CN107103395B - 一种农作物虫害短期预警方法 - Google Patents
一种农作物虫害短期预警方法 Download PDFInfo
- Publication number
- CN107103395B CN107103395B CN201710399176.2A CN201710399176A CN107103395B CN 107103395 B CN107103395 B CN 107103395B CN 201710399176 A CN201710399176 A CN 201710399176A CN 107103395 B CN107103395 B CN 107103395B
- Authority
- CN
- China
- Prior art keywords
- pest
- outbreak
- insect
- model
- early warning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 241000607479 Yersinia pestis Species 0.000 title claims abstract description 128
- 238000000034 method Methods 0.000 title claims abstract description 17
- 241000238631 Hexapoda Species 0.000 claims abstract description 51
- 238000012544 monitoring process Methods 0.000 claims abstract description 30
- 238000009499 grossing Methods 0.000 claims abstract description 25
- 230000008859 change Effects 0.000 claims abstract description 15
- 230000000630 rising effect Effects 0.000 claims abstract description 4
- 238000011161 development Methods 0.000 claims description 12
- 238000012360 testing method Methods 0.000 claims description 10
- 230000006378 damage Effects 0.000 claims description 7
- 239000003086 colorant Substances 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 230000001174 ascending effect Effects 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 230000002265 prevention Effects 0.000 abstract description 4
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000003306 harvesting Methods 0.000 abstract description 2
- 239000000447 pesticide residue Substances 0.000 abstract description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000001617 migratory effect Effects 0.000 description 2
- 238000012271 agricultural production Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000012272 crop production Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; Forestry; Mining
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Animal Husbandry (AREA)
- Life Sciences & Earth Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Mining & Mineral Resources (AREA)
- General Health & Medical Sciences (AREA)
- Marine Sciences & Fisheries (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Catching Or Destruction (AREA)
Abstract
本发明公开了一种农作物虫害短期预警方法，所述的农作物虫害短期预警方法的步骤如下：1.通过虫情测报灯所在预警区针对各类害虫数量进行全年监测，将监测结果传送至数据终端；2.对所述虫情测报灯监测信息进行数据平滑处理；3.基于平滑后的数据，利用灰色建模方法建立虫情变化常态模型；4.基于虫情变化常态模型上升趋势，判断农作物虫害爆发的具体时间截点；5.基于虫情数据情况对所述预警区的虫灾程度进行分级；6.发监测信息至虫害监测网络平台；7.警告信息具体数据录存入数据终端数据库。本发明的有益效果：实时监测，实施方便；节省大量人工成本；预警精准有效；节约预防成本，降低农作物农药残留量，提升农作物收成与产量。
Description
技术领域
本发明涉及一种农作物防护及监控技术领域与爆发事件的预警技术，特别涉及一种农作物害虫数量突变环境下针对农作物虫害短期预警方法。
背景技术
