CN109116348B - 一种面向昆虫迁飞起飞与巡航的远距离轨迹模拟方法 - Google Patents
一种面向昆虫迁飞起飞与巡航的远距离轨迹模拟方法 Download PDFInfo
- Publication number
- CN109116348B CN109116348B CN201810810866.7A CN201810810866A CN109116348B CN 109116348 B CN109116348 B CN 109116348B CN 201810810866 A CN201810810866 A CN 201810810866A CN 109116348 B CN109116348 B CN 109116348B
- Authority
- CN
- China
- Prior art keywords
- insect
- orientation
- insects
- migration
- area
- 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
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Catching Or Destruction (AREA)
Abstract
本发明公开了一种面向昆虫迁飞起飞与巡航的远距离轨迹模拟的方法。基于背景大气场设置合理的条件确定昆虫的起飞区域,然后基于现已证实的存在于昆虫中的定向飞行策略和雷达观测到的昆虫的迁飞轨迹速度和方向,确定昆虫在迁飞过程中的自身速度大小和头部朝向,利用拉格朗日粒子扩散模型模拟昆虫在背景大气场中的迁飞轨迹。这为较准确模拟昆虫迁飞的轨迹及预测迁入区提供了一种有效的方法。相对于已有的昆虫迁飞轨迹模拟方法,本方法基于背景大气场确定昆虫迁飞的起飞区域,并且在巡航轨迹模拟中加入了较准确的昆虫飞行特性,从而能更准确的模拟昆虫迁飞的轨迹及预测可能的迁入区,同时本发明也为研究昆虫迁飞行为提供了一种有效的手段。
Description
技术领域
本发明属于轨迹模拟领域,具体涉及一种面向昆虫迁飞起飞与巡航的远距离轨迹模拟的方法。
背景技术
昆虫迁飞是自然界中常见的现象,害虫的突发性大规模迁飞会对农业生产造成巨大影响,对昆虫迁飞进行监测并预警能有效避免昆虫迁飞带来的影响。昆虫雷达是监测昆虫迁飞的有力工具,但是其监测范围远远小于昆虫的实际迁飞距离,因此需要利用轨迹模拟技术预测远距离的昆虫迁飞轨迹。
轨迹模拟最初是气象学上用于计算污染物等粒子在大气中运行路径的方法。将该方法引入昆虫的迁飞轨迹研究中,将昆虫视为粒子,可正向和逆向模拟其在大气中的轨迹,从而确定潜在的迁入区和可能的虫源地。
国内外模拟昆虫迁飞轨迹都采用的是数值气象模式结合粒子扩散模型的方法,其发展大致经历了四个阶段。第一阶段:背景大气场时间跨度大,精度低,轨迹模拟局限于二维平面;第二阶段:背景大气场得到细化,精度得到提高,并开始进行三维轨迹模拟;第三阶段:采用新一代的精度更高的天气预报模式如WRF(The Weather ResearchandForecasting Model)、MM5(Fifth-Generation PSU/NCAR Mesoscale Model)等计算背景大气场。以上三个阶段中均将昆虫运动视为由风携带的无飞行能力的完全被动飞行,但研究表明,大部分昆虫在迁飞时能主动选择迁飞方向,并且昆虫自身可能存在一定的速度。针对上述问题,在第四阶段:轨迹模拟开始加入昆虫自身飞行特性,但目前研究中加入的昆虫的速度和头部朝向被设为固定值,且头部朝向常被设为正南或正北方向,而实际情况要比这复杂的多。同时在目前的轨迹模拟研究中,通常将雷达观测地作为轨迹模拟的起点,这是不够准确的。
发明内容
有鉴于此,本发明提供了一种面向昆虫迁飞起飞和巡航的远距离轨迹模拟方法。有助于更准确的预测昆虫迁飞的轨迹,并较准确的获得可能的迁入区,从而实现预警,降低昆虫突发性大规模迁飞造成的影响。
