一、概 述
（一）森林害虫预测预报的意义和特点 森林害虫预测预报是指森林保护工作人员根据森林害虫发生规律、近期害虫及其天敌的发生情况，结合气象预报等资料进行综合分析和判断，估计害虫未来发生发展趋势，及时通报有关林业部门，使之能依照测报的信息，作好害虫防治工作。 森林害虫预测预报与农业害虫预测预报相比又有其特点。①种群估计难度更大。森林树高林密，冠幅庞大，对害虫进行抽样估计比较困难。②建立预测模型的过程复杂。森林昆虫群落中的相互关系往往是非线性的，有阈限、饱和点和时滞，一般包含许多随机性的相互作用，许多过程具有后效性。由于这些原因，组建预测模型相当复杂。③预测预报的时限较长，森林害虫预测预报中的短期、中期、长期预测预报的期限有时比农业害虫的预测预报的时间长。
（二）森林害虫预测预报的类别 按预测预报的内容划分 ①发生期预测：是对害虫的卵、幼虫（或若虫）、蛹、成虫等某一虫态或虫龄出现或发生的初盛、高峰和盛末期进行预测。②发生量预测：是对害虫可能发生的数量或虫口密度进行预测，了解是否有大量发生的趋势和是否会达到防治指标，以确定是否开展防治工作。③分布蔓延预测：是对测报对象可能分布和蔓延危害的地区进行预测，以确定采取控制其扩展、蔓延危害的措施。④危害程度预测：是在发生量预测的基础上预测测报对象可能造成的危害。以轻、中、重表示。其划分标准是：叶部害虫，树叶1／3以下被害为轻微， 1／3—2／3被害为中等， 2／3以上被害为严重；树干及枝梢表面的害虫，树干及枝梢被害20％以下为轻微，21—50％为中等，51％以上为严重；树干及枝梢的钻蛀性害虫，以树干及主梢被害株率10％以下为轻微，11—20％为中等，21％以上为严重；种实害虫，种实被害率10％以下为轻微，11—20％为中等，21％以上为严重。 按预测预报期限的长短划分①短期预测：通常根据害虫前一二个虫态的发生时期和数量预测后一二个虫态的发生时期和数量。预测期限较短，仅在一个世代或半年以内。②中期预测：通常根据上一个世代的发生情况，预测下一个世代的发生情况。预测期限随虫种而异，l年发生1代的虫种为1年，l年发生几代的则为1个月或1个季度。③长期预测：通常由年末或年初预测下一年或全年发生动态和危害程度。一般根据越冬后或年初测报对象的越冬虫口基数及气象预报等资料进行预测，供防治参考。
（三）预测预报的研究方法
1．实验室研究：研究人工控制条件下害虫的生长发育及数量动态。
2．林间研究：研究自然条件下害虫的生长发育及数量动态。
3．统计分析：对历史记载资料及实验室和林间研究所得资料的统计分析。
4．计算机模拟：研究不同输入信息所输出的不同结果。
二、森林害虫种群抽样估计
（一）森林害虫种群抽样调查的意义 森林害虫发生数量的大小是预测其严重性的根据。要了解林分中害虫发生数量，必须对林分进行调查。森林面积辽阔，不可能进行全面调查。较经济而科学的办法是进行抽样调查，用抽样调查结果来估计全林分害虫的种群密度。这种方法费用较低，速度较快，而且准确度较高，对于作好森林害虫发生数量的调查有重要意义。
（二）森林害虫种群抽样调查的主要步骤
1．确定调查的总体 “总体”一词，统计学上是指性质相同的一群事物的总和。在森林害虫调查中，如欲调查某个林分内平均每株虫口密度时，该林分即被视为调查总体。同样，欲调查一块苗圃地内平均每平方米的金龟子数量时，该苗圃即作为调查总体。
