CN112949917A - 基于气象数据的茶叶茶小绿叶蝉虫害预警方法及系统 - Google Patents
基于气象数据的茶叶茶小绿叶蝉虫害预警方法及系统 Download PDFInfo
- Publication number
- CN112949917A CN112949917A CN202110195340.4A CN202110195340A CN112949917A CN 112949917 A CN112949917 A CN 112949917A CN 202110195340 A CN202110195340 A CN 202110195340A CN 112949917 A CN112949917 A CN 112949917A
- Authority
- CN
- China
- Prior art keywords
- meteorological
- period
- research area
- tea
- prevention
- 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.)
- Pending
Links
- 241000607479 Yersinia pestis Species 0.000 title claims abstract description 70
- 241001414720 Cicadellidae Species 0.000 title claims abstract description 62
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000011160 research Methods 0.000 claims abstract description 98
- 241001122767 Theaceae Species 0.000 claims abstract description 68
- 230000002265 prevention Effects 0.000 claims abstract description 64
- 201000010099 disease Diseases 0.000 claims abstract description 27
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 27
- 230000000873 masking effect Effects 0.000 claims abstract description 7
- 241000995023 Empoasca Species 0.000 claims description 28
- 241000086608 Empoasca vitis Species 0.000 claims description 27
- 241000931705 Cicada Species 0.000 claims description 24
- 238000012952 Resampling Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012935 Averaging Methods 0.000 claims description 7
- 241000238631 Hexapoda Species 0.000 claims description 7
- 230000006378 damage Effects 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 4
- 206010039897 Sedation Diseases 0.000 claims description 2
- 206010061217 Infestation Diseases 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 abstract description 11
- 239000000284 extract Substances 0.000 abstract 1
- 230000008569 process Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 5
- 241000196324 Embryophyta Species 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 235000009024 Ceanothus sanguineus Nutrition 0.000 description 1
- 241001427559 Collembola Species 0.000 description 1