虫害是农作物生产过程中必须防范的重点危害因素之一，我国每年由于虫害而造成的直接经济损失和间接效益损失惨重,因此科学地监测并有效地控制农作物虫害对我国农业及农作物收益至关重要。
目前全球植保部门对虫害的监控工作都局限在人工观察和虫害报警基础上，即：只能通过植保人员的人工记数，在虫害爆发后，做出爆发警示，指导农民抗灾，无法实现虫害爆发的提前预警，提前防范。
在学术界，农作物虫害的预测工作，虽然有所突破，但多数采用的是长期灾变模型，可以对全省、全国或全球的虫害发展趋势及其大体波动情况做出长期规划，却无法作到对农作物具体产地虫害的短期精确预报。
发明内容
本发明所要解决的技术问题是针对农作物虫害监测力度不够，准确率不高，缺乏预警机制等问题，提供一种农作物虫害短期预警方法。
为了实现上述目的，本发明所采取的措施：
一种农作物虫害短期预警方法，农作物虫害短期预警方法的步骤如下：
1)设定预警区域，通过虫情测报灯就所在预警区域针对各类农作物害虫数量进行全年自动监测，害虫包括但不限于迁飞性害虫，并将监测结果通过无线传输方式传送至数据终端；
2)对所述虫情测报灯监测到的害虫信息进行数据平滑处理；
3)基于所述平滑后的数据，利用灰色建模方法建立四维、五维、六维三个虫情变化常态模型；
4)基于虫情变化常态模型上升趋势，设定常态模型预测虫数，当前实际虫数大于常态模型预测虫数时，作出虫害爆发的预判预警；
5)基于虫情数据情况对所述预警区的虫灾程度分级；
6)根据预测到的虫灾情况，发监测信息至虫害监测网络平台，在网络平台的预警盘上以绿、黄、橙、红四种颜色进行体现，其中警告信息以黄、橙、红三色进行体现；
7)警告信息具体数据存入数据终端数据库。
所述的数据平滑处理为方根数据平滑方式，该方根数据平滑原始数据序列为：
运用方根平滑处理，即：
；
根据对平滑处理结果的要求进行多次方更变换：
所述的灰色建模预测原始序列为：
建立灰色GM(1,1)常态模型：
其中：
做模型精度的相对误差检验：
当
≤0.01时，模型精度检验为1级；当0.01<
≤0.05时，模型精度检验为2级，在模型精度检验达到1级或２级的情况下，确定为害虫数量变化的常态发展模型。
所述的常态模型以平滑后建立的三个害虫数量变化常态发展模型为依据，在模型为上升趋势前提下，当前害虫规模大于模型预测水平，即存在害虫爆发的可能性。当一个常态模型出现爆发结点，则虫害爆发的可能性为1级；有两个常态模型出现爆发结点，则虫害爆发的可能性为2级；三个常态模型均出现爆发结点，则虫害爆发的可能性为3级。
所述的常态模型以平滑后建立的三个害虫数量变化常态发展模型为依据，依据害虫当前数量超过常态模型预测数量，从小到大依次五个跨度，即：灯下害虫实际成灾数量1%、5%、15%、30%、50%，确定爆发规模为1级、2级、3级、4级和5级。
所述的警告信息，具体结合虫害爆发的可能性和虫害爆发的规模，制定出虫害爆发颜色预警的等级标准，划分出了虫害爆发的“黄、橙、红”三种警告信息：虫害爆发规模1级，当虫害爆发可能性达到3级，即确定黄色警告；虫害爆发规模3级，当虫害爆发可能性达到2级，即确定橙色警告；虫害爆发规模4级，当虫害爆发可能性达到3级。
本发明的有益效果：满足对农作物虫害情况及时、全面、高效的监测和预警的需求；实时监测，提前预报；节省大量人工成本，绿色环保；预警精准高效，预警准确率高达87.5%；实现植保平台自动化，实时化和虫害提前预报的目的；为植保部门的农作物虫害预防工作，提供了准确的操作依据与数据上的支持；有效解决由于农业生产具有“种植面积大，品种多样，生产环境复杂”的特性，导致人工田间收集虫害种类、数量数据困难，数据缺乏实时性和无法提前警示的问题；节约农作物虫害的预防处理成本，避免大批量无用药物的投放使用，进而大大降低农作物农药残留量，有力提升农作物收成与产量，提升农作物收益。
附图说明
图1为本发明一种农作物虫害短期预警方法的流程图。
具体实施方式
一种农作物虫害短期预警方法，农作物虫害短期预警方法的步骤如下：
1)设定预警区域，通过虫情测报灯就所在预警区域针对各类农作物害虫数量进行全年自动监测，害虫包括但不限于迁飞性害虫，并将监测结果通过无线传输方式传送至数据终端；
2)对所述虫情测报灯监测到的害虫信息进行数据平滑处理；
3)基于所述平滑后的数据，利用灰色建模方法建立四维、五维、六维三个虫情变化常态模型；
4)基于虫情变化常态模型上升趋势，设定常态模型预测虫数，当前实际虫数大于常态模型预测虫数时，作出虫害爆发的预判预警；
5)基于虫情数据情况对所述预警区的虫灾程度分级；
6)根据预测到的虫灾情况，发监测信息至虫害监测网络平台，在网络平台的预警盘上以绿、黄、橙、红四种颜色进行体现，其中警告信息以黄、橙、红三色进行体现；
7)警告信息具体数据存入数据终端数据库。
所述的数据平滑处理为方根数据平滑方式，该方根数据平滑原始数据序列为：
运用方根平滑处理，即：
；
如果一次平滑不够理想，再进行多次方根变换：
所述的灰色建模预测原始序列为：
建立灰色GM(1,1)常态模型：
其中：
做模型精度的相对误差检验：
当
≤0.01时，模型精度检验为1级；当0.01<
≤0.05时，模型精度检验为2级。在模型精度检验达到1级或２级的情况下，确定为害虫数量变化的常态发展模型。
所述的常态模型以平滑后建立的三个害虫数量变化常态发展模型为依据，在模型为上升趋势前提下，当前害虫规模大于模型预测水平，即存在害虫爆发的可能性。当一个常态模型出现爆发结点，则虫害爆发的可能性为1级；有两个常态模型出现爆发结点，则虫害爆发的可能性为2级；三个常态模型均出现爆发结点，则虫害爆发的可能性为3级。
所述的常态模型以平滑后建立的三个害虫数量变化常态发展模型为依据，依据害虫当前数量超过常态模型预测数量，从小到大依次五个跨度，即：灯下害虫实际成灾数量1%、5%、15%、30%、50%，确定爆发规模为1级、2级、3级、4级和5级。
所述的警告信息，具体结合虫害爆发的可能性和虫害爆发的规模，制定出虫害爆发颜色预警的等级标准，划分出了虫害爆发的“黄、橙、红”三种警告信息：虫害爆发规模1级，当虫害爆发可能性达到3级，即确定黄色警告；虫害爆发规模3级，当虫害爆发可能性达到2级，即确定橙色警告；虫害爆发规模4级，当虫害爆发可能性达到3级，即确定红色警告，具体如下：