2．确定准确度和精度要求 准确度反映估计值与实际值的接近程度。精度表示抽样结果的可重复性。在林间进行抽样调查，要想获得较高准确度和精度的结果颇不容易。对一般性的调查要求可低些，对一些较细致深入的研究，要求则应高一些。
3．确定抽样单位 抽样前需根据总体情况选用一定抽样单位，抽查若干样本并计算样本值，然后用样本值对总体情况进行估计。在森林害虫抽样调查时，先根据林分大小，设立若干个标准地，然后在标准地上对样株或样枝进行调查。从样株或样枝调查的结果先对标准地进行估计，进而估计林分的种群密度。
4．确定抽样方法和理论抽样数 抽样估计值误差的大小与抽样方法密切相关。为了减少误差，提高准确度，应根据害虫在林间的分布型选择适当的抽样方法。只有根据害虫的分布型采用相应的抽样方法才能使调查结果更接近实际情况。取样数目越多，当然代表性越强，但要花费的人力、物力和调查时间也越多，故应根据抽样方法计算出理论抽样数。
（三）森林害虫抽样调查的方法
1．随机抽样及理论抽样数的确定 随机抽样是在N个个体中，按机会均等的原则，先抽取第一个样本，接着在剩下的 （N-1）个个体中抽取第二个样本......，最后在所剩的［N-（n-1））个个体中抽取第n个样本。这种抽样方法又分为有放回抽样和无放回抽样两种。 抽样设计确定后，接下来就是考虑抽取多少样本。抽取样本少，不能反映真实情况；抽取样本多，则浪费人力、物力和时间，因此必须从理论上确定抽多少样本最好。一般而言，理论抽样数的确定与下列三个因素有关： 空间分布型：害虫种群聚集度越高，需要抽取的样本越多。 置信水准和允许误差：置信水准越高，允许误差越小，则所需抽样数越多。 种群密度：在聚集度、置信水准和允许误差相同的情况下，种群密度越低，所需样本数越多。 当总体呈正态分布、泊松分布、负二项分布时，有各自求算理论抽样数的公式。 在实际工作中可按平行线、对角线、棋盘式、“Z"字形等方式进行随机抽样。
2．以发生频次估计虫口密度 森林害虫大多发生面积广，即使有较好的抽样方法，要逐株查数样树上的全部虫数也是很困难的。是否可以不数样树上的虫数就能估计种群密度呢？既然从害虫发生频次分布可以确定种群的空间分布型，那么，当空间分布型已知时，就可以按有虫或无虫的样本数和比例来估计种群密度。这种方法虽然不很准确，但在一定的条件下可以使用。
（3）回归曲线拟合法 平均虫口密度与有虫样方的关系，也可以用回归曲线进行拟合。 　　
3．序贯抽样 序贯抽样不事先规定应抽取的样本数，而是先确定种群的某个阈值密度或两个阈值密度以及允许误差的概率水准。调查时连续进行多次抽样，每次抽样以后确定是否超越或低于该阈值水平。若不能确定，则继续抽样。这种方法可以大大减少需要抽取的样本数。
当害虫种群的空间分布型不同时，序贯抽样的公式也不同，Iwao还提出了一种独特的序贯抽样方法。
4．森林害虫种群的非整株抽样技术以前，对森林害虫种群进行抽样一般是对整株树木进行取样。这样不仅工作量大，而且也难于准确计数。由于有些树木，特别是松属树种，树冠可以明显划分成轮枝层，所以人们尝试用轮枝抽样代替整株抽样。
三、森林害虫发生期预测
