全 文 ：收稿日期:2011 － 05 － 30 修回日期:2012 － 01 － 30
基金项目:福建省科技厅重大专项资助项目 (2006NZ0002-1) ;国家质检总局资助项目(2007IK252)．
作者简介:郭琼霞(1954 －) ，女，研究员．研究方向:植物检疫．
基于 GIS技术和 BP神经网络的我国
假高粱适生性气候区划
郭琼霞1，黄 娴1，2，黄 振1
(1．福建出入境检验检疫局，福建 福州 350001;2．福建农林大学植物保护学院，福建 福州 350002)
摘要:利用 GIS技术和 BP神经网络模型开展假高粱适生性气候分布预测．根据假高粱对气候条件的要求，确定假高粱的
适生性气候区划指标;利用全国 570 个气象台站的气候资料和 1∶ 25 万地形数据，通过 BP神经网络的仿真预测，对 78 个站
点的空缺区划指标因子数据进行插值;采用 GIS技术划分出假高粱适生区、潜在适生区和非适生区．
关键词:假高粱;适生性分布;气候区划;BP神经网络;GIS
中图分类号:S431．9 文献标识码:A 文章编号:1671-5470(2012)02-0193-04
Suitable climatic distribution of Sorghum halepense
based on GIS and BP neural network in China
GUO Qiong-xia1，HUANG Xian1，2，HUANG Zhen1
(1． Fujian Entry-Exit Inspection and Quarantine Bureau，Fuzhou，Fujian 350001，China;2． College of
Plant Protection，Fujian Agriculture and Forestry University，Fuzhou，Fujian 350002，China)
Abstract:Basd on GIS and BP neural network，the suitable climatic distribution of Sorghum halepense was predicted． According to
the climatic condition for Sorghum halepense，the fitness index for suitable division of S． halepense was determined;using the climat-
ic data of 570 national weather stations and the landform data on the scale of 1∶ 250000，by the prediction of BP neural network，the
interpolation for the absent data of 78 weather stations was accomplished;by the method of GIS，the Johnson grasss suitable dis-
trict，potential suitable district and unsuitable establishment area were divided．
Key words:Sorghum halepense;suitable climatic distribution;climatic distribution;BP neural;GIS
假高粱(Sorghum halepense (L．)Pers．)属单子叶植物纲(Monocotyledoneae)莎草目(Cyperales)禾本科
(Poaceae)蜀黍属(Sorghum Moench)植物．它是中国进境植物检疫性杂草，也被美国、澳大利亚和欧洲大部
分国家列为检疫性杂草［1］．明确我国假高粱的适生范围是正确制定检疫决策的科学依据．
近年来常运用逐步分区法、集优法、数理统计分析法、模糊数学方法等进行许多区划和资源评价研究．
目前对于外来有害生物适生性分析模型的研究，主要集中在气候相似距模型［2］、BIOCLIM、DOMAIN、EN-
FA、GARP、Mahalanobis和 Maxent等方面［3］;韩湘玲［4］认为，集优法是用于珍贵作物或经济价值较高果树
的一种分区方法;苏永秀等［5］曾采用此法研究了广西八角种植气候的区划，其主要优点是能较好地将适
