基于粗糙集方法評價不同林型內(nèi)大蠶蛾平腹小蜂寄生狀況

王藝蛟, 王志明*, 迮興業(yè), 于利民, 田 云, 張 偉, 王海峰, 施福田, 穆焦力, 李化中

(1.吉林農(nóng)業(yè)大學(xué), 長春 130118; 2. 長春科技學(xué)院, 長春 130600; 3. 吉林省延邊朝鮮族自治州森林病蟲防治檢疫站, 延吉 133001; 4. 吉林省敦化市林業(yè)局, 敦化 133700; 5. 吉林省汪清縣林業(yè)局,汪清 133200; 6. 吉林省大興溝林業(yè)局, 汪清 133202; 7. 吉林省和龍林業(yè)局, 和龍 133500)

基于粗糙集方法評價不同林型內(nèi)大蠶蛾平腹小蜂寄生狀況

王藝蛟1, 王志明1*, 迮興業(yè)2, 于利民3, 田 云3, 張 偉3, 王海峰4, 施福田5, 穆焦力6, 李化中7

(1.吉林農(nóng)業(yè)大學(xué), 長春 130118; 2. 長春科技學(xué)院, 長春 130600; 3. 吉林省延邊朝鮮族自治州森林病蟲防治檢疫站, 延吉 133001; 4. 吉林省敦化市林業(yè)局, 敦化 133700; 5. 吉林省汪清縣林業(yè)局,汪清 133200; 6. 吉林省大興溝林業(yè)局, 汪清 133202; 7. 吉林省和龍林業(yè)局, 和龍 133500)

利用柞蠶蛾制作蜂卡,對大蠶蛾平腹小蜂林間寄生率調(diào)查。運用粗糙集方法賦權(quán)分析林分不同因子對大蠶蛾平腹小蜂寄生率的影響。結(jié)果表明:林齡、郁閉度、坡度等指標權(quán)重分別為0.263、0.368、0.368,算得均方根誤差(RMSE)為1.081。由此分析認為,在林分因子中,林齡、郁閉度和坡度對平腹小蜂寄生率影響較大。并將粗糙集理論與特爾斐法進行了比較,其中均方根誤差(RMSE)降低了2.172%,表明利用粗糙集方法適用于林間寄生效果的評價。

大蠶蛾平腹小蜂; 生物防治; 粗糙集理論; 林分因子

平腹小蜂Anastatusspp.隸屬膜翅目Hymenoptera旋小蜂科Eupelmidae,其種類主要寄生在鱗翅目蛾類卵內(nèi),廣泛分布于全國,是林木害蟲卵期的優(yōu)勢天敵。自1950年代起,我國即開展了利用平腹小蜂防治害蟲的工作,無論南方和北方,均有成功的范例。

在自然界或人工野外釋放時,平腹小蜂雌蟲會主動尋找寄主卵,產(chǎn)生寄生行為[1]。在搜尋寄主時,雌蜂面對的是一個復(fù)雜的生態(tài)環(huán)境,因此,它們在尋覓寄主卵過程中,盡管具有搜尋寄主的本能,可以有效產(chǎn)生寄生行為,也不可避免地受到各種環(huán)境因子和非目標信號等因素的干擾[2]。特別是在應(yīng)用平腹小蜂防治害蟲中,必然會涉及選擇何種林分采集蜂種,釋放到何種類型林分更有利于平腹小蜂寄生,林分不同因子如何影響平腹小蜂寄生效果等諸多因子抉擇。所以,平腹小蜂林間寄生效果是諸多因素綜合影響的結(jié)果,而對這些影響因子進行評價,對今后利用平腹小蜂具有重要意義。

客觀上,評價影響寄生因素應(yīng)采用多指標綜合評價方法[3],多指標綜合評價是一個多屬性決策過程,而解決多屬性決策問題的關(guān)鍵是分配各屬性指標權(quán)重大小的問題[4]。指標權(quán)重的確定直接影響著決策的準確性和科學(xué)性[5]。因此找到一種合理、科學(xué)的權(quán)重分配方法來評價影響寄生因素至關(guān)重要。