（一）发育进度预测法 森林害虫某一虫种的所有个体往往不是同时进入某一虫态，而是有先后之分。根据该虫态个体数量在时间上的分布时划分为始见期、始盛期、高峰期、盛末期及终见期。按照正态分布曲线的特点，通常将某虫态发育百分率达16％、50％、84％左右分别当作划分始盛期、高峰期和盛末期的数量标准。 采用林间调查、诱集或室内外饲养观察等方法，可得到害虫某虫态发育进度曲线，以此做为“基准曲线”。由基准线加上害虫某虫态的发育历期，便可得到与基准线相平行的“预测曲线”。预测曲线说明了该虫态在未来的发育进度。 发育进度法。可划分为历期法和期距法。从实质上讲，这两种方法都是在检查发育进度的基础上，加上一定的历期推算的。其不同之处在于历期法的历期指前一虫态至后一虫态的相隔时间，通常在一个龄期范围内；而期距法的历期对以经几个龄期，甚至几个世代，故称为“期距”。 人们已在下列森林害虫中应用发育进度法进行发生期预测如青杨大牛、油松毛虫、落叶松毛虫、杨圆蚧、油松球果小卷蛾、蒙古光瓢虫、榆蓝叶甲、美国白蛾、樗蚕等。
（二）有效积温预测法 有效积温法对于昆虫的含义是：昆虫在生长发育过程中，需从外界摄取一定的热量方能完成某一阶段的发育，并且各发育阶段所需要的总热量为常数。用公式表示为： K＝N?T 式中：K为总积温，是常数；N为发育历期；T为气温。 由于昆虫的发育并非从 0℃开始，而是从被称之为“发育起点温度”的温度开始，以 G表示，则上式成为： K＝N（T一G） 可得：T=G十KV 其中V为发育速率，是时间N的倒数。通过实验，得到不同T值下的N值，然后用统计学方法就可求出G，K。 在森林害虫上应用有效积温法进行发生期预测的例子有：美国白蛾、杨圆蛾、蒙古光瓢虫、油松球果小卷蛾、油松毛虫、落叶松毛虫、青杨天牛。
（三）回归分析预测法 森林害虫种群数量变化和气候及生物中的某些因素的变化有密切关系，在测报中用数理统计方法分析害虫发生与影响因素的相关关系，并制定它们的数学表达式的方法称为相关回归分析。相关回归分析的步骤如下：
（l）根据大量系统调查研究的资料，分析、判断和害虫发生量存在相关关系的因素。
（2）对已确定有相关关系的一个或几个变量进行分析，建立预测经验公式。
（3）对预测经验式的可靠性及误差进行检验。
（4）分析影响害虫发生量的主要因素和次要因素及它们之间的关系。
回归分析包括几种方法，其中以逐步回归分析法在害虫测报上应用最多,双重筛选逐步回归分析法有其特殊功能。
   1．多元逐步回归预测法 在普通的多元回归分析中，人们需要凭借专业知识来选择合适的自变量。然而，在实际情况下，可能与害虫种群变动有关的自变量常常多达数十个。从中选取几个合适的自变量并非易事。多元逐步回归分析的优点在于能自动地从大量可供选择的自变量中，选择出最重要的自变量，并建立回归方程。
   2．双重筛选逐步回归预测法 多元逐步回归只解决一个因变量对多个自变量的问题。双重筛选逐步回归可以解决多个因变量对多个自变量的问题。即可以反映出因变量之间的相互关系，又能使每个自变量对各个因变量的影响都反映出来。在森林害虫预测预报工作中，需要考虑的虫情指标往往在两个以上。人们不仅要考察这些指标相互之间的关系，又要考虑每个影响因素对这些指标的影响。双重筛选逐步回归的应用，无疑为解决这些问题创造了可能。
（四)判别分析预测法 判别分析是用来判别研究对象所属类型的一种多元分析方法。它用已知类型的样本数据构成判别函数，继而用此判别函数预测新的样本数据属于何类。在害虫测报中，人们关心的害虫发生情况常可用“大发生”、“非大发生”、“严重”、“轻微”等类型来划分，因此可用判别分析进行预测。
(五) 数量化理论预测法 在害虫预测工作中会遇到不是用数值表示的因子，如昆虫的性别，称为定性因子。数量化理论就是将定性因子引进的统计分析方法。与回归分析对应的数量化理论称为数量化理论I，与判别分析对应的数量化理论称为数量化理论II。