生区与潜在适生区、潜在适生区与非适生区分开．本研究根据假高粱生物学特性，综合农作物气候区划分
析模型和 BP神经网络以及 GIS技术，分析、预测了我国假高粱适生范围，拟建立一种更适合外来有害杂
草的适生性分析模型，为检疫性杂草的风险分析提供依据．
1 材料与方法
1．1 数据处理
本研究采用国家气象信息中心以及中国科学院地理科学与资源研究所提供的资料，将其整理成原始
数据库，包括各站点历年平均降水量、极端最高气温、极端最低气温、日照百分率等．所有基本、基准地面观
测站都有经纬度、海拔的精确数据．
福建农林大学学报(自然科学版) 第 41 卷 第 2 期
Journal of Fujian Agriculture and Forestry University (Natural Science Edition) 2012 年 3 月
DOI:10.13323/j.cnki.j.fafu(nat.sci.).2012.02.010
地理信息资料采用 1∶ 25 万全国基础数据．该数据为分块存放的 ARC /INFO分幅 TAB 格式数据．首先
在 MAPINFO地理信息系统软件中将各个图幅的图层数据进行合并，然后从中提取各县市行政区名、国际
编码;最终统计出我国数字地图上的气象站点共 648 个，其中有 78 个地方的气候数值空缺．
1．2 区划方法
1．2．1 区划指标的选取 假高粱原产于亚热带地区，是多年生植物，适合生长的海拔高度为 0 － 700 m，耐
旱，能在年降雨量约 250 mm的地方存活［4 － 7］．假高粱能以种子和地下根状茎繁殖．当年成熟的种子休眠
期约 5 － 7 个月，下一年温度达 18 － 22 ℃时即可萌发，最适宜的生长温度为 19．1 － 22．4 ℃ ．在花期，假高
粱根状茎迅速增长，其形成的最低温度约为 15 ℃;适生的最冷月气温为 7 － 12．3 ℃;当温度降到 － 3．5 ℃
或更低时，根茎会快速死亡［6 － 9］．假高粱适生性气候区划指标见表 1．
表 1 假高粱适生性气候区划指标
Table 1 Climatic fitness indexes of Sorghum halepense
区划因子 最适生区 潜在适生区 非适生区
年平均最低气温 /℃ ≥12．3 7 － 12．3 ＜ 7
年降雨量 /mm ≥500 250 － 500 ＜ 250
≥0℃积温 /(℃·d) ≥3285 2200 － 3285 ＜ 2200
1．2．2 基于 BP神经网络建立的假高粱气候资源
空间推算模型 BP 神经网络是前馈型神经网络
中最常使用的一种能实现映射变换的网络，理论
上可逼近任意非线性连续函数． 本研究利用 BP
神经网络预测的区划指标与地理因子的关系模型
可表示为:
Y = f(φ，λ，h) (1)
式(1)中，Y为气候区划指标;φ、λ、h分别代表纬度、经度和海拔高度．对于整合的全国气象站点的观
测资料及对应站点的经度、纬度、海拔等地理信息数据，采用 3 层 BP 神经网络模型，建立气候要素与地理
信息数据之间的空间推算模型．
3 层 BP神经网络理论上能够逼近任何有理函数，网络层数的增加可逐步降低拟合误差，但同时也使
网络复杂化．本研究应用 Matlab 6．5 工具箱构建 BP神经网络，对 3 层网络进行训练．传递函数选择常用组
合即 Powell-Beale共轭梯度反向传播算法进行训练． 隐含层的变换函数为 tansig，输出层的变换函数为
purelin．运用上述确定的训练方法对输入样本进行标准化处理，分别推算年降雨量(mm)、年平均最低气温
(℃)、年≥0℃积温 3 个区划因子的预测集样本，并预测 78 个站点 3 个区划因子的空缺数值，以满足对空
缺区划指标因子空缺数据插值的要求．所有样本随机分成建模集和预测集(表 2)．
表 2 3 个区划因子的 BP神经网络训练结果1)
Table 2 Training results of the 3 climatic fitness indexes by BP neural network
区划因子 学习样本集 /个 预测样本集 /个 待测样本 /个 平均相对偏差 / % 迭代次数
年降雨量 /mm 555 15 78 － 2．79 997
年平均最低气温 /℃ 555 15 78 － 0．23 715
≥0℃积温 /(℃·d) 555 15 78 － 0．62 994
1)平均相对偏差:预测集的预测值与实际值的相对偏差的平均值．
1．2．3 分区方法与专题图制作 在适生性分析中，常用的分区方法有集优法、数理统计分析法、模糊数学