在多屬性決策過程中,指標權(quán)重確定的方法主要包括主觀賦權(quán)法和客觀賦權(quán)法[6]。主觀賦權(quán)法是指通過研究者或?qū)＜抑饔^的判斷和經(jīng)驗,預(yù)測出指標的權(quán)重。特爾菲法屬于主觀賦權(quán)法,該方法的缺點是過度依賴于決策者的主觀意愿,缺乏一定的客觀性。本文將借助特爾斐法,進一步闡述多屬性決策處理數(shù)據(jù)的優(yōu)勢[7]?？陀^賦權(quán)法是指將客觀事實賦權(quán)的信息,根據(jù)各指標的聯(lián)系程度,從而確定指標權(quán)重。該方法雖具遵循客觀事實特點,但有時結(jié)果解釋性較差[8]。目前對農(nóng)業(yè)方面的研究,基本采用的是單一的賦權(quán)法。為了更好地、科學(xué)地研究,應(yīng)綜合主觀賦權(quán)法和客觀賦權(quán)法的優(yōu)缺點,本文將兩者進行融合,引入一種基于粗糙集理論的方法,從而確定指標權(quán)重[9]。

粗糙集理論是1982年由波蘭數(shù)學(xué)家Pawlak提出的一種處理不完整、不一致、不規(guī)則數(shù)據(jù)的數(shù)學(xué)工具[10]。粗糙集理論的核心是從近似空間導(dǎo)出一對近似算子,該近似算子又分為上近似算子和下近似算子。粗糙集理論在處理數(shù)據(jù)時無需額外的先驗知識,這對數(shù)據(jù)的分析和處理是相對客觀的,這一點也是區(qū)別于其他理論方法的獨特之處。該理論能夠客觀分析無規(guī)則數(shù)據(jù),從而找到隱含信息,揭示有價值的潛在規(guī)律。由于粗糙集理論本身不具備獨立處理不精確和不準確信息數(shù)據(jù)的能力,因此需借助概率論、模糊數(shù)學(xué)、信息論、證據(jù)理論等相互融合[11-12]。該理論具有廣泛的發(fā)展空間和潛在價值,隨著科技的不斷進步,現(xiàn)已被應(yīng)用到生物、醫(yī)療、工業(yè)、農(nóng)業(yè)、環(huán)境等諸多領(lǐng)域的生產(chǎn)實踐中。

為了研究林分因子對大蠶蛾平腹小蜂Anastatussp.寄生效果的影響,筆者于2015年6-9月,在吉林省長白山區(qū)開展不同林分因子對平腹小蜂寄生率影響的試驗,并利用粗糙集理論,確定林分因子評價指標權(quán)重,研究平腹小蜂寄生效果的因素及因素所占權(quán)重大小,進而得出與寄生率的關(guān)系。

1 材料與方法

1.1 試驗地概況

試驗地設(shè)在吉林省敦化市、和龍市、汪清縣和延吉市等地,共設(shè)15個點。林型主要為天然闊葉林、天然針闊混交林、人工針闊混交林和人工針葉林。

1.2 試驗材料

新鮮未受精柞蠶Antheraeapernyi卵卡若干,卵卡大小為15 cm×10 cm。塑料透明養(yǎng)蜂盒,直徑為10 cm×15 cm。

1.3 試驗方法

在各林型試驗林地內(nèi),于6月中旬—9月中旬,每隔10～15 d掛卵卡。每卡50粒卵。每樣地每次掛卡20片,掛卡高度2 m,固牢,避雨水。卵卡間隔10～20 m?？ㄉ献⒚鲿r間、地點、林型和標地號。下次掛卡時,取回上次卡。每批掛卵卡時間統(tǒng)一進行,各地相差時間2 d以內(nèi)。

