C 4.5算法在廣州小斑螟發(fā)生與氣候因素分析中的應(yīng)用
——以廣西山口國家紅樹林生態(tài)自然保護區(qū)為例

梁燕紅，梁志清，黃琦，蘇炳歡，陳其應(yīng)

(1.玉林師范學(xué)院商學(xué)院，廣西 玉林 537000； 2.玉林師范學(xué)院復(fù)雜系統(tǒng)優(yōu)化與大數(shù)據(jù)處理廣西高校重點實驗室，廣西 玉林 537000； 3.廣西山口紅樹林生態(tài)自然保護區(qū)管理處，廣西 北海 536000)

廣州小斑螟Oligochroacantonella是紅樹植物白骨壤Avicenniamarina最主要的害蟲，其種群密度在每年5—6月有明顯峰值。白骨壤經(jīng)廣州小斑螟危害后，葉片枯萎，枝干死亡，積蓄量大幅減少，影響下一年繁殖[1]。2004年5月，廣西山口國家紅樹林生態(tài)自然保護區(qū)遭受了嚴重的廣州小斑螟危害[2]，超過40 hm2的白骨壤被該蟲啃食，1周后受害面積迅速蔓延至106 hm2，樹木嚴重枯萎[3]。白骨壤蟲害的大規(guī)模暴發(fā)引起了專家和學(xué)者的關(guān)注。2004年范航清 等[4]選取了防城港市北侖河口灣、欽州市欽州港區(qū)、北海市大冠沙區(qū)域、合浦縣山口鎮(zhèn)永安村、湛江市德耀村5個調(diào)查地點監(jiān)測、探討蟲害暴發(fā)可能與氣候、生態(tài)環(huán)境衰退等因素有關(guān)。劉文愛 等[5]通過室內(nèi)飼養(yǎng)試驗和野外觀察，發(fā)現(xiàn)廣州小斑螟發(fā)生與灘位、方位、海水的水溫等環(huán)境因素相關(guān)。范航清 等[6]對廣西紅樹林蟲害發(fā)生的成因進行分析評估，認為紅樹林自身的生物學(xué)原因、異常氣候、人為活動、大面積引種外來樹種是紅樹林蟲害發(fā)生的主要影響因素。

氣候是紅樹林蟲害的重要影響因素之一。目前，國內(nèi)外對紅樹林蟲害的發(fā)生與氣候因素的關(guān)系未見有深入的研究報道。數(shù)據(jù)挖掘是從大量的、不完全的、有噪聲的、模糊的、隨機的實際數(shù)據(jù)中，提取有用知識的過程[7]，其在農(nóng)業(yè)、林業(yè)蟲害預(yù)測與分析方面已取得一些研究成果[8-12]，但尚未在紅樹林蟲害氣候因素分析中有應(yīng)用研究。決策樹分類法是數(shù)據(jù)挖掘的方法之一，用其可對已知樣本分類，并預(yù)測未知樣本的類別。本文針對廣西山口國家紅樹林生態(tài)自然保護區(qū)，運用數(shù)據(jù)挖掘中決策樹的C 4.5算法分析2004—2015年廣州小斑螟發(fā)生面積、保護區(qū)氣溫、降水量，以期發(fā)現(xiàn)蟲害發(fā)生與氣候因素之間隱含的聯(lián)系，并用結(jié)果進行預(yù)測，檢驗?zāi)Ｐ偷男Ч?/p>

1 材料和方法

1.1 材料 2004—2015年1月平均氣溫、1月降水量、4月平均氣溫、4月降水量等數(shù)據(jù)從相關(guān)氣象站收集，歷年來廣西山口國家紅樹林生態(tài)自然保護區(qū)廣州小斑螟發(fā)生面積由該保護區(qū)管理處提供(表1)。

表1 2004—2015年廣州小斑螟發(fā)生面積、保護區(qū)氣溫及降水

1.2 方法

1.2.1 采用C 4.5算法建立決策樹模型 C 4.5算法以信息增益率(GainRatio)作為分裂度量指標，采用自頂向下的方法，計算各個描述性屬性的GainRatio值，選擇GainRatio值最大的屬性作為分裂屬性，依次生成根節(jié)點、各層子女結(jié)點及葉子結(jié)點，形成初始決策樹，剪枝后生成最佳決策樹。

算法的主要公式有[13]:

(1)類別信息熵：Info(D)=

(2)條件信息熵:InfoA(D)=

(3)信息增益:Gain(A)=Info(D)-InfoA(D)

(4)屬性A的分裂信息:SplitInfo(A)=

(5)屬性A的信息增益率:GainRatio(A)=Gain(A)/SplitInfo(A)

式中:D為數(shù)據(jù)樣本的集合，C為離散型的分類屬性，C1,C2…Ck表示k個類別,屬性A有n個不同取值{a1,a2,…an}，D1,D2,…,Dn為D的子集。︱D︱為D的樣本數(shù)，︱Di︱為A=ai的樣本數(shù)，P(Cj)為類別Cj的概率，P(ai)為屬性A=ai的概率，P(Cj/ai)為條件概率。

將廣西山口國家紅樹林生態(tài)自然保護區(qū)2004—2015年的廣州小斑螟發(fā)生面積、保護區(qū)氣溫、降水量作為樣本構(gòu)建模型。上述算法在WEKA平臺上完成。