一种面向昆虫迁飞起飞和巡航的远距离轨迹模拟方法,根据背景大气场值确定昆虫起飞区域;根据雷达观测的昆虫轨迹速度和方向、以及已知的昆虫季节性偏好方向和定向飞行策略,获得昆虫自身速度大小和头部朝向;基于昆虫自身速度和头部朝向、背景大气场值和昆虫起飞区域,采用拉格朗日粒子扩散模型模拟昆虫迁飞轨迹,获得昆虫迁飞起飞和巡航的远距离轨迹。
较佳地,所述昆虫定向飞行策略包括被动顺风定向、主动顺风定向、罗盘偏移顺风定向、完全漂移定向、部分补偿定向、完全补偿定向、过补偿定向和上游定向。
较佳地,根据雷达观测的昆虫轨迹速度和方向、季节性偏好方向和昆虫定向飞行策略,获得所述获得昆虫自身速度和头部朝向的方法为:
当昆虫为被动顺风定向时,Vα=0,α=0;
当昆虫为主动顺风定向和完全漂移定向时,昆虫头部朝向始终固定为风向及季节性偏好方向,即:α=pmd;根据下式(1-1)获得所述获得昆虫自身速度:
其中,Vgradar为雷达观测到的昆虫轨迹速度;δradar为雷达观测到的昆虫轨迹方向;Vα为昆虫自身速度,α昆虫头部朝向;Vw为昆虫所在位置的风速,β昆虫所在位置的风向;pmd为季节性偏好方向;
当昆虫采用罗盘偏移定向、部分补偿定向或完全补偿定向时,以式(1-2)为目标函数,以昆虫自身速度的范围和头部朝向的范围为约束条件,利用遗传算法求得最优的昆虫自身速度Vα及头部朝向α:
较佳地,所述背景大气场值采用天气预报模式WRF模式获得。
较佳地,所述确定昆虫起飞区域的方法为:针对某区域确定是否起飞区域时,判断下列四个条件是否均满足,若均满足,则该区域为昆虫起飞区域;
条件一:该区域为陆地;
条件二:该区域存在上升气流;
条件三:该区域上空存在顺风分量;
条件四:该区域不适宜昆虫栖息。
有益效果:
1、基于背景大气场设置合理的条件确定昆虫的起飞区域,然后基于现已证实的存在于昆虫中的定向飞行策略和雷达观测到的昆虫的迁飞轨迹速度和方向,确定昆虫在迁飞过程中的自身速度大小和头部朝向,利用拉格朗日粒子扩散模型模拟昆虫在背景大气场中的迁飞轨迹。这为较准确模拟昆虫迁飞的轨迹及预测迁入区提供了一种有效的方法。相对于已有的昆虫迁飞轨迹模拟方法,本方法基于背景大气场确定昆虫迁飞的起飞区域,并且在巡航轨迹模拟中加入了较准确的昆虫飞行特性,从而能更准确的模拟昆虫迁飞的轨迹及预测可能的迁入区,同时本发明也为研究昆虫迁飞行为提供了一种有效的手段。
2、本发明采用精度较高的新一代天气预报模式WRF模型计算背景大气场,提高了整个昆虫轨迹模拟的精度。
附图说明
图1是昆虫速度、风速及迁飞轨迹速度三者的矢量关系。
图2为设置的WRF模拟的区域。
图3是基于WRF得到的高精度背景大气场获得的昆虫可能的起飞区域。
图4是昆虫迁飞轨迹模拟方法流程图。
图5(a)是采用被动顺风定向策略的昆虫迁飞轨迹。
图5(b)是采用主动顺风策略的昆虫迁飞轨迹。
具体实施方式
下面结合附图并举实施例,对本发明进行详细描述。
本发明针对飞行10公里以上的昆虫进行轨迹模拟,共分为三个步骤,首先采用WRF计算高精度的背景大气场,然后利用得到的高精度背景大气场确定可能的昆虫起飞区域,最后基于雷达观测到的昆虫迁飞轨迹速度和方向以及昆虫定向飞行策略计算昆虫自身飞行速度和头部朝向(方向),并以确定的起飞区域为轨迹模拟的起点,利用拉格朗日粒子扩散模型模拟昆虫在背景大气场中的远距离迁飞轨迹。
步骤一:采用WRF计算背景大气场。
WRF是由美国环境预测中心、美国国家大气研究中心等美国的科研机构中心开发的一种统一的气象模式。该模式分为ARW(the Advanced Research WRF)和NMM(theNonhydrostatic Mesoscale WRF)两种形式,分别用于研究和业务使用,通常采用ARW。WRF模式采用完全可压缩以及非静力模式,水平方向采用Arakawa C网格点,垂直方向采用地形跟随质量坐标,WRF模式在时间积分方面采用三阶或者四阶的Runge-Kutta算法,可对米至数千公里范围内的环境进行模拟,既可运行在真实天气驱动下的个案模拟,也可以用包含的模块组模拟理论情况下的基本物理过程,是目前最常用的从云尺度到各种不同天气尺度的重要天气特征预报精度改进的工具。