取卡后,將每卡單獨放置于養(yǎng)蜂盒內(nèi),每日8:00和14:00觀察記載出蜂情況。

1.4 蜂種鑒定

我國對平腹小蜂屬分類的研究一直滯后,至目前為止,一些物種地位尚未厘清。此次調(diào)查的平腹小蜂,經(jīng)楊忠岐先生鑒定,暫定為大蠶蛾平腹小蜂Anastatussp.。

1.5 寄生率統(tǒng)計方法

由于卵卡在林間有卵粒遺失情況,特別是林間螞蟻啃食卵粒現(xiàn)象嚴重,使卵卡有不同數(shù)量的損失。為此,將每批卵卡由林間取回室內(nèi)后,首先統(tǒng)計每卡卵粒數(shù),再將每卡單獨放置于養(yǎng)蜂盒內(nèi)待其羽化。依平腹小蜂一般每卵僅1頭寄生的習(xí)性,出蜂后統(tǒng)計平腹小蜂數(shù)量,按1頭蜂寄生1粒卵統(tǒng)計。

每林型收回的卵粒數(shù)內(nèi)出蜂的總頭數(shù)與收回的總卵數(shù)之比,為林間寄生率。

寄生率(%)=出蜂頭數(shù)/收回的總卵數(shù)×100%。

2 結(jié)果與分析

2.1 大蠶蛾平腹小蜂不同地點林間寄生率調(diào)查

大蠶蛾平腹小蜂不同地點林間寄生率結(jié)果見表1。

表1平腹小蜂林間寄生率調(diào)查

Table1InvestigationoftheparasiticrateofAnastatussp.indifferentstands

誘集地點Traplocation林型Foresttype總卵數(shù)/粒Totalnumberofeggs寄生數(shù)/粒Numberparasitized寄生率/%Parasiticrate延吉市帽兒山MaoerMountain，YanjiCity人工混交林(落葉松、樟子松、闊葉)Artificialmixedforest265000和龍林業(yè)局38林班9小班Subcompartment#9，compartment#38inHelongForestryBureau天然混交林(云杉、落葉松、黃檗、椴、柞、榆)Naturalmixedforest65000和龍林業(yè)局39林班8小班Subcompartment#8，compartment#39inHelongForestryBureau天然混交林(落葉松、白樺、蒙古櫟)Naturalmixedforest85000汪清縣3號地59林班9小班Subcompartment#9，compartment#59inNo．3localityofWangqingForestryBureau人工混交林(紅松、落葉松、胡桃楸、榆)Artificialmixedforest1700372．18汪清縣1號地4林班40小班Subcompartment#40，compartment#4inNo．1localityofWangqingForestryBureau人工針葉林(紅松、落葉松)Artificialconiferousforest165021012．73敦化市秋梨溝林場19林班5小班Subcompartment#5，compartment#19inDunhuaForestryBureau人工針葉林(紅松)Artificialconiferousforest200000敦化市秋梨溝林場32林班5小班Subcompartment#5，compartment#32inDunhuaForestryBureau人工針葉林(落葉松)Artificialconiferousforest80000敦化市秋梨溝林場32林班4小班Subcompartment#4，compartment#32inDunhuaForestryBureau人工混交林(落葉松、蒙古櫟)Artificialmixedforest1500765．07敦化市秋梨溝林場43林班7小班Subcompartment#7，compartment#43inDunhuaForestryBureau天然闊葉林(蒙古櫟、樺、楊)Naturalbroad?leavedforest1600955．94汪清縣2號地8林班22小班Subcompartment#22，compartment#8inNo．2localityofWangqingForestryBureau人工針葉林(紅松)Artificialconiferousforest190000大興溝經(jīng)營所93林班26小班Subcompartment#26，compartment#93inDaxinggouForestryBureau人工混交林(樟子松、落葉松、云杉、蒙古櫟)Artificialmixedforest1450120．83大興溝柳亭20林班19小班Subcompartment#19，compartment#20inDaxinggouForestryBureau人工混交林(紅松、椴、蒙古櫟、楊)Artificialmixedforest850718．35大興溝影壁55林班38小班Subcompartment#38，compartment#55inDaxinggouForestryBureau人工針葉林(落葉松、蒙古櫟)Artificialconiferousforest1550533．42大興溝紅石65林班26小班Subcompartment#26，compartment#65inDaxinggouForestryBureau人工混交林(紅松、闊葉雜木)Artificialmixedforest950869．05延吉市帽兒山蘋果梨園AppleandpearorchardofMaoerMountain，YanjiCity果園(蘋果梨)Apple?pearorchard90000