- 241001391944 Commicarpus scandens Species 0.000 description 1
- 240000003553 Leptospermum scoparium Species 0.000 description 1
- 235000015459 Lycium barbarum Nutrition 0.000 description 1
- 206010028980 Neoplasm Diseases 0.000 description 1
- 241000131460 Plectranthus Species 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 201000011510 cancer Diseases 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000796 flavoring agent Substances 0.000 description 1
- 235000019634 flavors Nutrition 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003340 mental effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000020567 organic tea Nutrition 0.000 description 1
- 230000036186 satiety Effects 0.000 description 1
- 235000019627 satiety Nutrition 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000004083 survival effect Effects 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
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
-
- 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
-
- 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)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- General Health & Medical Sciences (AREA)
- Mining & Mineral Resources (AREA)
- Marine Sciences & Fisheries (AREA)
- Animal Husbandry (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Agronomy & Crop Science (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于气象数据的茶叶茶小绿叶蝉虫害预警方法及系统，其通过自研究区域内的多年气象站点数据提取出影响作物虫害发生流行的关键期气温和降雨气象因子，并进行插值，然后将研究区域内待预测时期的气象插值结果逐像素输入虫害防治适期和发病趋势模型，最后利用目标作物分布数据进行掩膜得到研究区域内的茶叶小绿叶蝉发病趋势，对防治适期栅格图结果取均值得到该研究区域的防治适期，从而达到监测预报目的。通过获取研究区内每天的气温和降水气象要素，计算茶叶的小绿叶蝉虫害防治适期和发病趋势，实现在小绿叶蝉虫害关键期的监测预报，提高预报的实时性；且通过建立防治适期和发病趋势预测模型，提高了预报的准确性，且监测范围广。
Description
技术领域
本发明涉及测绘遥感技术领域，尤其是涉及一种基于气象数据的茶叶茶小绿叶蝉虫害预警方法及系统。
背景技术
茶为中华国饮，寒夜客来茶当酒，茶已成为中国人日常生活中必不可少、密不可分的一部分。随着中国这些年的快速发展，大家的收入水平越来越高，温饱问题解决后就开始关注生活质量，开始关注健康，而茶作为一个公认的健康饮品，尤其是其具备的抗癌、减肥、降血压血脂的作用，使茶受到越来越多的青睐。现在全球产茶国和地区已达60多个，茶叶产量近600万吨，贸易量超过200万吨，饮茶人口超过20亿。茶产业已成为很多国家特别是发展中国家的农业支柱产业和农民收入的重要来源，茶文化已成为全世界共同的精神财富。但虫害是制约茶叶产量和品质的最主要因素，其中小绿叶蝉的危害较为严重。茶小绿叶蝉，俗称浮尘子，叶跳虫，是中国茶树上危害最严重的害虫之一，也是有机茶园中发生最普遍、最难以控制的害虫之一。对茶叶的产量和品质有严重的威胁，特别在夏、秋茶期间，可形成两次危害高峰期，为害极重，一般可使夏秋茶产量损失20％～30％，个别茶区较为严重时损失高达50％以上，发生特别严重的茶园，可使夏、秋茶无收。受小绿叶蝉危害过的芽叶，对茶叶品质亦有严重的影响，在加工过程中易断碎，碎茶增加，易产生烟焦味，成品率降低。