1.2.2 預(yù)測2016、2017年發(fā)生情況并檢驗 根據(jù)WEKA平臺的挖掘結(jié)果，依據(jù)2016、2017年的氣候數(shù)據(jù)，預(yù)測廣州小斑螟發(fā)生面積的等級，并與實際發(fā)生情況對比。

1.3 數(shù)據(jù)處理 劃分廣州小斑螟發(fā)生面積(單位：hm2)的區(qū)間，并進行分級。A級：[0,10)；B級：[10,20)； C級：[20,45)； D級：[45，+∞)。通過WEKA平臺中Filter篩選器下的Discretize工具對表1中2004—2015年的氣溫、降水量進行等頻離散化處理，將各屬性分成4個區(qū)間(表2)。

表2 2004—2015年保護區(qū)氣溫、降水量所屬區(qū)間及廣州小斑螟發(fā)生面積等級

2 結(jié)果與分析

2.1 建立決策樹模型 在WEKA平臺的classify選項卡下選擇決策樹分類器Trees 中的J48，即用C4.5算法完成挖掘，建立決策樹模型，反映出1月、4月的氣溫、降水量與廣州小斑螟發(fā)生面積等級的對應(yīng)關(guān)系(圖1)。

注：avtyi，1月平均氣溫；avryi，1月降水量；avtsi，4月平均氣溫；avrsi，4月降水量；area，發(fā)生面積等級;A-D,害蟲發(fā)生面積等級。

圖11月、4月氣溫、降水量與廣州小斑螟發(fā)生面積等級的對應(yīng)關(guān)系

根據(jù)圖1可提取以下規(guī)則:

(1) IF(avryi>49.4) THEN area=D

(2) IF(avryi≤49.4 AND avtyi>14.2) THEN area=C

(3) IF(avryi≤49.4 AND avtyi≤14.2 AND avtsi≤23.1) THEN area=B

(4) IF(avryi≤49.4 AND avtyi≤14.2 AND avtsi>23.1) THEN area=A

依據(jù)圖1和以上IF-THEN規(guī)則可得出如下結(jié)論:

1)保護區(qū)廣州小斑螟發(fā)生量與氣溫、降水量有密切關(guān)系。圖1中距離根節(jié)點越近的屬性對蟲情影響越大，即：1月份降水量對廣州小斑螟發(fā)生量影響最大，其次是1月份平均氣溫、4月份平均氣溫，影響最小的是4月份降水量。

2)若1月降水量較大，則廣州小斑螟大面積發(fā)生的概率較高；若1月高溫少雨，則廣州小斑螟發(fā)生面積減少為C級的可能性較大；若1月低溫少雨，且4月平均氣溫較低，則廣州小斑螟發(fā)生面積進一步減少為B級的可能性較大；若1月低溫少雨，且4月平均氣溫較高，則廣州小斑螟小面積發(fā)生或不發(fā)生的概率較高。

2.2 預(yù)測及檢驗結(jié)果 2016年該保護區(qū)1月降水量較大，為49.6 mm(>49.4 mm)，預(yù)測廣州小斑螟發(fā)生面積為D級。監(jiān)測資料顯示，實際發(fā)生面積為66 hm2，與預(yù)測結(jié)果基本一致。2017年該地區(qū)1月降水量較少,為38.3mm(≤49.4 mm)，平均氣溫14.1℃(≤14.2 ℃)，預(yù)測2017年廣州小斑螟不會大面積或較大面積發(fā)生，發(fā)生面積可能為B級或A級。據(jù)保護區(qū)實際監(jiān)測，2017年沒有發(fā)生廣州小斑螟危害，與預(yù)測結(jié)果基本吻合。

3 結(jié)論與討論

數(shù)據(jù)挖掘技術(shù)中有多種算法可用于蟲害發(fā)生因素分析。如Apriori算法，通過計算支持度和置信度，與預(yù)先設(shè)置的閾值比較，提取強關(guān)聯(lián)規(guī)則，發(fā)現(xiàn)影響蟲害發(fā)生面積的主要因素。缺點是閾值的設(shè)置具有主觀性，不合理的閾值直接影響挖掘結(jié)果的正確率，且不能用圖形表示挖掘結(jié)果。本文用C 4.5算法分析廣州小斑螟發(fā)生面積與氣候因素的關(guān)系，結(jié)果用決策樹表示，直觀地顯示出4個因子對廣州小斑螟發(fā)生面積的影響力，并可提取IF-THEN規(guī)則，易于理解。將模型用于分析歷史資料，根據(jù)氣候數(shù)據(jù)區(qū)分廣州小斑螟發(fā)生面積的等級，WEKA平臺顯示挖掘結(jié)果的分類正確率為75%，預(yù)測結(jié)果與實際較相符，適用于本例，為紅樹林蟲害的預(yù)測提供了新的手段。

使用C 4.5算法分析廣州小斑螟發(fā)生與氣候因素的關(guān)系，簡單易行，但仍存在一些問題需進一步探討，如建模時主要考慮氣溫、降水量兩個基本的氣候因素，實際上廣州小斑螟的發(fā)生與多個氣候因子有關(guān)，應(yīng)考慮將日照時間、濕度、積溫等因素也納入到模型中，增強模型的健壯性，使挖掘結(jié)果更具代表性。此外，隨著監(jiān)測數(shù)據(jù)的增加，需要繼續(xù)擴充訓(xùn)練樣本和預(yù)測樣本，不斷修正模型，提高模型預(yù)測的準確度。