表1表明,在調(diào)查的15塊林分(林型)中,樹木種類對于平腹小蜂寄生率的影響無明顯規(guī)律。所以在本文中我們根據(jù)樹種不同,大致將棲息環(huán)境分成4種林型:人工針葉林、天然闊葉林、人工混交林和天然混交林。其中有7塊林分沒有平腹小蜂寄生;在另8塊有平腹小蜂寄生的林分中,人工針葉林寄生率最高，達到12.73%,其樹種包括:落葉松和紅松。該項調(diào)查的結(jié)論仍需進一步研究。

2.2 不同林分因子對大蠶蛾卵平腹小蜂寄生率影響

在15個不同林分因子的標地中,調(diào)查了林分內(nèi)大蠶蛾平腹小蜂的寄生情況,結(jié)果見表2。

表2不同林分因子對大蠶蛾卵平腹小蜂寄生率的影響

Table2InfluencesofdifferentforeststandfactorsontheparasiticrateofAnastatussp.

林齡/年Forestage郁閉度Canopydensity坡度/°Slope坡向Directionofslope林型Foresttype寄生率/%Parasiticrate50．730南South人工混交林Artificialmixedforest0．8140．815南South人工針葉林Artificialconiferousforest12．73200．915南South人工針葉林Artificialconiferousforest0201．035西West天然闊葉林Naturalbroadleavedforest5．94200．670南South人工混交林Artificialmixedforest0310．817西南Southwest人工混交林Artificialmixedforest8．35330．715北North人工混交林Artificialmixedforest0．83350．616北North人工混交林Artificialmixedforest2．18350．6518北North人工針葉林Artificialconiferousforest3．42350．823西南Southwest人工混交林Artificialmixedforest9．05380．730北North人工混交林Artificialmixedforest0380．710南South人工針葉林Artificialconiferousforest0400．90平Flat人工針葉林Artificialconiferousforest0450．62平Flat人工針葉林Artificialconiferousforest0520．713北North天然混交林Naturalmixedforest0

表2表明,在諸多因子中,林齡、郁閉度和坡度可能是影響林間平腹小蜂寄生的主要因子。

2.2.1 主要林分因子指標權(quán)重及評分

根據(jù)表2,依照經(jīng)驗,將表內(nèi)數(shù)值劃分為“高”、“中”和“低”三個等級。林齡的指標為:大于40年、20～40年和小于20年;指標分值為10、7和3。郁閉度的指標為:大于0.8、0.7～0.8和小于0.7;指標分值為10、7和3。坡度的指標為:大于23°、15°～23°和小于15°;指標分值為10、7和3[13];并采用特爾斐法,確定各指標的權(quán)重[14]。林齡所占權(quán)重為0.25、郁閉度所占權(quán)重為0.40、坡度所占權(quán)重為0.35。結(jié)果見表3。

表3不同林分因子指標權(quán)重及評分規(guī)則

Table3Indexweightandgradingruleofdifferentforestfactors

指標Factor指標分數(shù) Scores高High中Middle低Low權(quán)重Weight林齡Forestage>4020～40<200．25分值Values1073郁閉度Canopydensity>0．80．7～0．8<0．70．40分值Values1073坡度Slope>2315～23<150．35分值Values1073林分因子綜合指數(shù)Compositeindexofstandfactor>2015～20<15等級Level123

