研究基于大数据的病虫害监测预警分析方法，探索适合于不同虫害监测预警模型构建的技术和方法。

  数据采集

实现了基于物联网的数据采集以及数据传输。主要采集了温度、湿度、风速等气象数据以及土壤的温度、湿度、PH值等土壤数据，同时通过视频传输捕获大田作物长势实时图像信息以及诱罐内需要采集的害虫个体信息。数据传输部分基于3G数据模块，通过Zigbee连接个部分模块功能，然后数据打包传输。

   研究成果应用

  在小麦蚜虫发生程度预测中的应用

分析了与小麦蚜虫发生程度的关联因子，构建了基于决策树和SVR的预测模型。在鲁中地区，麦蚜发生量与日照时数相关程度最高，当日照时数大于13 h，小麦蚜虫发生程度为4级。在预测麦蚜发生程度时，决策树C5.0算法的准确率略低于SVR。

在玉米螟发生程度预测中的应用

最大风速、平均气压是对玉米螟发生程度影响最显著的正相关因子，平均温度、最高气压是影响最显著的负相关因子；通过主成分分析，前七个主成分的贡献率达到96.87%，前九个主成分贡献率达到99.36%，能代表99.36%的数据；最后主成分回归方程的Multiple R-Squared=0.437，P=0.002533。 

  在玉米田棉铃虫发生程度预测中的应用

建立了基于SVR的玉米田第四代棉铃虫发生量预测模型。模型预测的平均绝对百分比误差为4.36％，预测值与实际值的相关系数为0.9606，呈现高度的相关性。这一模型的建立为玉米田第四代棉铃虫的科学有效防控提供了科学指导。

分析了麦田主要天敌昆虫瓢虫种群演化的关联因子

基于决策树的麦田主要瓢虫类天敌昆虫发生趋势分析表明，当日最低气温在调查期年际变化呈上升趋势，随日最低气温升高，七星瓢虫数量减少。当日照时数在调查期年际变化呈上升趋势，随日照时数的增加，异色瓢虫的数量增加。