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。
Claims (4)
1.一种农作物虫害短期预警方法，其特征在于，所述的农作物虫害短期预警方法的步骤如下：
S1、设定预警区域，通过虫情测报灯就所在预警区域针对各类农作物害虫数量进行全年自动监测，并将监测结果通过无线传输方式传送至数据终端；
S2、对所述虫情测报灯监测到的害虫信息进行数据平滑处理；
S3、基于所述平滑后的数据，利用灰色建模方法建立常态模型，并在常态模型相对误差精度范围内，建立四维、五维、六维三个虫情变化常态发展模型；
S4、基于虫情变化常态发展模型上升趋势，设定常态模型预测虫数，当前实际虫数大于常态模型预测虫数时，作出虫害爆发的预判预警；
S5、基于虫情数据情况对所述预警区的虫灾程度分级；
所述的常态模型以平滑处理后建立的三个虫情变化常态发展模型为依据，在模型为上升趋势前提下，当前害虫规模大于模型预测水平，即存在害虫爆发的可能性；当一个常态模型出现爆发结点，则虫害爆发的可能性为1级；有两个常态模型出现爆发结点，则虫害爆发的可能性为2级；三个常态模型均出现爆发结点，则虫害爆发的可能性为3级；
所述的常态模型以平滑后建立的三个虫情变化常态发展模型为依据，依据害虫当前数量超过常态模型预测数量，从小到大依次五个跨度，即：灯下害虫实际成灾数量1％、5％、15％、30％、50％，确定爆发规模为1级、2级、3级、4级和5级；
S6、根据预测到的虫害爆发的可能性和虫害爆发的规模，发监测信息至虫害监测网络平台，在网络平台的预警盘上以绿、黄、橙、红四种颜色进行体现，其中警告信息以黄、橙、红三色进行体现；
S7、警告信息具体数据存入数据终端数据库。
2.根据权利要求1所述的一种农作物虫害短期预警方法，其特征在于：所述的数据平滑处理为方根数据平滑方式，该方根数据平滑原始数据序列为：
X(0)＝{X(0)(1),X(0)(2),X(0)(3),……,X(0)(n)}
运用方根平滑处理，即：
根据对平滑处理结果的要求进行多次方更变换：
3.根据权利要求2所述的一种农作物虫害短期预警方法，其特征在于,所述的灰色建模预测原始序列为：
建立灰色GM(1,1)常态模型：
其中：
做模型精度的相对误差检验：
当ε(k)≤0.01时，模型精度检验为1级；当0.01＜ε(k)≤0.05时，模型精度检验为2级，在模型精度检验达到1级或2级的情况下，确定为害虫数量变化的常态发展模型。
4.根据权利要求1所述的一种农作物虫害短期预警方法，其特征在于：所述的警告信息，具体结合虫害爆发的可能性和虫害爆发的规模，制定出虫害爆发颜色预警的等级标准，划分出了虫害爆发的“黄、橙、红”三种警告信息：虫害爆发规模1级，当虫害爆发可能性达到3级，即确定黄色警告；虫害爆发规模3级，当虫害爆发可能性达到2级，即确定橙色警告；虫害爆发规模4级，当虫害爆发可能性达到3级，即确定红色警告。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710399176.2A CN107103395B (zh) | 2017-05-31 | 2017-05-31 | 一种农作物虫害短期预警方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710399176.2A CN107103395B (zh) | 2017-05-31 | 2017-05-31 | 一种农作物虫害短期预警方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107103395A CN107103395A (zh) | 2017-08-29 |
| CN107103395B true CN107103395B (zh) | 2021-01-15 |
Family
ID=59659976
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710399176.2A Active CN107103395B (zh) | 2017-05-31 | 2017-05-31 | 一种农作物虫害短期预警方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107103395B (zh) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107832895A (zh) * | 2017-11-27 | 2018-03-23 | 四川瑞进特科技有限公司 | 农作物病害预测方法 |
| CN108510490B (zh) * | 2018-03-30 | 2021-02-19 | 深圳春沐源控股有限公司 | 一种分析虫害趋势的方法、装置及计算机存储介质 |
| CN109491292A (zh) * | 2018-11-30 | 2019-03-19 | 福建农林大学 | 一种竹资源智能监控管理系统 |
| CN112734120A (zh) * | 2021-01-14 | 2021-04-30 | 绥化学院 | 一种基于动态网格划分的玉米虫害预警方法 |
| CN115879773B (zh) * | 2023-02-22 | 2023-05-16 | 广东省农业科学院植物保护研究所 | 一种基于物联网的病虫害智能预警方法及系统 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN202406870U (zh) * | 2011-12-30 | 2012-09-05 | 山东省科学院自动化研究所 | 林业虫害智能在线测报系统 |
-
2017
- 2017-05-31 CN CN201710399176.2A patent/CN107103395B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN202406870U (zh) * | 2011-12-30 | 2012-09-05 | 山东省科学院自动化研究所 | 林业虫害智能在线测报系统 |