当运行真实天气个案时,真实气象数据下载于NCAR网站,其时间分辨率为6h,空间分辨率为1°×1°,利用WRF可以将时间和空间分辨率分别提高至1h和10km,从而提高背景大气场的精度。
提高运行WRF时输入的地形分辨率的精度,以及采用合适的参数化方案可以提高WRF的计算准确度。高分辨的地形数据可以从WRF官网中下载获得。对WRF计算结果有影响的参数主要有:陆面过程、近地面层方案、边界层方案、微物理过程、积云对流、长波辐射和短波辐射。微物理过程参数和边界层方案的选择对降水模拟影响较大,积云对流参数主要反映云与降水的物理模型。长波辐射和短波辐射考虑了臭氧、二氧化碳等气体,以及云的光学厚度的长波过程和短波过程。参数方案的选取受待研究地区地形、气候等多种因素的影响,目前选取合适的参数化方案的方法为构造不同的参数化方案组合,分别用WRF模拟该地区的气象背景场,将模拟结果与同时期的采用其他方式获得的观测数据进行对比,寻求最佳的参数化方案。
步骤二:利用WRF得到的高精度的背景大气场确定昆虫可能的起飞区域。
本发明基于高精度背景大气场通过设置合理的起飞条件判断可能的起飞区域。已有研究表明,昆虫可以感知风、温度、相对湿度等气象要素,能主动选择起飞的夜晚。昆虫的飞行能力较弱,它们在迁飞中需要利用顺风才能较快较准确的到达目的地。因此在针对某区域确定是否起飞区域时,设置了如下判决条件:
·该地是否为陆地:昆虫的起飞发生在陆地;
·该地是否存在上升气流:昆虫自身飞行能力较弱,因此需要上升气流的协助昆虫才能起飞;
·该地上空是否存在顺风分量:当该地上空存在朝向昆虫季节性偏好方向的风并且其风向与昆虫季节性偏好方向之间的夹角在能容忍的偏移角误差范围内,认为该地上空存在顺风分量,昆虫有可能起飞;
·该地是否不适宜昆虫栖息:主要考虑温度和相对湿度的影响,当该地气候不适宜昆虫栖息时,昆虫有可能起飞。
当某区域上述四个条件均满足时,认为该地区为昆虫可能的起飞区域。
步骤三:基于昆虫的定向飞行策略,利用拉格朗日粒子扩散模型模拟昆虫迁飞的轨迹。
研究表明,昆虫在大气中的迁飞有定向迁飞的特性。目前已证实的动物迁飞或迁徙的定向策略有八种,包括:被动顺风定向、主动顺风定向、罗盘偏移顺风定向、完全漂移定向、部分补偿定向、完全补偿定向、过补偿定向和上游定向,其中前六种被证实存在于多种昆虫的迁飞中。
·被动顺风定向是指昆虫自身无飞行速度,完全被风携带,当昆虫没有自主飞行能力时采用此种策略,如:蜘蛛、蜘蛛瞒、蛾毛虫等;
·主动顺风定向是指昆虫自身存在一定的飞行速度,昆虫的头部朝向为风向,这种策略能实现较高的飞行速度,许多夜间迁飞昆虫采用此种策略;
·罗盘偏移顺风定向是指昆虫头部朝向为风向和季节性偏好方向之间,昆虫自身存在一定的飞行速度,这种策略是轨迹速度与迁飞到达目的地准确度的权衡策略,蛾类采用此种策略;
·完全漂移定向是指昆虫头部朝向始终朝向季节性偏好方向,昆虫自身存在一定的飞行速度,这种策略比罗盘偏移顺风定向到达的目的地更接近昆虫的季节性偏好方向,幼鸟在无成年鸟陪伴下的迁飞采用此种定向策略;
·部分补偿是指昆虫可调节头部朝向,使得轨迹方向与季节性偏好方向的夹角在一定范围内,同时昆虫自身存在一定的飞行速度,这种方式比完全漂移更接近目的地,鸟类、蜻蜓等采用此种策略;
·完全补偿是指昆虫调节头部朝向,使得轨迹方向始终朝向季节性偏好方向,同时昆虫自身存在一定的飞行速度,归巢的蜜蜂采用此种策略。
在本发明中,仅考虑了水平方向昆虫的定向行为,垂直方向上昆虫的迁飞只受风的影响。在水平方向上,昆虫迁飞轨迹是昆虫自身飞行速度与昆虫所在位置风速共同作用的结果,三者的矢量图如图1所示。
三者的矢量关系可用下式表示:
其中,Vg表示昆虫迁飞速度大小,方向为δ;Vα表示昆虫自身速度大小,头部朝向为α;Vw表示昆虫所在位置的风速大小,方向为β。该极坐标系下0°为正北方向。且α,β,δ均为水平方向的角度。
在进行轨迹模拟时需要用到风速和昆虫自身速度。风速的大小和方向可利用WRF获得,而昆虫自身的速度大小和头部朝向由于定向策略中未明确指出,因此需要利用雷达观测到的小尺度的轨迹速度矢量结合已知的昆虫的定向策略计算得到。公式如下:
