘈杂的多通道搜索空间(图4)。 虽然calculus-based方法在某些环境中至非常有效的,但内在的假

神经网络与遗传算法

5.4 神经网络与遗传算法简介 在本节中,我们将着重讲述一些在网络设计、优化、性能分析、通信路由优化、选择、神经网络控制优化中有重要应用的常用的算法,包括神经网络算法、遗传算法、模拟退火算法等方法。用这些算法可以较容易地解决一些很复杂的,常规算法很难解决的问题。这些算法都有着很深的理论背景,本节不准备详细地讨论这些算法的理论,只对算法的原理和方法作简要的讨论。 5.4.1 神经网络 1. 神经网络的简单原理 人工神经网络(Artificial Neural Networks,简写为ANNs)也简称为神经网络(NNs)或称作连接模型(Connectionist Model),是对人脑或自然神经网络(Natural Neural Network)若干基本特性的抽象和模拟。人工神经网络以对大脑的生理研究成果为基础的,其目的在于模拟大脑的某些机理与机制,实现某个方面的功能。所以说, 人工神经网络是由人工建立的以有向图为拓扑结构的动态系统,它通过对连续或断续的输入作出状态相应而进行信息处理。它是根据人的认识过程而开发出的一种算法。假如我们现在只有一些输入和相应的输出,而对如何由输入得到输出的机理并不清楚,那么我们可以把输入与输出之间的未知过程看成是一个“网络”,通过不断地给这个网络输入和相应的输出来“训练”这个网络,网络根据输入和输出不断地调节自己的各节点之间的权值来满足输入和输出。这样,当训练结束后,我们给定一个输入,网络便会根据自己已调节好的权值计算出一个输出。这就是神经网络的简单原理。 2. 神经元和神经网络的结构 如上所述,神经网络的基本结构如图5.35所示: 隐层隐层2 1 图5.35 神经网络一般都有多层,分为输入层,输出层和隐含层,层数越多,计算结果越精确,但所需的时间也就越长,所以实际应用中要根据要求设计网络层数。神经网络中每一个节点叫做一个人工神经元,他对应于人脑中的神经元。人脑神经元由细胞体、树突和轴突三部分组成,是一种根须状蔓延物。神经元的中心有一闭点,称为细胞体,它能对接受到的信息进行处理,细胞体周围的纤维有两类,轴突是较长的神经纤维,是发出信息的。树突的神经纤维较短,而分支众多,是接收信息的。一个神经元的轴突末端与另一神经元的树突之间密

《植物病害流行预测预报》试题及答案

《植物病害流行预测预报》试题(一) 闭卷适用专业年级:植物保护姓名学号专业班级 本试题一共3道大题,共1页,满分50分。考试时间60分钟。 2.试卷若有雷同以零分计。 一、名词解释(4×2.5=10分) 病害三角侵染梯度传播速度相对侵染率 二、简答题(3×10=30) 1、病害田间传播图式分为哪两大类,并分别说明其特征?(10分) 2、何谓ID-DI曲线?曲线可能的形式?(10分) 3、简述寄主抗病性和植株密度对植物病原物传播的影响?并回答影响植物病原物传 播的其他因素?(10分) 三、计算题(1小题6分,2小题4分,共10分) 1、设病害初始病叶率为0.001%,20天后病叶率发展到3.8%,再经30天病叶率增至86.4%,试用逻辑斯蒂模型计算前20天和后30天的病害日增长率。 2、某病虫测报站在调查病害的严重度时,共取200个样本,按严重度分级标准(0级无病,1级<25%,2级为25-50%,3级为50-75%,4级>75%=统计,0级样本40个,1级30个,2级50个,3级70,4级10个。求:(1)普遍率;(2)病情指数。