2.2.2 屬性值約簡后的林分因子評價決策表

根據(jù)表1和表3,以林分因子指標為條件屬性,條件屬性集C={C1,C2,C3};林分因子等級為決策屬性,決策屬性集D=j5i0abt0b,d為采用特爾斐法初步評價得到的林分因子等級;論域U={1,2,3,……,15};決策表中:C1為林齡,C2為郁閉度,C3為坡度,將數(shù)據(jù)進行屬性值的約簡,得到簡化的決策表[15],如見表4。

2.2.3 等價類劃分及林分因子權(quán)重再次確定

根據(jù)表4中的數(shù)據(jù)論域以及條件屬性和決策屬性,進行等價類劃分[16],其結(jié)果為:

條件屬性集合為:

U/IND(C)={{1}{2}{3}{4}{5}{6}{7}{8}{9}

{10}{11,12,13,14},{15}}

決策屬性集合為

U/IND(C)={{1,15},{2,4,9,13,14},

{3,5,6,7,8,10,11,12}}

分別依次去掉一個條件屬性后的論域等價類劃分得:

去掉條件屬性中的林齡后,所得集合為:

U/IND(C-C1)={{1,8},{2,10},{3},{4},

{5,11,12,13,14},{6},{7},{9},{15}}

表4屬性值約簡后的林分因子評價決策表1)

Table4Evaluationdecisionafterstandattributevaluereduction

序號No．C1ForestageC2CanopydensityC3SlopedLevel177101210732310333473725377367103377107383710397101021077331177731277731377721477721573101

1)C為條件屬性;C1為林齡;C2為郁閉度;C3為坡度;d為林分因子等級。C: Condition attribute;C1: Forest age;C2: Canopy density;C3:Slope;d: Level.

去掉條件屬性中的郁閉度后,所得集合為:

U/IND(C-C2)={{1,9,15},{2,3},

{4,7,11,12,13,14},{5},{6,10},{8}}

去掉條件屬性中的坡度后,所得集合為:

U/IND(C-C3)={{1,10,11,12,13,14},

{2},{3},{4,15},{5,8},{6,7,9}}

各條件屬性下的決策屬性的正域:

決策屬性的正域為:

POCC(D)={1,2,3,4,5,6,7,8,9,10,15}

去掉條件屬性中的林齡后,所得正域為:

POCC-C1(D)={3,4,6,7,9,15}

去掉條件屬性中的郁閉度后,所得正域為:

POCC-C2(D)={5,6,8,10}

去掉條件屬性中的坡度后,所得正域為:

POCC-C3(D)={2,3,5,8}

各條件屬性集關(guān)于決策屬性的近似精度:

決策屬性的近似精度為:

去掉條件屬性中的林齡后,所得近似精度為:

去掉條件屬性中的郁閉度后,所得近似精度為:

去掉條件屬性中的坡度后,所得近似精度為:

各條件屬性關(guān)于決策屬性的重要度:

去掉條件屬性中的林齡后,所得重要度為:

去掉條件屬性中的郁閉度后,所得重要度為:

去掉條件屬性中的坡度后,所得重要度為:

經(jīng)歸一化處理后,得C1、C2和C3的重要度分別為0.263、0.368和0.368,即相應(yīng)的林齡、郁閉度和坡度的權(quán)重分別為0.263、0.368和0.368。根據(jù)表3中特爾斐法確定的林分因子指標權(quán)重大小與粗糙集理論得出的權(quán)重相比,林齡和坡度的權(quán)重值提高,而郁閉度的權(quán)重值減小。采用特爾菲法得出的各林分因子權(quán)重大小,得均方根誤差(RMSE)為1.105;粗糙集理論得出的各林分因子權(quán)重大小,得均方根誤差(RMSE)為1.081。粗糙集理論相比特爾斐法精度更高,其中均方根誤差(RMSE)降低了2.172%。