其中,pmd为季节性偏好方向,是水平方向的角度。轨迹速度大小Vgradar和方向δradar由雷达观测获得,风速大小Vw和方向β利用WRF获得。
当昆虫为被动顺风定向时,Vα=0;当昆虫为主动顺风定向或完全漂移定向时,头部朝向始终固定为风向或季节性偏好方向,因此代入(2)式的方程组中即可求得Vα;而当昆虫采用罗盘偏移定向、部分补偿定向或完全补偿定向时,昆虫的速度大小和头部朝向都不是固定值而是在一个范围内,因此需要以方程组(2)为目标函数,以昆虫的速度大小的范围和头部朝向的范围为约束条件,利用遗传算法求得最优的昆虫速度大小Vα及头部朝向α。
在迁飞过程中,当昆虫位于不同位置时,风速和风向是不同的,因此通过方程组(2)得到的昆虫速度大小和头部朝向也是变化的。将昆虫的速度大小和头部朝向应用于昆虫迁飞轨迹模拟中,设置初始时刻昆虫所在的位置即轨迹模拟的起点位于步骤二确定的起飞区域内,在t时刻所在位置用(x(t),y(t),z(t))表示,模拟中时间间隔为Δt,则在理想情况下昆虫t+Δt时刻的位置为:
其中,Vwz表示z方向上的风速。然而昆虫在大气中的迁飞并非理想情况,会受到大气湍流的扰动。可以采用拉格朗日粒子扩散模型模拟昆虫在真实大气环境中的迁飞轨迹。
拉格朗日粒子模型原理是在相同的时间间隔内向大气中释放一定量的标记粒子,并模拟风场下各个标记粒子的运动轨迹。该模型中脉动速度用来表示大气湍流对粒子运动轨迹产生的影响。在近地面大气环境已处于充分发展的湍流状态时,脉动速度在t+Δt时刻可以被分解为相关分量和随机分量:
u'(t+Δt)=R(Δt)·u'(t)+u”(t) (4)
式中的R为Lagrange相关系数。R(Δt)·u(t)为相关分量,u”(t)为随机分量。R(Δt)可用指数形式进行有效的近似:
R(Δt)=exp(-Δt/TL) (5)
其中,TL为风速的Lagrange时间尺度,其数值在x,y,z方向上不同。
随机部分一般取:
u”(t)=σ[1-R2(Δt)]1/2ξ (6)
式中,σ为脉动速度的标准差,其数值在x,y,z方向上不同。ξ是标准正态分布随机数。公式(5)和(6)中的TL和σ可由半经验公式计算得到。
利用拉格朗日粒子扩散模型模拟昆虫在大气中的迁飞轨迹,在不同时刻的昆虫位置如下式表示:
其中,u'x,u'y,u'z分别表示x,y,z三个方向的脉动速度分量。
综上所述,本发明提供了一种面向昆虫迁飞起飞与巡航的远距离轨迹模拟的方法,若能确定昆虫迁飞的总时长即可获得迁入地。下面将以具体实施例说明实施步骤:
本实施例中模拟2012年9月4日晚至2012年9月5日凌晨的昆虫迁飞轨迹,当晚昆虫的真实迁飞轨迹由位于烟台的气象雷达监测并记录。据记录,当晚迁飞的起飞区域为辽宁省南部和山东省北部沿海地区,迁飞昆虫为粘虫,迁飞速度轨迹约为13.6m/s,轨迹方向为192.4°。研究发现,粘虫迁飞其头部朝向始终为西南方向。因此其可能的定向策略为罗盘偏移定向或完全漂移定向。
步骤一:利用WRF模型计算高精度背景大气场:
模拟中采用WRF模式的ARW形式计算背景大气场,模式运行在从NCAR网站上下载的真实气象数据驱动下,运行区域如图2中白色方框所示,北至辽宁省,南至山东省,包括河北省部分区域和渤海。设置了多组WRF参数化方案,最优的模式运行参数化方案如表1所示:
表1 WRF模式运行参数
步骤二:基于WRF得到的高精度的背景大气场确定可能的昆虫起飞区域:
基于步骤一得到的高精度背景大气场确定昆虫可能的起飞区域,在本例中若该地存在大于0.1m/s的上升气流,并且该地区上空2km范围内存在向南的顺风,并且风向与季节性偏好方向夹角小于30°,季节性偏好方向角为225°,同时该地区温度高于25℃或低于20℃,相对湿度低于75%,则认为该地为昆虫可能的起飞区域。由此得到的昆虫起飞区域如图3所示。图3中的背景为步骤一中选定的WRF计算区域,颜色较浅的区域为得到的昆虫可能的起飞区域,分布于辽宁省南部和山东省北部沿海区域,与统计结果一致。