标准答案及评分标准 一、名词解释(每小题1分,共10分) 病害三角:病原生物、寄主植物和一定的环境条件相互配合才能引起侵染性病害的关系。侵染梯度:又称病害梯度或传播梯度是指传播发病后,子代病害数量(或密度)随着与菌源中心距离的增加而递减的现象或状况。 传播速度(rate of spread):是指单位时间内病害传播距离的增长量。 相对侵染率:指一定数量的亲代病情在一日内传播侵染引致的子代病情数量的比例。 评分标准:每小题满分1分,答错者不得分。 二、简答题(每小题10分,共30分) 1、植物病害田间传播图式分为:中心式传播和弥散式传播。(4分) 特征:中心式传播的病害,多为单年流行病害。当每年初侵染源来自本地菌源,初始菌量小而繁殖率高或外来菌源传入的时间有限,菌量也小的情况下,病害在田间会经过中心病株(叶)、发病中心、点片发生期、普发期和严重期等阶段。其发病位点之间存在着世代关系。早期田间病害呈奈曼分布或负二项式分布。(3分)弥散式传播的病害,多为积年流行病害。处于同一年度发生的病害位点是病原物的同一世代。发病位点之间往往没有太多的联系,所以,它们的分布格局常符合二项式分布或普瓦松分布特征。外来菌源,特别是菌量大而时间集中的远距离传播的气传病害,和初始菌量大、侵染时间集中的本地菌源病害,其本田发病过程一般只有普发期、严重期。(3分) 评分标准:见各要点,不完整者酌情扣分,答错者不得分。 2、ID——DI曲线:是指以接种密度为横坐标,发病量为纵坐标绘制的发病率随接种密度增加而变化的曲线图。(1)、呈直线形式:(2)由于重叠侵染增多,侵染概率逐渐降低,直至水平。(3)、曲线升到最高点后,再增加ID,曲线反而下降。(4)接种体密度很高的情况下,DI继续增加。(5)曲线不从原点开始,只有接种体数量达到某一最低限度时,病害才开始发生。 评分标准::曲线可能的形式各点2分(共10分),不完整者酌情扣分,答错者不得分。3、寄主抗病程度高低影响流行速度,也影响病害的传播距离和速度。相对而言,抗病品种和感病品种相比,抗性品种上的流行速度较低,发生病害较少,因此.产生的病原物数量较低,从而在一定的环境条件下,传播距离较短,传播速度减缓。已证明,尤其在多循环病害流行过程中,随着侵染世代的增加,相对抗病的品种和感病品种由于在菌量上的差异越来越大,两者传播距离之差异也就越明显。(4分)寄主植株密度对传播也有相当大的影响,即密度效应(density effect),是指寄主植物密度对病害传播和流行的影响结果。这种影响有两个方面,一是在一定的变幅内,植株密度越大,病害流行的速度越快、越有利于传播,这是

植物病虫害诊断及防治大全

植物病虫害诊断及防治大全(留着珍藏,慢慢看) 一、望:从远处一眼望去,判定是成片发生还是点片发生 1、成片发 有机肥害:有机粪肥在腐熟发酵过程中造成土壤溶液浓度过高,并释放出大量的热量,引起烧根,僵苗不阿发,叶片畸形,严重时蔬菜逐渐萎蔫枯死。 无机肥害:过量施用化肥造成土壤溶液浓度高,土壤中水势降低,导致根系中的水分倒流进土壤,也就是根系吸水困难,进而出现肥害,俗称“烧苗”。沤根:由于土壤温度低、湿度大等因素导致根部不发新根或不定根,根皮发锈后腐烂,致地上部萎蔫,且容易拔起,地上部叶缘枯焦;严重时,成片干枯,似缺素症。 缺水:由于土壤中含水量过少或高温过强的蒸腾作用而导致蔬菜暂时缺水萎蔫,若及时补水,则可恢复正常。 高温障碍:果实上发生日灼,初期受害果实表皮呈灰白色革质状,表面变薄、皱缩,细胞组织坏死、发硬,好像被开水烫过一样;花芽分化差,雌花数量明显少,开花节位提高,有些甚至直接没有雌花;畸形果多,西葫芦、黄瓜等极易出现把长、嘴尖、大头等畸形瓜或者色泽不好等问题,降低或失去商品价值。低温障碍:植株遭受寒害或冷害,造成连片症状。顶芽受冻,生长点遭危害,顶芽冻死,生长停止;叶片受冻,边缘上卷,失绿,甚至发黄或发白,严重时干枯,叶柄和茎杆部位在冻害初期常常出现紫红色,严重时变黑枯死;果实受冻,通常会出现着色不均匀、畸形果和心腐果,茄果类蔬菜还会出现僵果;根