既往茶叶虫害监测预警主要依靠基层植保技术人员进行大范围普查，以监测虫情，这种传统方法不但耗时费力成本高，而且预报滞后，从一定程度上影响了预报的精确度，且无法展开大区域的连续性的预警防控工作。
发明内容
本发明的目的在于克服上述技术不足，提出一种基于气象数据的茶叶茶小绿叶蝉虫害预警方法及系统，解决现有技术中无法快速且及时的对大范围茶叶茶小绿叶蝉虫害情况进行监测预警的问题。
为达到上述技术目的，本发明的技术方案第一方面提供一种基于气象数据的茶叶茶小绿叶蝉虫害预警方法，其包括如下步骤：
自历年气象站点数据中提取影响研究区范围内小绿叶蝉虫害发生流行的关键期每日气温均值和总降雨量气象要素；
分别对气温气象要素和降雨气象要素进行插值，得到研究区范围内的温度栅格插值图和降雨量栅格插值图；
基于研究区域内历年气象站点数据与研究区域内历年假眼小绿叶蝉虫害发生状况记录，通过统计回归方法建立假眼小绿叶蝉虫害防治适期和发病趋势预测模型；
将插值后待预测时期的温度气象要素逐像素代入到小绿叶蝉防治适期预测模型，计算预测研究区域内的小绿叶蝉防治适期，将插值后待预测时期的温度和降雨量气象要素逐像素代入到小绿叶蝉发病趋势预测模型，计算预测研究区域内的小绿叶蝉发生趋势；
利用研究区域内的茶叶分布数据对预测防治适期和发病趋势结果执行掩膜操作，得到研究区域内的茶叶小绿叶蝉防治适期栅格图和发病趋势栅格图；
利用研究区域的矢量文件，对掩膜后的防治适期栅格图进行子区域求均值并整理统计出表，得到各子区域的整体防治适期。
本发明第二方面提供一种基于气象数据的茶叶茶小绿叶蝉虫害预警系统，其包括如下功能模块：
要素提取模块，用于自历年气象站点数据中提取影响研究区范围内小绿叶蝉虫害发生流行的关键期每日气温均值和总降雨量气象要素；
要素插值模块，用于分别对气温气象要素和降雨气象要素进行插值，得到研究区范围内的温度栅格插值图和降雨量栅格插值图；
模型建立模块，用于基于研究区域内历年气象站点数据与研究区域内历年假眼小绿叶蝉虫害发生状况记录，通过统计回归方法建立假眼小绿叶蝉虫害防治适期和发病趋势预测模型；
预测计算模块，用于将插值后待预测时期的温度气象要素逐像素代入到小绿叶蝉防治适期预测模型，计算预测研究区域内的小绿叶蝉防治适期，将插值后待预测时期的温度和降雨量气象要素逐像素代入到小绿叶蝉发病趋势预测模型，计算预测研究区域内的小绿叶蝉发生趋势；
掩膜模块，用于利用研究区域内的茶叶分布数据对预测防治适期和发病趋势结果执行掩膜操作，得到研究区域内的茶叶小绿叶蝉防治适期栅格图和发病趋势栅格图；
数据整理模块，用于利用研究区域的矢量文件，对掩膜后的防治适期栅格图进行子区域求均值并整理统计出表，得到各子区域的整体防治适期。
本发明第三方面提供一种服务器，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种基于气象数据的茶叶茶小绿叶蝉虫害预警方法的步骤。
本发明第四方面提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述一种基于气象数据的茶叶茶小绿叶蝉虫害预警方法的步骤。
与现有技术相比，本发明结合遥感技术，利用气象站点数据实时获取研究区内每天的气温和降水气象要素，计算茶叶的小绿叶蝉虫害防治适期和发病趋势，实现在小绿叶蝉虫害关键期的监测预报，提高预报的实时性。且由研究区域内历年气象站点数据与研究区域内历年假眼小绿叶蝉虫害发生状况记录通过统计回归方法建立防治适期和发病趋势预测模型，提高了预报的准确性，同时监测范围广，可实现市级和县级范围内的病虫害监测预警，为相关单位决策提供科学依据。
附图说明
图1是本发明所述基于气象数据的茶叶茶小绿叶蝉虫害预警方法的流程框图；
图2是本发明所述基于气象数据的茶叶茶小绿叶蝉虫害预警方法的步骤流程图；
图3是本发明所述基于气象数据的茶叶茶小绿叶蝉虫害预警系统的模块框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1和图2所示，本发明实施例提供了一种基于气象数据的茶叶茶小绿叶蝉虫害预警方法，其包括如下步骤：
S1、自历年气象站点数据中提取影响研究区范围内小绿叶蝉虫害发生流行的关键期每日气温均值和总降雨量气象要素。
在提取出影响研究区范围内小绿叶蝉虫害发生流行的关键期每日气温均值和总降雨量气象要素之后，由于自历年气象站点数据中获取的原始气象站点数据是每日数据，而要计算防治适期和发生趋势所需的气象因子值是月平均值或者需要统计计算的气象因子，因此根据防治适期和发生趋势模型所需参数按站点进行计算统计；同时也需要将数据整理为后续进行插值操作时所需要的数据格式。