Non-Patent Citations (4)
| Title |
|---|
| 农作物重大病虫害数字化监测预警系统解决方案;托普云农;《https://wenku.baidu.com/view/1af966e45122aaea998fcc22bcd126fff7055dd0.html》;20170331;第1-7页 * |
| 区域粮食总产量预测的灰色动态模型群;晏路明;《热带地理》;20000331;第20卷(第1期);第53-57页 * |
| 应用灰色理论于透析产品预测之研究;叶玉玲 等;《南开学报》;20131231;第10卷(第1期);第1-12页 * |
| 灰色系统理论在绵阳市作物病虫害预测中的应用;李茂达 等;《高原山地气象研究》;20090630;第29卷(第2期);第54-55页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107103395A (zh) | 2017-08-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107103395B (zh) | 一种农作物虫害短期预警方法 | |
| CN111460990B (zh) | 一种基于大数据的高寒牧区草原虫害监测预警系统及方法 | |
| CN115185220B (zh) | 一种基于物联网的农林病虫害监控系统 | |
| Baethgen et al. | Adaptation of agricultural production systems to climate variability and climate change: lessons learned and proposed research approach | |
| CN112215716A (zh) | 农作物生长干预方法、装置、设备及存储介质 | |
| Skobelev et al. | Development of models and methods for creating a digital twin of plant within the cyber-physical system for precision farming management | |
| CN110069032A (zh) | 一种基于小波神经网络的茄子温室环境智能检测系统 | |
| CN115860279B (zh) | 南美白对虾养殖投苗作业窗口期的气象风险预测方法 | |
| CN115205695B (zh) | 一种根据种植数据确定种植策略的方法和系统 | |
| CN115237982A (zh) | 一种基于云计算的农业大数据管理系统及方法 | |
| CN114414491B (zh) | 一种草原生态动态监测与分析系统 | |
| CN112215522A (zh) | 农作物长势监测系统、方法、计算机设备及存储介质 | |
| Paraskevopoulos et al. | Integrating soil water monitoring technology and weather based crop modelling to provide improved decision support for sugarcane irrigation management | |
| Nyakuri et al. | IoT and AI based smart soil quality assessment for data-driven irrigation and fertilization | |
| CN112836903B (zh) | 病虫害风险预测方法 | |
| CN111915096B (zh) | 基于作物模型、遥感数据和气候预测信息的作物产量早期预报技术 | |
| CN103744369A (zh) | 一种实现智能管理农作物监控平台的方法 | |
| JP2001256289A (ja) | 農業および水産業用生産管理システム | |
| CN102193524A (zh) | 一种标准化园艺场蔬菜质量安全保障控制系统 | |
| CN108875210B (zh) | 一种马铃薯晚疫病地块诊断和预报模型的建立方法 | |
| Cao | [Retracted] The Index Data System of Agricultural Modernization Development Based on Internet Big Data | |
| CN111563824B (zh) | 一种基于油松人工林地研究系统及方法 | |
| CN112598533A (zh) | 一种基于互联网的农业种植规划系统 | |
| CN113283629A (zh) | 一种基于大数据的多元农作物病虫害监测预警方法 | |
| CN110738379A (zh) | 一种被子植物主要病虫害大数据预测平台 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CP03 | Change of name, title or address |
Address after: A117, building 7, No. 158, Changxing Road, Jiangbei District, Ningbo, Zhejiang 315000 Patentee after: Ningbo Pengbo Cloud Control Technology Co.,Ltd. Address before: Room 1205, 12 / F, 1558 Jiangnan Road, high tech Zone, Ningbo, Zhejiang 315000 Patentee before: NINGBO HI-TECH ZONE PENGBO TECHNOLOGY CO.,LTD. |
|
| CP03 | Change of name, title or address |