步骤三:基于粘虫的定向策略,采用拉格朗日粒子扩散模型模拟昆虫迁飞轨迹:
基于上述结合昆虫定向策略的拉格朗日粒子扩散模型编写Matlab代码,算法流程图如图4所示。
在模拟昆虫定向飞行轨迹时分别加入的昆虫飞行速度大小和头部朝向如表2所示:
表2模拟加入的昆虫飞行速度及头部朝向
通过模拟得到的当晚粘虫的定向飞行行为下的迁飞轨迹如图5所示,为方便仅展示模拟时间为夜间19:00~21:30的二维结果。图5(a)为采用罗盘偏移定向策略的轨迹结果,图5(b)为采用罗盘偏移定向策略的轨迹结果,图中背景与步骤一和步骤二中一致,圆点表示迁飞过程中昆虫所在的位置。由于昆虫迁飞轨迹是风矢量和昆虫自身速度的结果,与季节性偏好方向无关。因此当采用这两种得到的轨迹结果一致,并且与气象雷达监测得到的结果一致。
基于上述模拟得到的昆虫迁飞轨迹结果可以得到以下结论:本发明能更准确的模拟昆虫在大气中的迁飞。
本发明的方法可以与昆虫雷达结合应用,实现昆虫轨迹预测从而实现昆虫迁飞高准确度预警。
综上所述,以上仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (3)
1.一种面向昆虫迁飞起飞和巡航的远距离轨迹模拟方法,其特征在于,根据背景大气场值确定昆虫起飞区域;根据雷达观测的昆虫轨迹速度和方向、及已知的昆虫季节性偏好方向和定向飞行策略,获得昆虫自身速度和头部朝向;基于昆虫自身速度和头部朝向、背景大气场值和昆虫起飞区域,采用拉格朗日粒子扩散模型模拟昆虫迁飞轨迹,获得昆虫迁飞起飞和巡航的远距离轨迹;
所述昆虫定向飞行策略包括被动顺风定向、主动顺风定向、罗盘偏移顺风定向、完全漂移定向、部分补偿定向、完全补偿定向、过补偿定向和上游定向;
根据雷达观测的昆虫轨迹速度和方向、及已知的季节性偏好方向和昆虫定向飞行策略,获得所述获得昆虫自身速度和头部朝向的方法为:
当昆虫为被动顺风定向时,Vα=0,α=0;
当昆虫为主动顺风定向和完全漂移定向时,昆虫头部朝向始终固定为风向及季节性偏好方向,即:α=pmd;根据下式(1)获得所述获得昆虫自身速度:
其中,Vgradar为雷达观测到的昆虫轨迹速度;δradar为雷达观测到的昆虫轨迹方向;Vα为昆虫自身速度,α昆虫头部朝向;Vw为昆虫所在位置的风速,β昆虫所在位置的风向;pmd为季节性偏好方向;
当昆虫采用罗盘偏移定向、部分补偿定向或完全补偿定向时,以式(2)为目标函数,以昆虫自身速度的范围和头部朝向的范围为约束条件,利用遗传算法求得最优的昆虫自身速度Vα及头部朝向α:
2.如权利要求1所述的面向昆虫迁飞起飞和巡航的远距离轨迹模拟方法,其特征在于,所述背景大气场值采用天气预报模式WRF模式获得。
3.如权利要求2所述的面向昆虫迁飞起飞和巡航的远距离轨迹模拟方法,其特征在于,所述确定昆虫起飞区域的方法为:针对某区域确定是否起飞区域时,判断下列四个条件是否均满足,若均满足,则该区域为昆虫起飞区域;
条件一:该区域为陆地;
条件二:该区域存在上升气流;
条件三:该区域上空存在顺风分量;
条件四:该区域不适宜昆虫栖息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810810866.7A CN109116348B (zh) | 2018-07-23 | 2018-07-23 | 一种面向昆虫迁飞起飞与巡航的远距离轨迹模拟方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810810866.7A CN109116348B (zh) | 2018-07-23 | 2018-07-23 | 一种面向昆虫迁飞起飞与巡航的远距离轨迹模拟方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109116348A CN109116348A (zh) | 2019-01-01 |
CN109116348B true CN109116348B (zh) | 2022-10-14 |
Family
ID=64863015