S2、分别对气温气象要素和降雨气象要素进行插值，得到研究区范围内的温度栅格插值图和降雨量栅格插值图；
具体的，气温气象要素利用梯度距离平方反比法(GIDW)插值，降雨气象要素利用克里金法(Kriging)插值，最终得到研究区范围内温度栅格插值图和降雨量栅格插值图，所述温度栅格插值图和降雨量栅格插值图的重采样分辨率为500m。
S3、基于研究区域内历年气象站点数据与研究区域内历年假眼小绿叶蝉虫害发生状况记录，通过统计回归方法建立假眼小绿叶蝉虫害防治适期和发病趋势预测模型。
通过文献资料可知假眼小绿叶蝉有两个防治适期，一般分别为5～6月及9～10月。
第一防治适期，由于5～6月即第一防治适期主要与当年的2、3月份的气温有关，因此利用研究区域内历年2、3月份气温与研究区域内历年假眼小绿叶蝉虫害发生时间表通过统计回归方法，得到最适预测模型；
第一发病趋势，影响第一发病趋势主要气象因子有：冬季日平均气温≤10℃的天数，1月份平均气温，平均气温在10℃以下的气温均值。因此利用研究区域内历年气象站点数据统计出3个气象因子与研究区域内历年假眼小绿叶蝉虫害发病程度表通过统计回归方法，得到最适预测模型；
第二防治适期，影响第二防治适期主要气象因子有：七月份不低于26℃的累积温，七月份不低于26℃的天数，因此利用研究区域内历年气象站点数据统计出所需的2个气象因子与研究区域内历年假眼小绿叶蝉虫害发生时间表通过统计回归方法，得到最适预测模型；
第二发病趋势，影响第二发病趋势主要气象因子有：7月份温度，7月份降雨量。因此利用研究区域内历年气象站点数据统计出所需的2个气象因子与研究区域内历年假眼小绿叶蝉虫害发病程度表通过统计回归方法，得到最适预测模型。
需要注意的是预测的防治适期是发病时间提前7天，因此防治适期不等于发病时间。
下面以茶丽纹象甲虫害为例：
首先，从历年原始气象数据中整理统计出各研究区域的历年1、2月份的平均气温和3、4月份降雨总量，将其与研究区域内历年假眼小绿叶蝉虫害发生时间表，进行一一对应得到建模所需气象因子和对应虫害发生日期表，将气象因子和对应虫害发生日期表导入SPSS(Statistical Product and Service Solutions)“统计产品与服务解决方案”软件中得到防治适期预测模型，所述防治适期预测模型的因变量为发生时间对应数值，自变量为1、2月均温和3、4月总降雨量；
因此所述防治适期预测模型为：y＝3.846-0.161*x1+0.004*x2(此模型非实际应用模型，因为在实际建立模型时虫害发生时间不是简单记录到旬，而是具体到日)，x1为1、2月均温，x2为3、4月总降雨量，y为预测发病时间。
S4、将插值后待预测时期的温度气象要素逐像素代入到小绿叶蝉防治适期预测模型，计算预测研究区域内的小绿叶蝉防治适期，将插值后待预测时期的温度和降雨量气象要素逐像素代入到小绿叶蝉发病趋势预测模型，计算预测研究区域内的小绿叶蝉发生趋势。
其中，所述预测研究区域内的小绿叶蝉防治适期的计算过程如下：
将插值后待预测时期的温度气象要素逐像素代入到小绿叶蝉防治适期预测模型中，计算得到预测发病时间的栅格影像；对预测发病时间的栅格影像进行重采样，重采样的分辨率为10米；根据每一个像素区域的预测发病时间计算每一个像素区域的预测防治适期。
所述预测研究区域内的小绿叶蝉发生趋势的计算过程如下：
采用列联表法建立气象要素因子与危害等级的列联参数关系；获取不同气象要素因子对应的随机系数；基于气象要素因子与危害等级的列联参数关系以及对应的气象要素因子随机系数，计算得到预测研究区域内的小绿叶蝉发生趋势。
以第一峰发生趋势预测模型为例，第一峰的发生程度取决于越冬后的虫量，而越冬成虫存活率则取决于越冬期冬季气温的高低。第一峰发生趋势采用了列联表法，因子的分级标准如下：x1(冬季日平均气温≤10℃的天数)1级少于6天，2级6天～13天，3级13天以上；x2(1月份平均气温)1级高于12℃，2级9℃～12℃，3级低于9℃；x3(平均气温在10℃以下的气温均值)1级9℃以上，2级7℃～9℃，3级7℃以下；y(危害程度)1级危害重，2级危害一般，3级不发生。x～y的列联参数及xi的随机系数如表1-1。
表1-1x～y的列联参数及xi的随机系数
预测计算时将当地的xi值，按分级标准，从表1-1可找出对应的x～y参数值与随机系数的乘积和，即为Pi值，P值最大者即为预报级。如某地某年冬季日平均气温在10℃以下的天数为4天(x1为1级)，1月份平均气温11℃(x2为2级),平均气温在10℃以下的气温均值为8℃(x3为2级)，则：
P1＝1.75*0.7361+0*0.6712+0.54*0.6599＝1.644521
P2＝0*0.7361+1.6*0.6712+1.37*0.6599＝1.977983