系受冻,生长停止,并逐渐变黄甚至死亡,阻碍了养分和水分的正常吸收,造成营养缺乏。 温室气害:由酸性气体(二氧化硫、二氧化氮、一氧化碳等气体)或碱性气体(氨气等气体)造成的萎蔫、变色、坏死等症状,通常是由于不恰当施肥造成。温室、大棚内有害气体的检测一般以检测棚室露滴作出判断。露滴酸碱度的检测通常在早晨换气前取样进行,检测方法可用精密pH试纸,根据露滴pH的检测结果,判断气体的种类及伤害程度。如pH值为4.6以下,二氧化硫、二氧化碳等酸性气体严重超标。 药害:一般药害有急性和慢性两种。急性药害是在喷药后几小时至3-4 天出现,如烧伤、凋萎、落叶、落花、落果,幼嫩组织上出现斑点,如褐斑、黄斑、网斑等,在生长中较常见。慢性药害是在喷药后,经过较长时间才出现明显症状,如枝叶生长不良,叶片变黄脱落;茎叶、果实和根部出现畸形,如卷叶、丛生、肿根等现象;生长缓慢并伴有斑点,成熟期延迟,风味变劣等。 元素缺乏或过量:某种元素缺乏或过量造成的缺乏或过量症。如缺氮时叶子变淡绿色或黄色,逐渐枯干或老叶脱落;缺磷时茎叶变细,生长迟缓,叶变成无光泽的深绿色小叶,叶柄带紫色,根系发育不良,植株矮小,果实成熟期推迟;缺镁时老叶先表现为缺绿症状,逐渐涉及到嫩叶,叶肉褪绿而叶脉保持绿色,严重时枯萎落叶;缺硫时叶片叶脉呈淡绿色,但组织不衰老,茎加粗受阻,一般多从幼嫩部分开始,与缺氮相似;缺铁时嫩叶的叶脉间褪绿,呈黄白色,严重时全叶变为黄白色,干枯;缺硼时主茎和侧枝的生长点萎缩、变褐、干枯,株型呈丛状,叶身和叶柄弯曲,产生"叶烧"病状,根生长受阻,严重缺硼时根变褐、腐败;缺锰时先嫩叶、后老叶出现缺绿症状,或产生褐色斑点、落叶,

《植物病害流行学》

协同进化(co-evolution):寄生物的进化是紧跟着它们寄主进化的。反之,寄主的进化也受它们寄生物进化的某些影响。两种生物互相施加选择压力,使一方的进化部分地依靠另一方进化,这种相互关系称为协同进化。 侵染概率infection probability:又称侵染几率。指接触寄主感病部位的一个病原物传播体,在一定的条件下,能够侵染成功,引起发病的概率。 侵染梯度(infection gradient):又称病害梯度(disease gradient)或传播梯度(gradient of spread),是指传播发病后,子代病害数量(或密度)随着与菌源中心距离的增加而逐渐减少(递减)的现象或状况。 重叠侵染:当寄主植物有限的侵染位点遇上大量的病原物接种体时,在一个发病的位点上,同时或先后遭受接种体不止一次的侵染,但最终只形成一个发病点,在这个发病点上即发生了重叠侵染。 遗传稳态(genetic homeostasis):当寄主—病原物系统在协同进化中建立的病害平衡状态因受到遗传因素或外界条件的干扰和破坏时,寄主—病原物系统可进行自我调节,仍保持或恢复平衡状态,生物群体这种使本身遗传组成保持平衡并抵制突然变化的倾向称为遗传稳态。 水平的抗病性(horizontai resistance):当一个品种的抗性是普遍一致地对病菌的所有小种的,这种抗性是水平的,不属于基因对基因系统,其抗性是催化作用和催化产物决定的。 侵染单位:当一个传播单位与一个适当的植物感病部位接触,并有适当的环境条件,使其侵染成功,这样一个传播单位就变成一个侵染单位。一个侵染单位占据一个侵染位点并可识别和计量。 垂直抗病性(Vertical resistance):当一个品种是抵抗一种病原物的某些小种而不抵抗其它小种,这种抗性是垂直的,也称专化性抗性,存在基因对基因的关系,是由蛋白质的聚合作用决定的。 ES(expect system):是一个(或一组)能在特定领域内,以人类专家水平去解决该领域中困难问题的计算机程序。广泛的ES应包括专家知识、统计模型、模拟模型集合为一体。IPM:它从生态学和系统论的观点出发,针对整个农田生态系统,采用尽可能相互协调