法等［9］．笔者认为改进的集优法更适合外来入侵杂草的适生气候区划．
Ai1，Ai2，…，Ain分别表示第 i个因子所求得的非适生区、潜在适生区、适生区，其中 n 为适宜度的等级
数(在本区划中，假高粱的适宜度分为 3 级，故 n = 3) ，1≤i≤m，m为区划因子的总数(本区划中，采用 3 个
区划因子，故 m = 3)．
本研究中假高粱的区划因子(S)表示如下:
非适生区 S1 = A11∪A21∪…Am1;适生区 S3 = A13∩A23∩…Am3;其余为潜在适生区域．
2 结果与分析
2．1 BP神经网络
本研究建立 3 个 3 层 BP神经网络，对输入样本进行标准化处理，经反复“试错”训练后，得出以下结
论:年降雨量、年平均最低气温及年积温≥0 ℃的 3 个区划因子，均利用 555 个学习样本来预测 15 个已知
结果的预测样本．年降雨量、年平均最低气温、年积温≥0 ℃的预测集的平均相对偏差分别为 － 2．79%、
·491· 福建农林大学学报(自然科学版) 第 41 卷
－0．23%和 －0．62% ．此外，3个区划因子的迭代次数均在1000次以下就能收敛到误差为0．05的水平(表 2)．
对预测集样本进行预测的结果如图 1 所示．从图 1 可以看出，年最低气温的预测曲线与实际曲线拟合
得非常好(y = 1．099x，R2 = 0．987) ，它们之间的相对误差控制在 － 3．76% －3．17% ．年降雨量的预测曲线与
实测曲线的走势也非常接近(y = 1． 007x，R2 = 0． 999) ，拟合精度相当高，相对误差控制在 － 3． 81% －
3．38% ．年积温的预测曲线与实际曲线的拟合度也较佳(y = 0．998x，R2 = 0．998) ，相对误差在 － 4．87% －
1．12% ．以上分析结果表明，3 个区划因子的 BP神经网络训练模型能够用于空缺数据的插值．
图 1 模拟得到的年平均最低气温、降雨量、年积温与实测值的比较
Fig． 1 Comparisons between the simulation values of mean minimum temperature，rainfall and accumulated temperature and their measurement values
2．2 区划
2．2．1 适生区 依据本研究的站点统计，假高粱在我国的适生性站点占统计站点总量的 30%(表 3) ，主
要集中在浙江、上海、湖南、广东、广西、海南、重庆、福建、湖北、云南、江西等 11 个省市，其中浙江、上海、湖
南、广东、广西、海南等 6 个省市的统计站点的区域内均可适生假高粱．福建省仅有 1 个站点为潜在适生站
点，其余站点均为假高粱的适生区域．假高粱适生性区域的年降水量大于或等于 500 mm，平均最低气温高
于 12．3 ℃，≥0 ℃积温大于或等于 3285 ℃·d．
表 3 假高粱的适生性站点分布情况
Table 3 The distribution of suitable area for S． halepense
站点
适生站点占
统计站点
比例 /%
潜在适生站点
占统计站点
比例 /%
非适生站点
占统计站点
比例 /%
站点
适生站点占
统计站点
比例 /%
潜在适生站点
占统计站点
比例 /%
非适生站点
占统计站点
比例 /%
北京 － 50．00 50．00 湖北 72．00 28．00 －
天津 － 100．00 － 湖南 100．00 － －
河北 － 42．86 57．14 广东 100．00 － －
山西 － 100．00 － 广西 100．00 － －
内蒙古 － － 100．00 海南 100．00 － －
辽宁 － 5．00 95．00 重庆 80．00 20．00 －
吉林 － － 100．00 四川 34．88 20．93 44．19
黑龙江 － － 100．00 贵州 38．89 55．56 5．56
上海市 100．00 － － 云南 50．00 40．63 9．38
江苏 8．33 83．33 8．33 西藏 4．17 8．33 87．50
浙江 100．00 － － 陕西 － 52．63 47．37
安徽 28．57 64．29 7．14 甘肃 － 8．33 91．67
福建 94．44 5．56 － 青海 － － 100．00
江西 50．00 － 50．00 宁夏 － － 100．00