P3＝0.63*0.7361+0*0.6712+0.64*0.6599＝0.886079
计算结果以P2值最大，因此可以预报，该地某年假眼小绿叶蝉第一峰的发生程度为2级，即危害一般。
S5、利用研究区域内的茶叶分布数据对预测防治适期和发病趋势结果执行掩膜操作，得到研究区域内的茶叶小绿叶蝉防治适期栅格图和发病趋势栅格图。
由于茶叶分布数据是10m的空间分辨率，为了保证掩膜精度所以需要对插值结果再进行一次重采样，即对预测研究区域内的小绿叶蝉防治适期和发生趋势进行重采样，重采样的分辨率与茶叶分布图像的分辨率一致，所述重采样的分辨率为10米。
S6、利用研究区域的矢量文件，对掩膜后的防治适期栅格图进行子区域求均值并整理统计出表，得到各子区域的整体防治适期。
具体的，基于所有像素区域的预测防治适期计算得到整个研究区域内防治适期的均值，为研究区域的预测的防治适期。
本发明所述基于气象数据的茶叶茶小绿叶蝉虫害预警方法结合遥感技术，其利用气象站点数据实时获取研究区内每天的气温和降水气象要素，计算茶叶的小绿叶蝉虫害防治适期和发病趋势，实现在小绿叶蝉虫害关键期的监测预报，提高预报的实时性。且由研究区域内历年气象站点数据与研究区域内历年假眼小绿叶蝉虫害发生状况记录通过统计回归方法建立防治适期和发病趋势预测模型，提高了预报的准确性，同时监测范围广，可实现市级和县级范围内的病虫害监测预警，为相关单位决策提供科学依据。
如图3所示，本发明实施例还公开了一种基于气象数据的茶叶茶小绿叶蝉虫害预警系统，其包括如下功能模块：
要素提取模块10，用于自历年气象站点数据中提取影响研究区范围内小绿叶蝉虫害发生流行的关键期每日气温均值和总降雨量气象要素；
要素插值模块20，用于分别对气温气象要素和降雨气象要素进行插值，得到研究区范围内的温度栅格插值图和降雨量栅格插值图；
模型建立模块30，用于基于研究区域内历年气象站点数据与研究区域内历年假眼小绿叶蝉虫害发生状况记录，通过统计回归方法建立假眼小绿叶蝉虫害防治适期和发病趋势预测模型；
预测计算模块40，用于将插值后待预测时期的温度气象要素逐像素代入到小绿叶蝉防治适期预测模型，计算预测研究区域内的小绿叶蝉防治适期，将插值后待预测时期的温度和降雨量气象要素逐像素代入到小绿叶蝉发病趋势预测模型，计算预测研究区域内的小绿叶蝉发生趋势；
掩膜模块50，用于利用研究区域内的茶叶分布数据对预测防治适期和发病趋势结果执行掩膜操作，得到研究区域内的茶叶小绿叶蝉防治适期栅格图和发病趋势栅格图；
数据整理模块60，用于利用研究区域的矢量文件，对掩膜后的防治适期栅格图进行子区域求均值并整理统计出表，得到各子区域的整体防治适期。
本实施例一种基于气象数据的茶叶茶小绿叶蝉虫害预警系统的执行方式与上述基于气象数据的茶叶茶小绿叶蝉虫害预警方法基本相同，故不作详细赘述。
本实施例服务器为提供计算服务的设备，通常指具有较高计算能力，通过网络提供给多个消费者使用的计算机。该实施例的服务器包括：存储器、处理器以及系统总线，所述存储器包括存储其上的可运行的程序，本领域技术人员可以理解，本实施例的终端设备结构并不构成对终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
存储器可用于存储软件程序以及模块，处理器通过运行存储在存储器的软件程序以及模块，从而执行终端的各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、数值计算功能等)等；存储数据区可存储根据终端的使用所创建的数据(比如图像数据、文本数据等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
在存储器上包含一种基于气象数据的茶叶茶小绿叶蝉虫害预警方法的可运行程序，所述可运行程序可以被切割成一个或多个模块/单元，所述一个或多个模块/单元被存储在所述存储器中，并由处理器执行，以完成信息的获取及实现过程，所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在所述服务器中的执行过程。例如，所述计算机程序可以被切割为要素提取模块、要素插值模块、模型建立模块、预测计算模块、掩膜模块、数据整理模块。
处理器是服务器的控制中心，利用各种接口和线路连接整个终端设备的各个部分，通过运行或执行存储在存储器内的软件程序和/或模块，以及调用存储在存储器内的数据，执行终端的各种功能和处理数据，从而对终端进行整体监控。可选的，处理器可包括一个或多个处理单元；优选的，处理器可集成应用处理器和图形处理器GPU，其中，应用处理器主要处理操作系统、应用程序等，图形处理器GPU主要用于深度学习模型并行计算加速。可以理解的是，上述图形处理器GPU也可以不集成到处理器中。