植物病害调查精选文档

植物病害调查精选文档 TTMS system office room 【TTMS16H-TTMS2A-TTMS8Q8-

植物病害调查 植物病害调查包括病害种类、分布、为害情况及病害的发生发展规律的调查。对于植物病害的调查,调查前应有充分的准备,调查后对掌握的材料及时分析研究。许多问题不是一次调查就能得出结论的。在调查工作中由于一些环节上的失误,往往会发生如下一些情况:没有或缺乏代表性,调查的地点选择不当,调查结果不能反映当地的真实情况;资料不完全,由于调查准备工作不充分,无明确要收集的资料,造成部分资料缺失;发病程度记载不一致,由于多人调查记载,病害发生情况,标准不规范,造成记载不一致,导致各方面的资料不能分析和比较;损失估计误差。 (一)植物病害调查的内容 调查的内容依据调查的目的而定。根据调查的内容确定采用的调查方式。调查的内容一般包括病害的分布、种类、病情的发生发展、农事操作与病害的关系以及其他特殊问题的调查。 (二)植物病害的调查方式 植物病害的种类很多,其发生和为害的情况不同,一种病原菌寄生于不同寄主植物上,发病情况则也不一定完全相同。根据病害的性质和需要解决的问题,可以采取多种调查方式。调查的方式一般包括实地勘察、访问、开座谈会和收集当地有关资料等。 (三)病害调查的时期与次数

实际工作中,往往根据调查的目的和病害的特点确定调查的时间与次数。 (四)取样方法 在一个地区调查病害,选择地块、选点和取样是调查的关键。选择不当,调查结果则不具有代表性,不能反映田间的实际情况。 (五)记载方法 对一般性调查,内容要求比较广泛,记载的项目比较多。每一项目的记载并不要求很精确,可以设计一种通用调查表。调查表应该包括调查日期、作物名称、作物品种、种子来源、病害名称、发病率与田间分布情况、土壤性质与肥力情况、施肥情况、土壤湿度、当地降雨情况(特别是发病前和发病盛期情况)、当地群众对病害的认识和防治经验等项目。 对发病程度的记载。发病程度包括发病率和严重度,发病率以百分比来计,严重度是指田块植株或器官的受害程度,常用的记载方法如下: 1.直接计数法这是使用最广泛也是比较简便的方法,是以调查发病部位占所有调查数量的百分比,也称发病率。如调查1000株小麦,其中黑穗病250株,发病率 2.分级计算法病害发生的程度不同,对植物的影响也不同。为能区分不同程度的发病情况,就需要用分级计数法来记载。分级计数法的分级标准要明确具体,并能符合实际情况,使不同人的调查结果可以互相比较,在不同地点调查的结果可以汇总。分级标准可以用文字说明,也可以用绘图照相来表示。

