基于气象卫星数据的作物病虫害遥感监测方法及装置
技术领域
本发明属于测绘遥感领域,具体涉及一种基于气象卫星数据的作物病虫害遥感监测方法及装置。
背景技术
农作物病虫害是我国的主要自然灾害之一,特点是种类多、影响大、时常暴发成灾。几乎所有农作物重大病虫害的发生、发展、流行都与气象条件有直接或间接的联系,所以通常通过作物病虫害发生流行与气象条件的相关研究,筛选影响作物病虫害发生流行的关键期和关键气象因子,建立作物病虫害发生流行的监测预报模型,近年来随着航天产业的发展,对地观测卫星数据增多,遥感技术开始逐步在病虫害监测中得到应用。
以往病虫害预警过程中使用的数据多是气象站点观测数据或购买传感器自行观测,包含气温、相对湿度、降水、日照时数等要素,但前者存在获取渠道狭窄、数据易缺失、呈离散点式等缺点,数据来源的制约不利于开展业务应用,数据的不稳定性会对监测结果造成偏差,离散点式数据则掣肘区域分析,而后者则成本较高。并且两者都是离散点状观测数据,不能得到空间连续的预警结果。
现有的病虫害预警机制多是在气象条件与病害程度之间利用因子分析、逐步回归等统计方法建立关系,并以此作为依据监测病害发生程度,其病害机理不够明确,亦不能实现在生长关键期内进行滚动预报,所以在预警的准确性和时效性上难以满足要求。姚渝丽等提出一种利用天气促病指数表模型预报稻叶瘟发病趋势的方法,其利用温度、湿度、降水构建了天气促病指数模型,但仅适用于在主要气象站点稻叶瘟病的监测预报。
发明内容
本发明针对在省市级别研究区进行准确及时的病虫害灾害预警的需求,提出了基于SMAP和TRMM卫星数据的农作物病虫害遥感监测方法及装置,解决现有病虫害预警技术实时性差、准确率低、成本高等问题。
本发明第一方面,提出一种基于气象卫星数据的作物病虫害遥感监测方法,所述方法包括:
S1、获取SMAP和TRMM卫星影像数据并对数据进行预处理,根据病虫害类型选取对应的气象因子,利用反距离权重法对两种卫星数据进行插值,得到研究区域内指定空间分辨率、指定时间分辨率的关键气象要素数据;
S2、将所述指定时间分辨率的关键气象要素数据按照北京时间计算得到研究区内关键气象要素日数据;
S3、利用数理统计方法建立对应的病虫害发病指数气象评价模型;
S4、根据处理好的研究区内对应病虫害类型的关键气象要素日数据及对应的病虫害发病指数气象评价模型,以旬为周期,计算得到病虫害发病指数;
S5、对得到的病虫害发病指数结果利用目标作物的分布数据执行掩膜,仅保留目标作物种植区,按照制图规范生成对应的专题图。
优选地,所述步骤S1中,所述预处理包括对SMAP卫星影像数据和TRMM卫星影像数据进行影像拼接、重投影、裁剪。
优选地,所述气象因子包括气温、气压、比湿、风速或降水,根据气温、气压、比湿数据计算得到相对湿度。
优选地,所述关键气象要素日数据为:将3h时间分辨率的气温、气压、比湿、风速、相对湿度数据按照北京时间计算得到的日均值数据,将3h时间分辨率的降水数据按照北京时间计算得到的日累计数据;
优选地,所述步骤S3具体为:根据病虫害类型,利用数理统计方法建立各气象要素致病日贡献值公式,根据各气象要素致病日贡献值公式计算气象要素综合评价公式,得到病虫害发病指数气象评价模型。
优选地,所述步骤S4具体为:在作物易感病时段内,以旬为周期,将气温、相对湿度、降水日数据代入利用数理统计方法建立的气象要素致病日贡献值公式,计算得到周期内各种气象要素对作物染病的日贡献值,求取旬均值;利用气象要素综合评价公式,生成该周期内的病虫害发病指数,依据各周期的病虫害发病指数计算生成监测时段内的病虫害发生指数均值。
本发明第二方面,一种基于气象卫星数据的作物病虫害遥感监测装置,所述装置包括:
影像处理模块:用于获取SMAP和TRMM卫星影像数据并对数据进行预处理,根据病虫害类型选取对应的气象因子,利用反距离权重法对两种卫星数据进行插值,得到研究区域内指定空间分辨率、指定时间分辨率的关键气象要素数据;将所述指定时间分辨率的关键气象要素数据按照北京时间计算得到研究区内关键气象要素日数据;
模型构建模块:用于利用数理统计方法建立各气象要素致病日贡献值公式,根据各气象要素致病日贡献值公式计算气象要素综合评价公式,得到对应的病虫害发病指数气象评价模型;
发病指数计算模块:用于根据处理好的研究区内对应病虫害类型的关键气象要素日数据及对应的病虫害发病指数气象评价模型,以旬为周期,计算得到病虫害发病指数;
专题产品模块:用于对得到的病虫害发病指数结果利用目标作物的分布数据执行掩膜,仅保留目标作物种植区,按照制图规范生成对应的专题图。
优选地,所述发病指数计算模块具体包括:
单气象要素计算单元:在作物易感病时段内,以旬为周期,分别将气温、相对湿度、降水日数据代入各气象要素致病日贡献值公式,计算得到周期内各种气象要素对作物染病的日贡献值,求取旬均值;
综合气象要素计算单元:利用气象要素综合评价公式,生成该周期内的病虫害发病指数,依据各周期的病虫害发病指数计算生成监测时段内的病虫害发生指数均值。
本发明的有益效果是:
1.提高预警实时性、准确性。该方法结合遥感技术,利用SMAP和TRMM卫星影像近实时获取研究区内每天的气温、相对湿度、降水和风速等气象要素,利用数理统计方法建立定量评价和预测模型,逐旬计算作物染病概率,实现生长关键期内的滚动监测预报,在预警的实时性和准确性上满足业务需求;
2.监测范围广。该方法可实现省级和市级(250m)范围内的病虫害监测预警,为相关单位决策提供依据。
3.成本低。SMAP和TRMM卫星数据均可免费获取,节省成本。
附图说明
为了更清楚地说明本发明的技术方案,下面将对本发明技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明提供的基于气象卫星数据的作物病虫害遥感监测方法流程示意图;
图2为基于SMAP卫星影像获取的湖北省2019年4月15日250米分辨率气温专题图;
图3为基于SMAP卫星影像获取的湖北省2019年4月20日250米分辨率气压专题图;
图4为2019年7~8月湖北省250米分辨率中稻穗颈瘟病发病指数专题图;
图5为2019年3~4月湖北省250米分辨率冬小麦赤霉病发病指数专题图。
具体实施方式
本发明提出基于卫星数据的农作物病虫害遥感监测方法,该方法可以适用于水稻稻瘟病、小麦赤霉病、小麦条锈病等多种病害。利用高时间分辨率(3小时)的SMAP和TRMM卫星数据,近实时提取每天的气温、气压、比湿、降水和风速等影响病虫害的关键气象要素,继而利用气温、气压和比湿数据计算得到相对湿度,然后根据模型得到这些关键气象要素对染病的日贡献值以及每旬的降水量对染病的贡献值,最终利用关键气象要素对染病的日贡献值逐旬计算农作物病虫害发生发展指数,达到监测预警的目的。
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,下面所描述的实施例仅仅是本发明一部分实施例,而非全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
请参阅图1.本发明提出一种基于气象卫星数据的作物病虫害遥感监测方法,所述方法包括:
S1、获取SMAP和TRMM卫星影像数据并对数据进行预处理,根据病虫害类型选取对应的气象因子,利用反距离权重法对两种卫星数据进行插值,得到研究区域内指定空间分辨率、指定时间分辨率的关键气象要素数据;
具体的,SMAP卫星的气温、气压、比湿和风速产品空间分辨率是10km,时间分辨率是3h,覆盖范围是全球,TRMM卫星的降水数据空间分辨率是25km,时间分辨率是3h,覆盖范围是全球。对SMAP卫星影像数据和TRMM卫星影像数据进行影像拼接、重投影、裁剪。根据不同病虫害类型选取不同的气象因子,例如稻瘟病的关键气象因子是气温、气压、比湿、风速和降水,根据气温、气压、比湿数据计算得到相对湿度。利用反距离权重法(IDW)对两种卫星数据进行插值,得到研究区范围内250m空间分辨率、3h时间分辨率的关键气象要素数据;请参阅图2、图3,图2为基于SMAP卫星影像获取的湖北省2019年4月15日250米分辨率气温专题图,图3为基于SMAP卫星影像获取的湖北省2019年4月20日250米分辨率气压专题图。
S2、将所述指定时间分辨率的关键气象要素数据按照北京时间计算得到研究区内关键气象要素日数据;
具体的,将3h时间分辨率的气温、气压、比湿、风速、相对湿度等气象要素数据按照北京时间计算得到日均值数据,将3h时间分辨率的降水数据按照北京时间计算得到日累计数据;
S3、利用数理统计方法建立对应的病虫害发病指数气象评价模型;
进一步的,根据病虫害类型,利用数理统计方法建立各气象要素致病日贡献值公式,根据各气象要素致病日贡献值公式计算气象要素综合评价公式,得到病虫害发病指数气象评价模型。
具体的,以水稻稻瘟病、小麦赤霉病、小麦条锈病为例,具体说明本发明的病虫害发病指数气象评价模型:
一、水稻稻瘟病发病指数气象评价模型
1)气温影响日贡献值f(T)
注:Ti为当前气温,Ti1、Ti0、Ti2分别为水稻稻瘟病生长的下限气温8℃、最适气温26.5℃、上限气温37℃。
2)相对湿度影响日贡献值f(Q)
注:Q为空气相对湿度(单位:%)
3)降水影响日贡献值f(R)
注:R为>2mm的降水日数(单位:天)
4)稻瘟病发生气象要素综合评价公式:
Pt=30*f(T)+30*f(Q)+40*f(R)
二、小麦赤霉病发病指数气象评价模型
1)气温影响日贡献值f(T)
注:Ti为当前气温,Ti1、Ti0、Ti2分别为小麦赤霉病生长的下限气温7℃、最适气温12℃、上限气温20℃
2)相对湿度影响日贡献值f(Q)
注:Q为空气相对湿度(单位:%)
3)降水影响日贡献值f(R)
注:R为>1mm的降水日数(单位:天)
4)赤霉病气象要素综合评价公式:
Pt=30*f(T)+30*f(Q)+40*f(R)
三、小麦条锈病发病指数气象评价模型
1)气温影响日贡献值f(T)
注:Ti为当前气温,Ti1、Ti0、Ti2分别为小麦条锈病生长的下限气温5℃、最适气温12℃、上限气温20℃
2)相对湿度影响日贡献值f(Q)
注:Q为空气相对湿度(单位:%)
3)降水影响日贡献值f(R)
注:R为>1mm的降水日数(单位:天)
4)条锈病气象要素综合评价公式:
Pt=40*f(T)+20*f(Q)+40*f(R)
S4、根据处理好的研究区内指定病虫害类型的关键气象要素日数据及对应的病虫害发病指数气象评价模型,以旬为周期,计算得到病虫害发病指数;
在作物易感病时段内,以旬为周期,将气温、相对湿度、降水日数据代入对应的气象要素致病日贡献值公式,计算得到周期内各种气象要素对作物染病的日贡献值,求取旬均值;利用对应的气象要素综合评价公式,生成该周期内的病虫害发病指数,依据各周期的病虫害发病指数计算生成监测时段内的病虫害发生指数均值。
S5、对得到的病虫害发病指数结果利用目标作物的分布数据执行掩膜,仅保留目标作物种植区,按照制图规范生成对应的专题图,得到省市级范围的逐旬病虫害发病指数专题图。
图4为2019年7~8月湖北省250米分辨率中稻穗颈瘟病发病指数专题图,图5为2019年3~4月湖北省250米分辨率冬小麦赤霉病发病指数专题图。
与所述方法实施例相对应,本发明还提出一种基于气象卫星数据的作物病虫害遥感监测装置,所述装置包括:
影像处理模块:用于获取SMAP和TRMM卫星影像数据并对数据进行预处理,根据病虫害类型选取对应的气象因子,利用反距离权重法对两种卫星数据进行插值,得到研究区域内指定空间分辨率、指定时间分辨率的关键气象要素数据;将所述指定时间分辨率的关键气象要素数据按照北京时间计算得到研究区内关键气象要素日数据;
模型构建模块:用于利用数理统计方法建立各气象要素致病日贡献值公式,根据各气象要素致病日贡献值公式计算气象要素综合评价公式,得到对应的病虫害发病指数气象评价模型;
发病指数计算模块:用于根据处理好的研究区内对应病虫害类型的关键气象要素日数据及对应的病虫害发病指数气象评价模型,以旬为周期,计算得到病虫害发病指数;
专题产品模块:用于对得到的病虫害发病指数结果利用目标作物的分布数据执行掩膜,仅保留目标作物种植区,按照制图规范生成对应的专题图。
进一步的,所述发病指数计算模块包括:
单气象要素计算单元:在作物易感病时段内,以旬为周期,分别将气温、相对湿度、降水日数据代入各气象要素致病日贡献值公式,计算得到周期内各种气象要素对作物染病的日贡献值,求取旬均值;
综合气象要素计算单元:利用气象要素综合评价公式,生成该周期内的病虫害发病指数,依据各周期的病虫害发病指数计算生成监测时段内的病虫害发生指数均值。
本发明利用农作物易感病时段的SMAP和TRMM卫星数据,提取气温、相对湿度、风速和降水等关键气象要素,近实时监测农作物病虫害的发病概率,为预警防治工作提供决策依据。
以上装置实施例与方法实施例是一一对应的,装置实施例简略之处,参见方法实施例即可。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可,说明书中未阐述的部分均为现有技术或公知常识。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能性一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应超过本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机储存器、内存、只读存储器、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其他形式的存储介质中。
以上所述,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:其依然可以对前述各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各实施例技术方案的精神和范围。