3 討論

本文運用粗糙集理論,通過知識約簡和相對正域理論排除了多余信息并處理了不完整性信息[17]。其思維是,首先通過特爾菲法(主觀賦權(quán)法)確定林分因子初步評價;然后,將該評價得到的林分因子綜合指數(shù)(IFI)等級作為決策屬性。最后,將林分因子指標權(quán)重問題轉(zhuǎn)變?yōu)榇植诩碚撝袑傩缘闹匾栽u價問題[18]。

影響大蠶蛾平腹小蜂寄生效果的林分因子中,郁閉度和坡度所占權(quán)重較大為0.368,說明林間大蠶蛾平腹小蜂的寄生效果與郁閉度和坡度關(guān)系更為密切。結(jié)合實際,郁閉度是反映林分密度的指標,郁閉度對幼樹高和冠幅生長具有一定的影響,郁閉度越大對幼樹生長影響越大[19]。林分的疏密程度影響光照強度;而光照是影響生物生長發(fā)育的重要因素。這些對平腹小蜂的影響或是間接的,也可能是直接的。坡度對林間植被蓋度有較強的影響,在一定條件下,坡度與植被的高度、胸徑和材積呈顯著或極顯著相關(guān)[20]。從這兩項因子來看,實際上是光對平腹小蜂的影響較其他因子的影響更強。

在對調(diào)查結(jié)果分析中,考慮到如果林分因子的指標權(quán)重采用單一的客觀賦權(quán)法或主觀賦權(quán)法進行分析,會造成單一的主、客觀賦權(quán)法均存在不足,缺乏應(yīng)有的科學(xué)性。故本文采用了粗糙集理論的方法,試圖解決主、客觀賦權(quán)法所存在的問題。分析結(jié)果表明,粗糙集理論與特爾菲法相比,權(quán)重值精確度更高,提高了2.172%。由此可驗證,粗糙集理論確定的大蠶蛾平腹小蜂林間寄生的指標權(quán)重更符合實際情況,更具有實際應(yīng)用價值。

經(jīng)過調(diào)查,證明大蠶蛾平腹小蜂在林間條件下,寄生情況根據(jù)不同的林分因子以及不同的林齡序列,表現(xiàn)出寄生率的差異。不同林分之間寄生率相差較大,這也充分反映了調(diào)查本身具有典型的不完整性和不確定性。在林間調(diào)查中,有關(guān)尋找主要相關(guān)因子及其分析一直是困擾研究人員的難題。本文中所采用的粗糙集理論是一種數(shù)學(xué)工具,能夠較為準確地、有效地分析和處理各種不完整和不確定信息,并且能夠找到隱含的知識、揭示潛在的規(guī)律。結(jié)果表明,應(yīng)用粗糙集理論的方法,在處理和分析具體實例時,具有實用性和有效性。

[1] 蒲蟄龍.中國農(nóng)業(yè)害蟲生物防治的研究及應(yīng)用[J].昆蟲天敵,1985,7(4):208-215.

[2] 遲國梁,徐濤,王建武.學(xué)習(xí)經(jīng)歷在平腹小蜂寄主選擇過程中的作用[J].生態(tài)學(xué)報,2007(4):1524-1529.

[3] 李博.多指標綜合評價方法應(yīng)用中存在的問題與對策[J].沈陽工程學(xué)院學(xué)報(社會科學(xué)版),2010(2):200-202.

[4] 劉健,薛利,劉思峰,等.基于優(yōu)勢關(guān)系的多屬性決策問題研究[J].控制與決策,2010(7):1079-1083.

[5] 鄧寶.基于組合賦權(quán)法的指標權(quán)重確定方法研究與應(yīng)用[J].電子信息對抗技術(shù),2016(1):12-16.

[6] Diakoulaki D,Marvrotas G, Papayannakis L. Determining objective weights in multiple criteria problems: The critic method [J].Computers and Operations Research,1995,22(7):763-770.

[7] 俞誠士.特爾菲法簡介[J].安徽體育科技資料,1984(2):40-41.