《植物病害流行学》

侵染概率infection probability:又称侵染几率。指接触寄主感病部位的一个病原物传播体,在一定的条件下,能够侵染成功,引起发病的概率。 侵染梯度(infection gradient):又称病害梯度(disease gradient)或传播梯度(gradient of spread),是指传播发病后,子代病害数量(或密度)随着与菌源中心距离的增加而逐渐减少(递减)的现象或状况。 重叠侵染:当寄主植物有限的侵染位点遇上大量的病原物接种体时,在一个发病的位点上,同时或先后遭受接种体不止一次的侵染,但最终只形成一个发病点,在这个发病点上即发生了重叠侵染。 遗传稳态(genetic homeostasis):当寄主—病原物系统在协同进化中建立的病害平衡状态因受到遗传因素或外界条件的干扰和破坏时,寄主—病原物系统可进行自我调节,仍保持或恢复平衡状态,生物群体这种使本身遗传组成保持平衡并抵制突然变化的倾向称为遗传稳态。 水平的抗病性(horizontai resistance):当一个品种的抗性是普遍一致地对病菌的所有小种的,这种抗性是水平的,不属于基因对基因系统,其抗性是催化作用和催化产物决定的。 侵染单位:当一个传播单位与一个适当的植物感病部位接触,并有适当的环境条件,使其侵染成功,这样一个传播单位就变成一个侵染单位。一个侵染单位占据一个侵染位点并可识别和计量。 垂直抗病性(Vertical resistance):当一个品种是抵抗一种病原物的某些小种而不抵抗其它小种,这种抗性是垂直的,也称专化性抗性,存在基因对基因的关系,是由蛋白质的聚合作用决定的。 ES(expect system):是一个(或一组)能在特定领域内,以人类专家水平去解决该领域中困难问题的计算机程序。广泛的ES应包括专家知识、统计模型、模拟模型集合为一体。IPM:它从生态学和系统论的观点出发,针对整个农田生态系统,采用尽可能相互协调的有效防治措施并充分发挥自然抑制因素的作用,将有害生物种群控制在经济损害水平以下,并使防治措施对农田生态系统内外的不良影响减少到最低限度,以获得最佳的经济、生态和社会效益。 EIL:经济损害水平相当于经济损害阈,是指造成经济损失的最低害虫种群密度(病害水平)。侵染链infection chain:由多个侵染环构成的链,是病原物传播体从一个寄主到另一个寄主的一系列传播。 系统分析system analysis :系统分析是一种研究方略,它能在不确定的情况下,通过对问题的充分调查,找出其目标和可行方案,并通过直觉和判断,对这些方案的结果进行比较,帮助决策者在复杂问题中作出最佳的决策。 稳定化选择(Stabilizing selection):和定向选择方向相反的选择压力叫稳定化选择。即在病原物同一位点上对无毒基因的选择优于毒性基因,不利于毒性基因突变,使之在后代中出现的频率下降。 单年流行病害(monoetic disease):是指在作物一个生长季节中,只要条件适宜,菌量不断积累,流行成灾的病害。度量病害流行进展的时间尺度,一般以“天”为单位。 积年流行病害(polyetic disease):积年流行病害是指病原物需要经过连续几年的菌量积累,才能流行成灾的病害度量病害流行进展的时间尺度一般以“年”为单位。与单利病害(simple interest disease)同义。 微梯拂利亚效应(The Vertifolia Effect):植物抗病性是一种复合性状,水平抗性和垂直抗性是混合存在的,在培育垂抗品种的过程中丧失水平抗性。这种现象称为Vertifolia效应。突发流行(Explosive epidemic):某地区以前没有,出现不久就迅速漫延成灾的流行状态。

植物病害调查知识交流

植物病害调查

植物病害调查 植物病害调查包括病害种类、分布、为害情况及病害的发生发展规律的调查。对于植物病害的调查,调查前应有充分的准备,调查后对掌握的材料及时分析研究。许多问题不是一次调查就能得出结论的。在调查工作中由于一些环节上的失误,往往会发生如下一些情况:没有或缺乏代表性,调查的地点选择不当,调查结果不能反映当地的真实情况;资料不完全,由于调查准备工作不充分,无明确要收集的资料,造成部分资料缺失;发病程度记载不一致,由于多人调查记载,病害发生情况,标准不规范,造成记载不一致,导致各方面的资料不能分析和比较;损失估计误差。 (一)植物病害调查的内容 调查的内容依据调查的目的而定。根据调查的内容确定采用的调查方式。调查的内容一般包括病害的分布、种类、病情的发生发展、农事操作与病害的关系以及其他特殊问题的调查。 (二)植物病害的调查方式 植物病害的种类很多,其发生和为害的情况不同,一种病原菌寄生于不同寄主植物上,发病情况则也不一定完全相同。根据病害的性质和需要解决的问题,可以采取多种调查方式。调查的方式一般包括实地勘察、访问、开座谈会和收集当地有关资料等。 (三)病害调查的时期与次数