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810810866.7A Active CN109116348B (zh) | 2018-07-23 | 2018-07-23 | 一种面向昆虫迁飞起飞与巡航的远距离轨迹模拟方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109116348B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114814818B (zh) * | 2022-06-30 | 2022-09-06 | 三亚中国农业科学院国家南繁研究院 | 一种基于昆虫雷达监测的害虫迁飞路径模拟方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN201986547U (zh) * | 2011-01-25 | 2011-09-28 | 河南省农业科学院 | 昆虫飞行定向模拟装置 |
CN106501802B (zh) * | 2016-04-18 | 2019-01-18 | 北京理工大学 | 高分辨率多维协同昆虫迁飞雷达测量仪 |
CN106842190A (zh) * | 2016-12-27 | 2017-06-13 | 北京理工大学 | 雷达测量昆虫振翅频率、飞行轨迹和朝向信息的实验方法 |
CN107356940A (zh) * | 2017-08-11 | 2017-11-17 | 四川联丰云网科技有限公司 | 基于北斗卫星通信的低空监视系统 |
-
2018
- 2018-07-23 CN CN201810810866.7A patent/CN109116348B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109116348A (zh) | 2019-01-01 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Houze Jr et al. | Convection in GATE | |
Bruderer et al. | Altitude choice by night migrants in a desert area predicted by meteorological factors | |
Tackenberg | Modeling long‐distance dispersal of plant diaspores by wind | |
Stull | Review of non-local mixing in turbulent atmospheres: Transilient turbulence theory | |
Treep et al. | Using high-resolution GPS tracking data of bird flight for meteorological observations | |
Grant et al. | Microphysical and dynamical characteristics of low-precipitation and classic supercells | |
CN104778294A (zh) | 管理翱翔飞行器的飞行路线 | |
Otuka et al. | A new trajectory analysis method for migratory planthoppers, Sogatella furcifera (Horváth)(Homoptera: Delphacidae) and Nilaparvata lugens (Stål), using an advanced weather forecast model | |
CN110059863A (zh) | 一种基于所需到达时间的航空器四维航迹优化方法 | |
