植保工作中的测报、病虫发生程度预报等受多种因素的影响，是较复杂的自然现象，使用精确数学方法计算得越精确（或根本不能用数学方法计算），越难以描述客观的自然现象，而把模糊数学理论与植保专业知识相结合，则能较好地解决这一复杂问题，为植保工作的预测预报提供了一种新的方法。

　　1 模糊数学在植保工作中的应用

　　1.1 论域和集合 我们在考虑某一具体问题时，总是把讨论的对象限制在一个范围内，这个范围就称为论域。它常用大写字母A、B、U、V等表示。论域里的每个对象称为/元素0,常用小写字母a、b、u、v表示。例如对水稻二化螟发生程度进行评价，其论域用U表示，则可写为：U={虫口基数（u1），气象条件（u2），种植水平（u3），防治水平（u4）}.集合就是论域里一部分元素所组成的全体，常用大写字母A、B等表示。

　　1.2 模糊集合和它的运算

　　对于普通集合A都存在一个特征函数XA（u），当XA（u）=1说明元素u属于集合A,XA（u）=0说明元素u不属于集合A.然而，植保工作中的许多概念是模糊概念，例如，/重发0、/中等偏轻0等，究竟指多少呢？模糊概念需要用模糊集合来描述。对于给定的有限论域U={u1,u2,…un},它的模糊集合A）（在A下加/-0以区别于普通集A）可用下面的方式表示：A）=LA）（u1）/u1+LA）（u2）/u2+,+LA

　　上式中A）表示一个模糊集合，ui属于U,LA）（ui）是Ui对A）的隶属函数，i=1,2,,,n,而且0[LA）（ui）[1.例如，对二化螟发生程度的预测。参加二化螟发生程度会商会的人员来自A、B两县，评价论域U={u1,u2,u3,u4,u5}={重发，中等偏重，中等发生，中等偏轻，轻发},并根据各县对此5种评价的百分比确定隶属度。如表1所示。

　　1.3 模糊矩阵及其合成运算

　　如前所述，模糊关系可用隶属函数描述，它们的值位于闭区间[0,1],即等于1,0或介于其间的值。模糊关系矩阵R）可以表示隶属函数表，即R）=（隶属函数值），R）中任一元素rij应满足0[rij[1.

　　例如某植保站的诱虫灯防治二化螟发生程度的预测，且已知，二化螟发生程度受以下因素的影响：虫口基数、气象条件、种植水平、防治水平。则评价目标论域U={虫口基数，气象条件，种植水平，防治水平},评价结果论域V={重发，中等偏重，中等发生，中等偏轻，轻发}.据此评价结果见表2（注：表中数据非实际数据）。

　　根椐经验，对各评价目标采用下面的加权（即在综合评价中所占比重），虫口基数70%,气象条件10%,种植水平10%,防治水平10%,则加权的模糊矩阵为：A）=（0.7,0.1,0.1,0.1）。综合评价结果表示，评价中等偏重、中等发生的意见比重各占30%,且重发的比重也有20%,忽略其余相对次要的意见，则结论是此次二化螟发生程度是中等至中等偏重发生，局部重发。综合评价结果表明，评价中等偏重的意见比重占33%,中等发生的意见比重占25%,忽略其余相对次要意见，据此发生程度意见是中等至中等偏重发生。

　　以上结合某植保站二化螟发生程度预报的实例简要介绍了模糊数学的基本知识，下面再结合某一地区植保站的病虫发生程度的会商会，进一步说明模糊数学在植保工作中的应用方法。

　　例如，某地市级植保站在某年6月召开二化螟虫情会商会，已知该市下辖4个县级植保站，则参评单位的论域U={植保站I（u1），植保站II（u2），植保站III（u3），植保站IV（u4）},评价结果论域V={重发，中等偏重，中等发生，中等偏轻，轻发。各县根椐当地二化螟发生程度的影响因素，即虫口基数、气象条件、种植水平、防治水平，按上述方法计算提出自己的评价结果，见表4（表中数字非实际数据）。

　　2 小结

　　笔者对模糊数学在植保病虫测报工作中的应用做了一些初步的探讨。由于模糊数学是一门刚刚兴起的学科，加之笔者对模糊数学和植保专业知识认识有限，并且缺乏实际操作的检验，因而模糊数学在植保工作的应用及领域都有待进一步探讨，特别是对算得的评价结果的数据是否最后有必要进行定性分析，适当调整等都有待研究。