实际工作中,往往根据调查的目的和病害的特点确定调查的时间与次数。 (四)取样方法 在一个地区调查病害,选择地块、选点和取样是调查的关键。选择不当,调查结果则不具有代表性,不能反映田间的实际情况。 (五)记载方法 对一般性调查,内容要求比较广泛,记载的项目比较多。每一项目的记载并不要求很精确,可以设计一种通用调查表。调查表应该包括调查日期、作物名称、作物品种、种子来源、病害名称、发病率与田间分布情况、土壤性质与肥力情况、施肥情况、土壤湿度、当地降雨情况(特别是发病前和发病盛期情况)、当地群众对病害的认识和防治经验等项目。 对发病程度的记载。发病程度包括发病率和严重度,发病率以百分比来计,严重度是指田块植株或器官的受害程度,常用的记载方法如下: 1.直接计数法这是使用最广泛也是比较简便的方法,是以调查发病部位占所有调查数量的百分比,也称发病率。如调查1000株小麦,其中黑穗病250株,发病率 2.分级计算法病害发生的程度不同,对植物的影响也不同。为能区分不同程度的发病情况,就需要用分级计数法来记载。分级计数法的分级标准要明确具体,并能符合实际情况,使不同人的调查结果可以互相比较,在不同地点调查的结果可以汇总。分级标准可以用文字说明,也可以用绘图照相来表示。

园林植物病害诊断方法

浅谈园林植物病害的诊断方法 【摘要】病害的发生对于园林植物所造成的影响是巨大的。因此,要高度重视植物病害的诊断和防治,将病害消灭在萌芽状态。 一、前言 城市化进程的加快,大大改善了城市生态环境。园林景观成为城市重要的景观,却也受到病害的侵害,制约了园林系统的可持续发展。 二、园林植物病虫害发生的特点 1、病虫害的种类繁多。我国北方气候属于温带大陆性气候,但是这并不影响园林植物病虫害的发生,结合近几年我国北方地区出现的各种病虫害,不难发现其种类呈现上升趋势。目前发生的虫害种类包括:金龟子、红蜘蛛、康氏粉蚧、斜纹夜蛾、刺蛾以及柳蓝叶甲等等;植物病害主要有:白粉病、病毒枯萎病、合欢枯萎病、桃缩叶病、苗木立枯病、银杏茎腐病以及杨树腐烂病等等。由此可见园林植物病虫害的种类繁多,对植物病虫害的防治工作带来巨大的挑战。 2、病虫害结构复杂。人们对城市环境要求的不断提高、园林设计追求的多样化以及实现全绿景观的要求,促使城市园林植物的种类越来越多,这就导致城市大量引入植物,以满足城市园林绿化建设的需要。在园林植物种类增多的同时,也会带来一些的病虫害,这些病虫害不仅会破坏当地的生态平衡,而且也会给植物病害的防治工作带来一些新的问题,一些病害是当地园林工作人员前期没有遇到过的,为此没有很好的防治和治理措施,近些年石家庄地区爆发的美国白蛾,就是外来物种入侵的体现,这些外来物种的引进大大增加了园林

