您好，欢迎访问北京市农林科学院 机构知识库！
北京市农林科学院机构知识库

全部

  • 全部
  • 标题
  • 学者
  • 机构
  • 关键词

基于贝叶斯网络的小麦条锈病预测研究

文献类型： 中文期刊

作者： 聂臣巍 1 ;

作者机构： 1.三峡大学计算机与信息学院

关键词： 小麦条锈病;气象因子;贝叶斯网络;预测模型

期刊名称： 安徽农业科学

ISSN： 0517-6611

年卷期： 2014 年 16 期

页码： 85-88

收录情况： 北大核心

摘要： [目的]在地理信息系统GIS的平台上,将不确定性推理方法——贝叶斯网络引入病害预测,基于关键气象因子(温度、降水、湿度、日照)构建一个用于预测小麦条锈病发生概率的贝叶斯网络模型。[方法]采用预测日前7 d的气象数据预测自预测日起7 d内的条锈病发病概率,并对我国小麦条锈病重要流行区域——甘肃省东南部地区2010~2012年病害发生情况进行预测。[结果]模型在返青期至乳熟期输出的病害发生概率与实际调查结果吻合度分别为62.92%、63.18%、79.48%、94.75%,能够较客观地反映病害发生的时间规律和空间分布特点。[结论]该研究表明将贝叶斯网络和GIS分析结合在较大的空间范围内利用关键气象因子进行小麦条锈病短期预测是一种可行的途径。

  • 相关文献

[1]用不同模型进行小麦条锈病发生预测研究. 景元书,靳宁,黄文江. 2009

[2]小麦条锈病高光谱遥感监测技术研究. 蔡成静,王海光,安虎,史延春,黄文江,马占鸿. (Mis

[3]小麦条锈病高光谱遥感监测技术研究. 蔡成静,王海光,安虎,史延春,黄文江,马占鸿. 2005

[4]基于近地高光谱信息的小麦条锈病病情指数反演. 董锦绘,杨小冬,杨贵军,王宝山. 2016

[5]基于遗传神经网络的全国小麦条锈病长期气象预测. 靳宁,黄文江,景元书,王大成,罗菊花. 2009

[6]利用高光谱红边与黄边位置距离识别小麦条锈病. 蒋金豹,陈云浩,黄文江. 2010

[7]小麦条锈病高光谱近地与高空遥感监测比较研究. 蔡成静,马占鸿,王海光,张玉萍,黄文江. 2007

[8]结合冠层光谱和叶片生理观测的小麦条锈病监测模型研究. 艾效夷,宋伟东,张竞成,王保通,杨贵军,黄文江. 2016

[9]日光诱导叶绿素荧光与反射率光谱数据监测小麦条锈病严重度的对比分析. 赵叶,竞霞,黄文江,董莹莹,李存军. 2019

[10]基于数码图像的小麦条锈病病害程度分级方法. 蒋小敏,冯海宽,常红,杨贵军,杨小冬. 2021

[11]小麦品种温度互作中抗条锈微效基因的表达. 徐世昌,张敬原,吴立人. 2000

[12]多源数据小麦条锈病预测研究. 孔钰如,王李娟,张竞成,杨贵军,岳云,杨小冬. 2022

[13]小麦条锈病重要抗源京核8811品系抗性遗传机制. 张敬原,赵文生,吴立人,张继新. 2001

[14]基于VSURF-CA的小麦条锈病高光谱病情指数估测模型. 梅广源,李荣,梅新,陈日强,樊意广,程金鹏,冯子恒,陶婷,赵倩,赵培钦,杨小冬. 2024

[15]桃树冠层蒸腾日变化的数学模拟. 高照全,魏钦平,王小伟,秦玲. 2004

[16]影响大白菜产量形成的关键气象因子分析. 刘明池. 2002

[17]北京市典型经济林树种叶水势、耗水特性研究. Wang Weina,王伟娜,Li Shaoning,李少宁,Lu Shaowei,鲁绍伟,Zhao na,赵娜. 2018

[18]土壤有机质光谱快速检测装置研究. AN Xiao-fei,安晓飞,MENG Zhi-jun. 2014

[19]土壤墒情预测模型对比研究. NIU Hongfei,牛宏飞,ZHANG Zhonglili,张钟莉莉. 2017

[20]计算机视觉用于猪肉新鲜度检测的颜色特征优化选取. 潘婧,钱建平,刘寿春,韩帅. 2016

作者其他论文 更多>>
置顶
购物车
反馈

© 京ICP备09089781号-29 主办单位：北京市农林科学院

学术资源： 中国农业科学院 农业专业知识服务系统 农科联盟资源共建共享平台 中国农业科技文献与信息服务平台 中国农业期刊集成服务平台