山东 － 95．00 5．00 新疆 － － 100．00
河南 － 100．00 － 合计 30．00 21．00 49．00
2．2．2 潜在适生区 假高粱在我国的潜在适生性站点占统计站点总量的 21%(表 3) ，主要集中在天津、
山西、河南、江苏、安徽、山东、贵州、陕西等．其中，天津、山西、河南的潜在适生性站点为 100%，山东的为
95%，江苏的为 83．33% ．
2．2．3 非适生区 假高粱在我国的非适生性站点占统计站点总量的 49%(表 3) ，主要集中在我国内蒙
古、吉林、黑龙江、青海、宁夏、新疆、辽宁、甘肃、西藏、河北、江西．其中内蒙古、吉林、黑龙江、青海、宁夏、新
疆全部站点的气象条件均不适合假高粱生长．此外，辽宁 95%的站点、甘肃91．67%的站点、西藏 85．5%的
·591·第 2 期 郭琼霞等:基于 GIS技术和 BP神经网络的我国假高粱适生性气候区划
站点区域为假高粱的非适生区．这些地区的年降水量少于 250 mm，平均最低气温低于 7 ℃，≥0 ℃积温低
于 2200 ℃·d．
3 讨论与小结
本研究区划因子中采用的是“年平均最低气温”，而不采用“最冷月平均气温”．这是因为“年平均最低
气温”是“年极端最低气温”的平均值，年极端最低气温实际上是由每年的最低气温统计出来的历年平均
值，有别于“N年一遇的最低气温”概念．类似的研究中，鄢仁杨［10］、谢益林［11］在研究树木引种决策时，为
了使引种植物避免在当地遭受冻害，也是以“年极端最低气温”为考量的唯一因素，而不是采用当地的“最
冷月平均气温”．若采用“最冷月平均气温”来考量假高粱致死温度条件，则可能造成较大误差，因为对“最
冷月平均温度”下限的预测难度大．
本研究采用改进的集优法，利用年降雨量、年平均最低气温和≥0 ℃积温 3 个指标对假高粱在我国的
适生性范围进行了评估与区分．区划分析结果表明，中国假高粱适生性站点占统计站点总数的 30%，潜在
适生性站点占统计站点总数的 21%，非适生站点占统计站点总数的 49% ．适生及潜在适生的区域主要集
中在东部和中部地区，尤其集中在浙江、上海、广东、福建、广西、海南、重庆、湖南、湖北、云南、江西、天津、
江苏、山东等省市，这些省市多为中国进出境贸易频繁和发达的地区．从口岸进境情况看，进境的粮谷、种
子等易携带大量假高粱，输入国家如美国、阿根廷、巴西、意大利等多为分布假高粱的疫区．因此，粮谷、种
子等产品进境可造成检疫性杂草假高粱传入我国．因此，本研究结果可为口岸的针对性检疫和相关部门制
定防控策略等提供决策依据．
参考文献
［1］黄娴，虞赟，郭琼霞，等．假高粱入侵中国的风险分析［J］．江西农业学报，2008，20(9) :92 － 94．
［2］蒋青．应用农业气候相似距分析假高粱在我国的适生范围［J］．植物检疫，1994，8(5) :257 － 262．
［3］王运生．生态位模型在外来入侵物种风险评估中的应用研究［D］．湖南:湖南农业大学，2007．
［4］韩湘玲．农业气候学［M］．太原:山西科学技术出版社，1999:162 － 188．
［5］苏永秀，李政．基于 GIS的广西八角种植气候区划［J］．福建林学院学报，2006，26(4) :353 － 357．
［6］郭琼霞，黄可辉．假高粱与其近似种幼苗形态鉴定研究初报［J］．植物检疫，1992，6(5) :333 － 334．
［7］郭琼霞．杂草种子彩色鉴定图鉴［M］．北京:中国农业出版社，1997:94 － 97．
［8］MONAGHAN N． The biology of Johnson grass (Sorghum halepense) ［J］． Weed Research，1979，19(4) :261 － 267．
［9］WARWICK S I，PHILLIPS D，ANDREWS C． Rhizome depth:the critical factor in winter survival of Sorghum halepense (L．)
Pers． (Johnson grass) ［J］． Weed Research，1986，26(6) :381 － 388．
［10］鄢仁杨．永泰县年极端最低气温的建模及其在林业上的应用［J］．福建林业科技，2003，30(2) :14 － 16，21．
［11］谢益林．永安市桉树引种决策模型及其应用研究［J］．福建林业科技，2008，35(1) :14 － 16，21．
(责任编辑:叶济蓉)
·691· 福建农林大学学报(自然科学版) 第 41 卷