[8] 周志遠,沈固朝.粗糙集理論在情報分析指標權(quán)重確定中的應(yīng)用[J].情報理論與實踐,2012(9):61-65.

[9] Mac Parthalain N,Shen Q. On rough sets,their recent extensions and applications[J]. Knowledge Engineering Review,2010,25(4):365-395.

[10] Pawlak Z. Rough set[J].International Journal of Computer and Information Science,1982(11):341-356.

[11] 紀濱.粗糙集理論及進展的研究[J].計算機技術(shù)與發(fā)展,2007(3):69-72.

[12] 張文修,吳偉志.粗糙集理論介紹和研究綜述[J].模糊系統(tǒng)與數(shù)學(xué),2000(4):1-12.

[13] 于洪,王國胤,姚一豫.決策粗糙集理論研究現(xiàn)狀與展望[J].計算機學(xué)報,2015(8):1628-1639.

[14] 張政超,關(guān)欣,何友,等.粗糙集理論研究的新進展[J].計算機與現(xiàn)代化,2009,11:16-21.

[15] 李建軍,李際平.基于粗糙集的林分經(jīng)營決策因子分類研究[J].福建林業(yè)科技,2008(3):4-9.

[16] 覃偉榮,秦亮曦.基于粗糙集理論的條件屬性動態(tài)約簡算法[J].計算機技術(shù)與發(fā)展,2008(8):23-25.

[17] 于洪,王國胤,姚一豫.決策粗糙集理論研究現(xiàn)狀與展望[J].計算機學(xué)報,2015(8):1628-1639.

[18] 葉回春,張世文,黃元仿,等.粗糙集理論在土壤肥力評價指標權(quán)重確定中的應(yīng)用[J].中國農(nóng)業(yè)科學(xué),2014(4):710-717.

[19] 蘇樹權(quán).不同郁閉度對幼樹生長影響研究[J]. 廣東林業(yè)科技,2003(1):34-36.

[20] 張麗鵬,楊雨春,趙珊珊,等.環(huán)境因子對長白山區(qū)天然核桃楸林生長的影響[J].中國農(nóng)學(xué)通報,2014(4):34-41.

(責任編輯： 田 喆)

EvaluationoftheparasiticsituationofAnastatussp.indifferentforesttypesbasedontheroughsetmethod

Wang Yijiao1, Wang Zhiming1, Zuo Xingye2, Yu Limin3, Tian Yun3, Zhang Wei3,Wang Haifeng4, Shi Futian5, Mu Jiaoli6, Li Huazhong7

(1.JilinAgriculturalUniversity,Changchun130118,China; 2.ChangchunSci-TechUniversity,Changchun130600,China;3.ForestPestControlandQuarantineStationofYanbianKoreanAutonomousPrefecture,Yanji133001,China;4.ForestPestControlandQuarantineStationofDunhuaCity,Jinlin133700,China; 5.ForestPestControlandQuarantineStationofWangqingCounty,Jilin133200,China; 6.DaxinggouForestryBureauofJilinProvince,Wangqing133202,China; 7.HelongForestryBureauofJilinProvince,Helong133500,China)

TheAntheraeapernyiegg cards were made for the parasitic rate survey ofAnastatussp. in forests and the parasitic situation was analyzed by using rough set method. The results showed that the weight of forest age, canopy density, slope index determined by the rough set method were 0.263, 0.368 and 0.368, respectively,with a RMSE of 1.081. Based on the analysis, the factors forest age, crown density and slope greatly influenced the parasitic rates ofAnastatussp. compared with the Delphi method, the root mean square error (RMSE) decreased by 2.172%,suggesting that the rough set method was suitable for parasitic rate survey in the forest.

Anastatussp.; biological control; rough set theory; stand factor

S 476.3

： ADOI： 10.3969/j.issn.0529-1542.2017.05.015

2016-11-03

： 2017-02-05

延邊州科學(xué)技術(shù)局科技攻關(guān)計劃項目(2013AC03)

* 通信作者 E-mail:wzmnongda@163.com