（六）时间序列预测法 在回归分析和判别分析中，对害虫进行预测要利用其影响因素做为预测因子，如气象因子，这是他因分析。时间序列预测对害虫进行预测只考虑害虫种群本身的变化，是自因分析，但这并非不考虑外部因素，而是将害虫自身变化视为各种内外因子综合作用的结果。 时间序列的各种方法中以马尔可夫链方法在我国森林害虫测报上应用最广。
（七）模糊数学预测法 模糊数学并非让数学变成模糊的东西，而是用数学来解决一些具有模糊性质的问题。这里指的模糊性质，主要指客观事物差异的中间过渡的不分明性。如“年老与年轻”，“美与丑”。在害虫预测中，虫情的“严重与轻微”也是模糊的。 模糊数学的基础是模糊集，它将普通集合中只取0，1两值推广到［O，1]区间，用隶属度来刻划对象的属性。 模糊数学中有多种方法。梁其伟（1986）曾将模糊优先比应用于马尾松毛虫预测。薛贤清等（ 1986）应用了模糊聚类分析。
    六、林分危险性预测
    大量观察和研究表明，不同林分内害虫发生程度不同。这种差异性与树龄、生活力、林分组成、林分密度、土壤等有关。用数学方法对不同林分进行比较，确定造成这种差异性的影响因素及其相互关系，就能预测林分对虫害的不利影响。 于诚铭等（1986）在黑龙江省的5个县，3个林业局选择典型的落叶松毛虫发生基地与非发生基地若干块作为样地。其中发生基地样地37块，非发生基地样地29块。在观察记载了地形地势，窝风状况，坡向与坡度后，他们用数量化理论11建立了发生基地的判别模型。计算结果表明对发生基地的判对率达89．2％，对非发生基地的判对率达69％。 用该模型就可以预测某一新的样地是否属于发生基地。 于建国等（1989）在对马尾松林分的树种组成、树高、胸径、冠幅、密度、郁闭度、灌木层盖度和高度、草木层盖度和高度，海拔、坡向、坡位，土壤肥力、厚度等21个因素进行调查的基础上，用逐步判别分析建立了马尾松毛虫发生类型不同的5种林分的判别模型。这5种林分类型为：
（l）发生基地类型；（2）一般发生类型；（3）临时发生类型；（4）扩散类型；（5）无灾类型。 所建判别模型中保留的判别因子共6个。在实际运用中，对待判别的林分，只要将这6个因子的观察值代入模型，即可判断该林分所属类型。 王振经（1988）建立了由树种组成、郁闷度、经营强度求有虫株率的回归式。
    四、森林害虫种群监测
森林害虫种群监测的目的在于及时掌握当前的害虫数量和分布。近年来，这项工作的重要性已被人们充分认识，并在研究中取得一定的进度。
（一）灯光引诱和性信息引诱监测 不少森林害虫种类具有趋光性，因此可以设光源进行人工引诱。灯光引诱具有简便行，比较准确可靠的特点。黑光灯可诱获的森林害虫有7O0种左右，分属鳞翅目、鞘翅目、直翅目、等翅目、半翅目、同翅目、膜翅目等8个目79科。为了保证灯诱的监测效果，灯诱所用的黑光灯应安装在松林外缘的开阔处，以免光源受遮挡。对于一个林场来说，每年各代安灯地点、位置，每夜开灯和关灯的时间，开灯天数应力求保持一致。 对于具有释放性信息素特性的森林害虫，性信息素引诱监测是一种有效手段。性信息素引诱具有灵敏，专一性强，使用方便和操作简单等特点。 用于害虫监测的诱捕器一般由特殊形状的诱捕装置和含人工合成性信息素的诱芯所组成。此外，也可用害虫活体或粗提性信息素引诱。
（二）收集森林害虫落粪进行监测 用落粪对高大树木上的害虫进行监测，始于本世纪初。最初，人们只是通过虫粪出现与否来判别有无森林害虫危害。以后则试图建立落粪数量与害虫数量的相互关系，以便由落粪数推测害虫数量。