病虫害的防治工作的难度。 3、病虫害产生的危害性持续时间比较长。引进的园林植物主要集中在城市,属于人工建造的生态系统,园林植物经过人们的长期驯化,其抗逆性在逐渐降低,尤其是抗虫能力的弱化,再加上园林人员的用药不严谨导致植物自身的抗药性提高,增加了病虫害发生概率;同时我国北方地区的气候干燥、空气污染严重,这些恶劣的气候为各种病虫害生存提供了条件,因此病虫害一旦爆发就会给当地的植物带来严重的影响,2014年6月内蒙古草原爆发的蝗虫、沙蒿金叶甲、白刺叶甲草原虫害破坏了超过3000万亩的草原,严重破坏了当地的生态环境。 三、植物病害的诊断 1、传染性病害 (1)真菌病害 一般外部表现为白粉、绣粉、煤污、斑点、腐烂、枯萎、畸形等症状,如园林树木叶片的白粉病、松叶锈病、煤污病、立枯病等[2]。花卉幼苗患立枯病倒地后可看到菌丝,这是鉴别细菌病害与真菌病害的主要依据。 (2)细菌病害 一般外部表现为斑点、溃疡、萎蔫、畸形等症状,由于细菌比真菌个体小,因此常需借助显微镜才能观察到。常见病如仙客来细菌性软腐病、碧桃细菌病,园林植物冠瘿病(又称根瘤病)等,主要危害丁香和杨柳树。

植物病害的流行与预测

植物病害的流行与预测 一、名词解释 1 植物病害流行指植物病原物大量传播,在一定的环境下诱发植物群体发病,并且造成 严重损失的过程和现象。 2 植物病害流行的时间动态:指研究病害数量随时间而增长的发展过程。 3 植物病害流行的空间动态:病害流行的空间动态是指病害的传播发展的过程,研究病害由点到面的发展变化。反映了病害在空间的发展规律。 4 积年流行病害:指病原物需要经过连续几年的菌量积累,才能流行成灾的病害。又称单循环病害、单利病害。 5当年流行病害:指在作物一个生长季节中,只要条件适宜,菌量能不断积累、流行成灾的病害。又称多循环病害、复利病害。 6中间型病害:有许多病害介于上述两类病害之间,或兼有上述两类病害的特点,故称之为中间型号病害,如油菜菌核病、土传丝核菌引起的水稻纹枯、小麦纹枯、玉米纹枯病等。 7定向选择:抗病品种大面积推广应用后,相应的毒性小种便会大量繁殖增多,形成优势小种,最终导致品种抗病性丧失。 8稳定化选择:感病品种面积扩大时,强毒性小种适应性差,竞争不过无毒性或弱毒性小种而使频率降低,无毒性或弱毒性小种频率升高,不能形成优势小种。 9 S形曲线:S形曲线指病害发生随着时间变化的曲线,初始病情很低,其后病情随着时间不断上升直至饱和点而病情不再增长的病害曲线,如马铃薯晚疫病的流行。 10指数增长期:由开始发病到发病数量(发病率或病情指数)达到0.05(5%)为止,此期经历的时间较长,病情增长的绝对数量不大,但增长速率很高。 11 逻辑斯蒂增长期:由发病数量0.05开始到达0.95(95%)或转向水平渐近线,从而停止增长的日期为止。在这一阶段,植物发病部位已相当多,病原菌接种体只有着落在未发病的剩余部位才能有效地侵染,因而病情增长受到自我抑制。随着发病部位逐渐增多,这种自我抑制作用也逐渐增大,病情增长渐趋停止。逻辑斯蒂增长期经历的时间不长,病害增长的幅度最大,但增长速率下降。 12 基因对基因学说:对应于寄主方面的每一个决定抗病性的基因,病原物方面也存在一个决定致病性的基因。反之,对应于病原物方面的每一个决定致病性的基因,寄主方面也存在一个决定抗病性的基因。 二、问答与论述题 1 试举出1或2个植物病害流行及对生产造成危害的例子。 答:①小麦秆锈病,1950年造成我国小麦减产60亿kg,相当于单年夏粮征购量的总和及3千万人口的口粮。 ②马铃薯晚疫病,在阴雨潮湿气温偏低的地区与年份发生严重,流行年一般减产30%。19世纪40年代爱尔兰马铃薯大量死亡,减产一半,使100多万人饿死.200万人移居海外。马铃薯晚疫病在中国马铃薯产地都有发生,以西南地区较为严重,东北、华北与西北在多雨潮湿的年份危害较重,如1950年为大流行年份,造成这些地区的马铃薯损失30%-50%。 2 什么是植物病害流行学? 它的研究范畴包括哪些方面? 答:植物病害流行学是在群体水平上研究植物病害发生规律、病害预测和病害管理的综合性学科,它是植物病理学的分支学科。植物病害流行的时间和空间动态及其影响因素是植物病害流行学的研究重点。