系统总线是用来连接计算机内部各功能部件，可以传送数据信息、地址信息、控制信息，其种类可以是例如PCI总线、ISA总线、VESA总线等。处理器的指令通过总线传递至存储器，存储器反馈数据给处理器，系统总线负责处理器与存储器之间的数据、指令交互。当然系统总线还可以接入其他设备，例如网络接口、显示设备等。
所述服务器应至少包括CPU、芯片组、内存、磁盘系统等，其他构成部件在此不再赘述。
在本发明实施例中，该终端所包括的处理器执行的可运行程序具体为：一种基于气象数据的茶叶茶小绿叶蝉虫害预警方法，其包括如下步骤：
自历年气象站点数据中提取影响研究区范围内小绿叶蝉虫害发生流行的关键期每日气温均值和总降雨量气象要素；
分别对气温气象要素和降雨气象要素进行插值，得到研究区范围内的温度栅格插值图和降雨量栅格插值图；
基于研究区域内历年气象站点数据与研究区域内历年假眼小绿叶蝉虫害发生状况记录，通过统计回归方法建立假眼小绿叶蝉虫害防治适期和发病趋势预测模型；
将插值后待预测时期的温度气象要素逐像素代入到小绿叶蝉防治适期预测模型，计算预测研究区域内的小绿叶蝉防治适期，将插值后待预测时期的温度和降雨量气象要素逐像素代入到小绿叶蝉发病趋势预测模型，计算预测研究区域内的小绿叶蝉发生趋势；
利用研究区域内的茶叶分布数据对预测防治适期和发病趋势结果执行掩膜操作，得到研究区域内的茶叶小绿叶蝉防治适期栅格图和发病趋势栅格图；
利用研究区域的矢量文件，对掩膜后的防治适期栅格图进行子区域求均值并整理统计出表，得到各子区域的整体防治适期。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各实施例的模块、单元和/或方法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。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，但是这种实现不应认为超出本发明的范围。
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。
Claims (10)
1.一种基于气象数据的茶叶茶小绿叶蝉虫害预警方法，其特征在于，包括如下步骤：
自历年气象站点数据中提取影响研究区范围内小绿叶蝉虫害发生流行的关键期每日气温均值和总降雨量气象要素；
分别对气温气象要素和降雨气象要素进行插值，得到研究区范围内的温度栅格插值图和降雨量栅格插值图；
基于研究区域内历年气象站点数据与研究区域内历年假眼小绿叶蝉虫害发生状况记录，通过统计回归方法建立假眼小绿叶蝉虫害防治适期和发病趋势预测模型；
将插值后待预测时期的温度气象要素逐像素代入到小绿叶蝉防治适期预测模型，计算预测研究区域内的小绿叶蝉防治适期，将插值后待预测时期的温度和降雨量气象要素逐像素代入到小绿叶蝉发病趋势预测模型，计算预测研究区域内的小绿叶蝉发生趋势；
利用研究区域内的茶叶分布数据对预测防治适期和发病趋势结果执行掩膜操作，得到研究区域内的茶叶小绿叶蝉防治适期栅格图和发病趋势栅格图；
利用研究区域的矢量文件，对掩膜后的防治适期栅格图进行子区域求均值并整理统计出表，得到各子区域的整体防治适期。
2.根据权利要求1所述基于气象数据的茶叶茶小绿叶蝉虫害预警方法，其特征在于，利用梯度距离平方反比法对气温气象要素进行插值；利用克里金法对降雨气象要素进行插值。
3.根据权利要求1所述基于气象数据的茶叶茶小绿叶蝉虫害预警方法，其特征在于，研究区范围内的温度栅格插值图和降雨量栅格插值图的重采样分辨率为500m。
4.根据权利要求1所述基于气象数据的茶叶茶小绿叶蝉虫害预警方法，其特征在于，预测的防治适期是在通过小绿叶蝉防治适期预测模型计算得到的发病时间的基础上提前7天。
5.根据权利要求1所述基于气象数据的茶叶茶小绿叶蝉虫害预警方法，其特征在于，对预测研究区域内的小绿叶蝉防治适期和发生趋势进行重采样，重采样的分辨率与茶叶分布图像的分辨率一致。
6.根据权利要求1所述基于气象数据的茶叶茶小绿叶蝉虫害预警方法，其特征在于，将插值后待预测时期的温度气象要素逐像素代入到小绿叶蝉防治适期预测模型，计算预测研究区域内的小绿叶蝉防治适期，包括如下内容：
将插值后待预测时期的温度气象要素逐像素代入到小绿叶蝉防治适期预测模型中，计算得到预测发病时间的栅格影像；
对预测发病时间的栅格影像进行重采样，重采样的分辨率为10米；
根据每一个像素区域的预测发病时间计算每一个像素区域的预测防治适期。
7.根据权利要求1所述基于气象数据的茶叶茶小绿叶蝉虫害预警方法，其特征在于，所述将插值后待预测时期的温度和降雨量气象要素逐像素代入到小绿叶蝉发病趋势预测模型，计算预测研究区域内的小绿叶蝉发生趋势；包括如下内容：
采用列联表法建立气象要素因子与危害等级的列联参数关系；
获取不同气象要素因子对应的随机系数；
基于气象要素因子与危害等级的列联参数关系以及对应的气象要素因子随机系数，计算得到预测研究区域内的小绿叶蝉发生趋势。
