大数据 ›› 2016, Vol. 2 ›› Issue (1): 59-67.doi: 10.11959/j.issn.2096-0271.2016007

• 专题：农业大数据 • 上一篇    下一篇

基于大数据的小麦蚜虫发生程度决策树预测分类模型

张晴晴,刘勇(),牟少敏,温孚江()   

  1. 山东农业大学农业大数据研究中心，山东 泰安 271018
  • 出版日期:2016-01-20 发布日期:2017-03-22
  • 作者简介:张晴晴（1991-），女，山东农业大学硕士生，主要研究方向为农业大数据。|刘勇（1968-），男，山东农业大学教授、博士生导师，主要研究方向为害虫绿色防控和农业大数据。|牟少敏（1964-），男，博士，山东农业大学教授，主要研究方向为大数据、机器学习和模式识别。|温孚江（1955-），男，现任山东农业大学校长、教授，农业大数据创新战略联盟理事长，全国人民代表大会常务委员会委员。早年留学美国，并获博士学位。主要从事植物保护研究和宏观农业研究工作。发表论文210余篇，专著5部。最近一部专著《大数据农业》由中国农业出版社于2015年9月出版。目前主要从事农业大数据应用研究工作，是我国农业大数据研究主要发起人之一。
  • 基金资助:
    山东省农业重大应用技术创新课题基金资助项目

Decision tree predictive classification model on the occurrence degree of wheat aphids based on big data

Qingqing ZHANG,Yong LIU(),Shaomin MU,Fujiang WEN()   

  1. Agricultural Big Data Research Center,Shandong Agricultural University,Taian 271018,China
  • Online:2016-01-20 Published:2017-03-22
  • Supported by:
    Major Innovation of Applied Technology in Agriculture of Shandong Province

在线阅读

15

PDF下载

886

被引次数

1

摘要：

小麦蚜虫是危害小麦的主要害虫。其发生程度预测特别是短期预测一直是植物保护领域难以解决的科学问题。传统预测方法通常仅采用温湿度，预测结果与实际发生匹配度不高。基于大数据的理念和数据挖掘技术，通过对2003-2013年小麦蚜虫发生程度与瓢虫、寄生蜂、日最高气压、日照时数等18种变量关系的决策树分析，构建了分类模型。经分析发现，日照时数与小麦蚜虫的发生程度关联度最高，其次是天敌瓢虫。该模型置信度为91.49%，且运行稳健。

关键词: 小麦蚜虫, 农业大数据, 决策树, 分类模型

Abstract:

Wheat aphids are the main pests of wheat crops.The monitoring and forecasting of their occurrence degree,especially the short-term occurrence degree,is much difficult.Many traditional predictions rely only on temperature and humidity,so the match degree to the actual occurrence value is low.Based on the concept of big data and data mining programs,the predictive classification model was established by means of the decision tree analysis of the relationship between the occurrence degree of aphids and up to 18 variables.It was found out that the duration of sunshine has the highest degree of relevance to the forecasting level of aphids,followed by ladybird.The confidence coefficient of the model that runs steadily in the experiment is 91.49%.

Key words: wheat aphids, agricultural big data, decision tree, classification model

中图分类号: 

No Suggested Reading articles found!