植物病虫害调查统计及综合防治技术 测习题

第三章植物病虫害调查统计及综合防治技术练习题 一.填空题(0.5/空)20分 1.田间调查的主要取样方法有(单对角线式)、(双对角线式或五点式)、(棋盘式)、(平行线式)、(Z字形取样)。 2.植物检疫分为(对内检疫)和(对外检疫)。 3.综合治理方案制定的原则是(安全)、(有效)、(经济)、(简便)。 4.病虫调查一般分为(普查)和(专题调查)两类。 5.植物病虫害调查统计的计算公式主要有(被害率)、(虫口密度)、(病情指数)、(损失率)。 6.病虫害的预测,按预测的时间可分为(长期预测)、(中期预测)、(短期预测)。 7.病虫害的预测,按预测的内容可分为(发生期预测)、(发生量预测)、(产量损失预测) 8.害虫的发生量预测方法主要有(有效积温预测法)、(经验指标预测法)。 9.农业防治的主要措施有(选育、推广抗病品种)、(改进耕作制度)、(运用合理的栽培技术)。 10.生物防治的主要措施有(以虫治虫)、(以菌治虫)、(以菌治病)。 11.利用天敌昆虫防治害虫,其主要途径有以下三个方面:第一是(保护利用自然天敌昆虫);第二是(繁殖和施放天敌昆虫);第三是(引进天敌昆虫)。 12.害虫的发生期预测方法主要有(发育进度预测法)、(物候预测法)、(有效积温预测法)。 13.所谓的“三R”问题,即(病虫害的抗性)、(农药的残留)、(害虫的再猖獗)。 二.单项选择题15分 l.适用于田边分布比较多的病虫取样方法是(A) A.Z字形B.五点式C.棋盘式D.平行线式 2.植物病虫害调查采用的记载形式是(B) A.文字B.表格C.图片D.公式 3.下列反映病虫为害普遍程度的是(A) A.被害率B.虫口密度 C.病情指数D.损失率 4.植物病虫害调查样点的选择和取样数目多少,是由(B)病虫种类等决定的。 A.病虫严重程度B.田间分布类型C.调查类型D.重点病虫 5.预测病虫害发生时间的叫(A) A.发生期预测B.发生量预测C.产量损失预测 D.物候期预测 6.对植物病虫害发生和为害情况进行调查是为了(C) A.为确定防治适期和防治对象提供依据B.为制定防治措施和保护利用天敌提供依据 C.为制定防治措施和开展预测预报提供依据D为选择有效防治措施提供依据 7.下列不是农业防治措施的是(D) A.选育推广抗病虫品种B.合理轮作 C.科学施肥灌水D.夏日日光晒种 8.下列防治方法中属于生物防治的是(C) A.使用抗病品种B.叶面喷肥 C.利用赤眼蜂防治玉米螟D.利用粉锈宁防治白粉病 9.农业防治措施中,最为经济有效的病虫防治措施为(A) A.选育推广防病虫品种B.改进耕作制度C.合理密植D.适时中耕 10.利用微生物或其他代谢产物消灭害虫的方法(B) A.以虫治虫B.以菌治虫C.以菌治病D.以菌治 11.利用趋性设计的防治方法是(B)。 A、捕杀法 B、诱杀法 C、汰选法 D、生物防治 12.反映病虫危害的严重程度指标的是(C) A被害率B.虫口密度C.病情指数D.损失率 13.调查某地大白菜软腐病发生情况,共查200片叶;其中,未发病50片;l级病叶110片,2级病叶35片;3级病叶5片;其病情指数为(B)

相关文档
相关文档 最新文档