1、水稻是我國(guó)最重要的糧食作物之一,每年因病蟲(chóng)害引起的經(jīng)濟(jì)損失相當(dāng)驚人。如何提高水稻病蟲(chóng)害的綜合管理效率和提高水稻病蟲(chóng)害預(yù)測(cè)預(yù)報(bào)的準(zhǔn)確性在水稻生產(chǎn)和減少經(jīng)濟(jì)損失方面是非常重要的。目前,我國(guó)對(duì)農(nóng)業(yè)病蟲(chóng)害的管理大都還是通過(guò)人工紙質(zhì)記錄或電子數(shù)據(jù)庫(kù)管理,缺少空間管理和分析的能力;即使有學(xué)者利用先進(jìn)的地理信息系統(tǒng)來(lái)研究水稻病蟲(chóng)害管理系統(tǒng),但都是基于商業(yè)化的地理信息系統(tǒng)軟件,成本較高,不易推廣使用。本論文采用開(kāi)源地理信息系統(tǒng)——地理資源分析支持系統(tǒng)(

2、Geographic ResourcesAnalysis Support System,簡(jiǎn)稱(chēng)GRASS)結(jié)合數(shù)據(jù)庫(kù)等技術(shù)進(jìn)行了水稻病蟲(chóng)害地理信息系統(tǒng)的研究。構(gòu)建了水稻病蟲(chóng)害地理信息數(shù)據(jù)庫(kù),開(kāi)發(fā)了基于GRASS的水稻病蟲(chóng)害管理系統(tǒng),實(shí)現(xiàn)對(duì)病蟲(chóng)害及其相關(guān)數(shù)據(jù)的管理、基本空間分析等功能;并結(jié)合開(kāi)源統(tǒng)計(jì)軟件R,首次提出將負(fù)二項(xiàng)回歸模型和零膨脹負(fù)二項(xiàng)回歸模型用于水稻病蟲(chóng)害預(yù)測(cè)預(yù)報(bào)的研究。論文主要結(jié)果包括:
　　 (1)目前,我國(guó)對(duì)GRAS

3、S的應(yīng)用研究極少,相關(guān)的參考資料也非常有限。通過(guò)查閱大量的外文資料,本論文較系統(tǒng)的介紹了GRASS平臺(tái)、具有的功能模塊、數(shù)據(jù)格式和如何安裝配置等,為后續(xù)利用GRASS進(jìn)行應(yīng)用研究提供一定的參考。
　　 (2)利用PostgreSQL和PostGIS開(kāi)源數(shù)據(jù)庫(kù)構(gòu)建了水稻病蟲(chóng)害地理信息系統(tǒng)數(shù)據(jù)庫(kù),實(shí)現(xiàn)了對(duì)水稻病蟲(chóng)害歷史發(fā)生數(shù)據(jù)、氣象數(shù)據(jù)及病蟲(chóng)害發(fā)生地圖數(shù)據(jù)的存儲(chǔ)、管理;提高數(shù)據(jù)管理的有效性及避免了因紙質(zhì)等記錄方式造成數(shù)據(jù)丟失及共享性

4、差等缺點(diǎn)。
　　 (3)建立水稻病蟲(chóng)害預(yù)測(cè)預(yù)報(bào)模型中,對(duì)氣象因子的篩選采用了全部子集回歸的方法,避免了利用逐步回歸等一些常用方法在因子篩選過(guò)程中的一些缺點(diǎn);通過(guò)對(duì)因子數(shù)據(jù)的篩選可以很好的剔除一些不相關(guān)或顯著性差的因子,減輕運(yùn)算過(guò)程中計(jì)算機(jī)的負(fù)擔(dān),提高運(yùn)算效率。
　　 (4)根據(jù)水稻病蟲(chóng)害發(fā)生數(shù)據(jù)的特點(diǎn)即計(jì)數(shù)數(shù)據(jù),首次提出和運(yùn)用負(fù)二項(xiàng)回歸模型(Negative Binomial Regression Model,NBRM)

5、和零膨脹負(fù)二項(xiàng)回歸模型(ZeroInflation Negative Binomial Regression Models,ZINBRM)對(duì)水稻稻縱卷葉螟發(fā)生程度預(yù)測(cè)進(jìn)行研究;結(jié)果表明,NBRM和ZINBRM均可較好的模擬浙江省稻縱卷葉螟發(fā)生程度數(shù)據(jù)與氣象因子之間的關(guān)系,實(shí)現(xiàn)稻縱卷葉螟的準(zhǔn)確預(yù)測(cè)。為其它病蟲(chóng)害利用NBRM和ZINBRM建立預(yù)測(cè)模型提高了一條新思路。
　　 (5)構(gòu)建基于GRASS的水稻病蟲(chóng)害地理信息系統(tǒng),系統(tǒng)具有