WU et al. | Windborne migration routes of newly-emerged fall armyworm from Qinling mountains–Huaihe river region, China | |
Tsujino et al. | Potential vorticity mixing and rapid intensification in the numerically simulated Supertyphoon Haiyan (2013) | |
Kostyuchenko et al. | Global and regional climatic modeling | |
CN114814818B (zh) | 一种基于昆虫雷达监测的害虫迁飞路径模拟方法 | |
Reynolds et al. | Aphid aerial density profiles are consistent with turbulent advection amplifying flight behaviours: abandoning the epithet ‘passive’ | |
CN109116348B (zh) | 一种面向昆虫迁飞起飞与巡航的远距离轨迹模拟方法 | |
Wolf et al. | Relationship between radar entomological measurements and atmospheric structure in south Texas during March and April 1982 | |
Wu et al. | Multiscale analyses on a massive immigration process of Sogatella furcifera (Horváth) in south-central China: influences of synoptic-scale meteorological conditions and topography | |
Turner et al. | Numerical model simulations of brown planthopper Nilaparvata lugens and white-backed planthopper Sogatella furcifera (Hemiptera: Delphacidae) migration | |
Ainslie et al. | Predicting spatial patterns of eagle migration using a mesoscale atmospheric model: a case study associated with a mountain-ridge wind development | |
CN110968926A (zh) | 一种基于改进背景误差协方差矩阵预测大气参数的方法 | |
Cheng et al. | Guided exploration for coordinated autonomous soaring flight | |
CN115981376A (zh) | 一种基于气流模型的无人机长滞空飞行规划方法和装置 | |
Wang et al. | Real-time data driven simulation of air contaminant dispersion using particle filter and UAV sensory system | |
Storm et al. | A convective line with leading stratiform precipitation from BAMEX | |
CN110889256A (zh) | 一种中低空气球飞行航迹预测方法 |
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 |