8.一种基于气象数据的茶叶茶小绿叶蝉虫害预警系统，其特征在于，包括如下功能模块：
要素提取模块，用于自历年气象站点数据中提取影响研究区范围内小绿叶蝉虫害发生流行的关键期每日气温均值和总降雨量气象要素；
要素插值模块，用于分别对气温气象要素和降雨气象要素进行插值，得到研究区范围内的温度栅格插值图和降雨量栅格插值图；
模型建立模块，用于基于研究区域内历年气象站点数据与研究区域内历年假眼小绿叶蝉虫害发生状况记录，通过统计回归方法建立假眼小绿叶蝉虫害防治适期和发病趋势预测模型；
预测计算模块，用于将插值后待预测时期的温度气象要素逐像素代入到小绿叶蝉防治适期预测模型，计算预测研究区域内的小绿叶蝉防治适期，将插值后待预测时期的温度和降雨量气象要素逐像素代入到小绿叶蝉发病趋势预测模型，计算预测研究区域内的小绿叶蝉发生趋势；
掩膜模块，用于利用研究区域内的茶叶分布数据对预测防治适期和发病趋势结果执行掩膜操作，得到研究区域内的茶叶小绿叶蝉防治适期栅格图和发病趋势栅格图；
数据整理模块，用于利用研究区域的矢量文件，对掩膜后的防治适期栅格图进行子区域求均值并整理统计出表，得到各子区域的整体防治适期。
9.一种服务器，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述基于气象数据的茶叶茶小绿叶蝉虫害预警方法的步骤。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述基于气象数据的茶叶茶小绿叶蝉虫害预警方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110195340.4A CN112949917A (zh) | 2021-02-20 | 2021-02-20 | 基于气象数据的茶叶茶小绿叶蝉虫害预警方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110195340.4A CN112949917A (zh) | 2021-02-20 | 2021-02-20 | 基于气象数据的茶叶茶小绿叶蝉虫害预警方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112949917A true CN112949917A (zh) | 2021-06-11 |
Family
ID=76245015
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110195340.4A Pending CN112949917A (zh) | 2021-02-20 | 2021-02-20 | 基于气象数据的茶叶茶小绿叶蝉虫害预警方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112949917A (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113962476A (zh) * | 2021-11-09 | 2022-01-21 | 广州极飞科技股份有限公司 | 一种虫害预测方法、装置、设备及存储介质 |
| CN114882357A (zh) * | 2022-04-28 | 2022-08-09 | 广东技术师范大学 | 基于双重追踪的水稻白叶枯病防治方法与装置 |
| CN115166866A (zh) * | 2022-07-01 | 2022-10-11 | 广东省韶关市气象局 | 基于格点化气象数据的柑橘病虫害发生预报方法及系统 |
| CN116384594A (zh) * | 2023-06-05 | 2023-07-04 | 四川凯普顿信息技术股份有限公司 | 基于大数据分析的作物虫害预警方法、系统、终端及介质 |
| CN116523149A (zh) * | 2023-07-04 | 2023-08-01 | 中化现代农业有限公司 | 微小害虫防治适期预测方法、装置、电子设备和存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110067791A (ko) * | 2009-12-15 | 2011-06-22 | 순천대학교 산학협력단 | 작물의 병해충 진단 시스템 및 그 방법 |
| CN104036129A (zh) * | 2014-06-06 | 2014-09-10 | 重庆市农业科学院 | 茶假眼小绿叶蝉测报专家知识库及其构建方法 |
| WO2015132208A1 (en) * | 2014-03-03 | 2015-09-11 | Avia-Gis | Method for the profiling of pests and for the determination and prediction of associated risks and means for adapted pest control |
