斜纹夜蛾发生期预测预报的研究——历期预测法

秦厚国; 朱雪晶; 罗任华; 汪笃栋; 叶正襄; 《江西农业学报 》 2006

摘要：探讨了斜纹夜蛾发生期预测预报方法。根据斜纹夜蛾灯下成虫的发生期和田间幼虫发育进度,参考斜纹夜蛾各虫态发育历期与温度的关系以及历年同期平均气温,对下一代田间斜纹夜蛾发生期进行预测,预报结果与田间发生实况基本相符。

关键词： 斜纹夜蛾 历期 发生期 预测预报

斜纹夜蛾寄主植物名录

秦厚国; 汪笃栋; 丁建; 黄荣华; 叶正襄; 《江西农业学报 》 2006

摘要：在田间调查和查阅国内外文献的基础上,整理出斜纹夜蛾寄主植物名录。该虫寄主涉及到蕨类植物、裸子植物、双子叶植物、单子叶植物,共计109科389种(包括变种)。

关键词： 斜纹夜蛾 寄主植物 名录

二化螟大发生原因及控制对策

秦厚国; 罗任华; 叶正襄; 汪笃栋; 付志飞; 《华东昆虫学报 》 2005

水稻螟虫中长期电算测报推广应用

汪笃栋; 叶正襄; 《江西农业学报 》 1991

摘要：本研究在收集整理全省20个县(市)测报站20多年积累的大量稻螟观察数据的基础上,通过对影响稻螟种群动态的生态因素分析,选取22个待选因子,以易于普及的PC-1500袖珍计算机为工具,应用逐步回归分析方法筛选预报因子,建立预测模式。同时辅以时间序列分析和模糊聚类分析进行补充和印证。时间序列分析采用随机过程论的处理方法,把稻螟虫情变化的时间序列分解为周期项和随机项,经叠加后用于预报;模糊聚类分析是利用样本因子数据之间的模糊等价关系进行分类预报。以上三种预报方法既可独立进行预报,又可相互补充和印证,从而提高了预报的准确度。

用逐步回归法建立鼠类数量预测模型的探讨——以江西安义县的黑线姬鼠为例

汪笃栋; 叶正襄; 龙丘陵; 杨定生; 黄小平; 许云飞; 《兽类学报 》 1991 CSCD

摘要：黑线姬鼠(Apodemus agrarius)是我国广大农区的重要野栖害鼠,有关该鼠的种群数量预测预报国内外研究甚少。本文以江西省安义县的黑线姬鼠为例,应用逐步回归分析法对影响该鼠种群数量变动的因素进行筛选,探讨建立鼠类种群数量预测模型,经回报和试报检验,效果尚好,兹报道如下。 影响黑线姬鼠种群数量变动的因素比较多,我们以鼠类生物学和生态学为基础,结合前人的研究结果,初选出16个入选因子,然后将这些因子输入计算机进行筛选。这16个入选因子是:X_1:怀孕率;X_2:平均胎仔数;X_3:繁殖指数;X_4:成体性比;X_5:总性比;X_6:雄性成体百分比;X_7:雌性成体百分比;X_8:雄性成老体百分比;X_9:雌性成老体百分比;X_10:雄性成老体比;X_11:雌性成老体比;X_12:总成老体比;X_13:雌性成体比;X_14:总成体比;X_15:月平均气温;X_16:月降雨量。

关键词： 黑线姬鼠 种群数量预测 逐步回归

棉红铃虫中长期数值预报

汪笃栋; 叶正襄; 《江西农业学报 》 1990

摘要：本项研究在收集,整理二十多年来积累的大量棉红铃虫观察数据的基础上,通过对影响棉红铃虫种群动态的生态分析,选出一批待选因子,以PC—1500袖珍计算机为工具,采用逐步回归分析方法进行因子筛选并应用模糊聚类和时间序列分析方法系统聚类和周期筛选,寻求棉红铃虫种群变动规律。以多因子相关和时间序列作为红铃虫数值预报的数学模型,应用逐步回归,时间序列和模糊聚类等三种数学分析方法组建棉红铃虫发生期和发生量的中长期数值预报模式。逐步回归预报式由逐步筛选出的影响棉红铃虫种群变化的关键因子组成;

安义农区黑线姬鼠种群繁殖生态研究

叶正襄; 汪笃栋; 龙丘陵; 杨定生; 许云飞; 衷尔钧; 黄小平; 《江西农业学报 》 1990

摘要：1985～1988年作者等在赣北安义农区研究了黑线姬鼠种群繁殖生态,对其雌雄性比、妊娠率、胎仔数和繁殖指数等进行了分析,结果表明:雄雌总性比(/)为1.14,年度间无差异,但随姬鼠年龄和季节不同而发生变化;雌鼠周年均可繁殖,一年中有两个繁殖高峰:即春季高峰和秋季高峰;多数个体胎仔数为4～6只;一年中繁殖指数最高的月份为9～10月,最低的月份为1～2月。

关键词： 黑线姬鼠 种群生态 繁殖 赣北安义

江西啮齿动物区系及其与国内部分省(市)的异同比较

叶正襄; 龙丘陵; 汪笃栋; 《江西农业学报 》 1989

摘要：本文报导江西啮齿动物2目6科23种,并对区系组成及其与国内其它省、市异同进行了比较,结果表明:江西啮齿动物以东洋界种占绝对优势,在啮齿动物地理区划上属华中区与华南区和西南区共有种多,而与东北区,蒙新区的共有种少;与国内11省、市作比较,则与浙江、福建共有种多,而与北京,黑龙江的共有种最少.本文还将23种啮齿动物分为六个生态类型,并指出田栖和家栖两个类型是防治的主攻对象.

关键词： 江西 啮齿动物区系 异同比较