| JP2015188333A (ja) * | 2014-03-27 | 2015-11-02 | 株式会社日立製作所 | 植生生長分析システム及び方法 |
| CN107578171A (zh) * | 2017-09-08 | 2018-01-12 | 黄山市碧云茶厂 | 皖南茶区茶树虫害发生程度评判方法及其防治方法 |
| CN111537668A (zh) * | 2020-01-16 | 2020-08-14 | 农业农村部规划设计研究院 | 基于气象卫星数据的作物病虫害遥感监测方法及装置 |
| CN111583050A (zh) * | 2020-01-16 | 2020-08-25 | 武汉珈和科技有限公司 | 融合多尺度遥感影像的农作物病虫害预警方法及系统 |
-
2021
- 2021-02-20 CN CN202110195340.4A patent/CN112949917A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20110067791A (ko) * | 2009-12-15 | 2011-06-22 | 순천대학교 산학협력단 | 작물의 병해충 진단 시스템 및 그 방법 |
| WO2015132208A1 (en) * | 2014-03-03 | 2015-09-11 | Avia-Gis | Method for the profiling of pests and for the determination and prediction of associated risks and means for adapted pest control |
| JP2015188333A (ja) * | 2014-03-27 | 2015-11-02 | 株式会社日立製作所 | 植生生長分析システム及び方法 |
| CN104036129A (zh) * | 2014-06-06 | 2014-09-10 | 重庆市农业科学院 | 茶假眼小绿叶蝉测报专家知识库及其构建方法 |
| CN107578171A (zh) * | 2017-09-08 | 2018-01-12 | 黄山市碧云茶厂 | 皖南茶区茶树虫害发生程度评判方法及其防治方法 |
| CN111537668A (zh) * | 2020-01-16 | 2020-08-14 | 农业农村部规划设计研究院 | 基于气象卫星数据的作物病虫害遥感监测方法及装置 |
| CN111583050A (zh) * | 2020-01-16 | 2020-08-25 | 武汉珈和科技有限公司 | 融合多尺度遥感影像的农作物病虫害预警方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 杨崇瑞主编: "《模糊数学及其应用》", 31 May 1994 * |
| 林文浩等: "假眼小绿叶蝉种群活动高峰始盛期预测模型的研究", 《中国生态农业学报》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113962476A (zh) * | 2021-11-09 | 2022-01-21 | 广州极飞科技股份有限公司 | 一种虫害预测方法、装置、设备及存储介质 |
| CN114882357A (zh) * | 2022-04-28 | 2022-08-09 | 广东技术师范大学 | 基于双重追踪的水稻白叶枯病防治方法与装置 |
| CN114882357B (zh) * | 2022-04-28 | 2023-01-24 | 广东技术师范大学 | 基于双重追踪的水稻白叶枯病防治方法与装置 |
| CN115166866A (zh) * | 2022-07-01 | 2022-10-11 | 广东省韶关市气象局 | 基于格点化气象数据的柑橘病虫害发生预报方法及系统 |
| CN115166866B (zh) * | 2022-07-01 | 2024-03-15 | 广东省韶关市气象局 | 基于格点化气象数据的柑橘病虫害发生预报方法及系统 |
| CN116384594A (zh) * | 2023-06-05 | 2023-07-04 | 四川凯普顿信息技术股份有限公司 | 基于大数据分析的作物虫害预警方法、系统、终端及介质 |
| CN116523149A (zh) * | 2023-07-04 | 2023-08-01 | 中化现代农业有限公司 | 微小害虫防治适期预测方法、装置、电子设备和存储介质 |
| CN116523149B (zh) * | 2023-07-04 | 2023-10-31 | 中化现代农业有限公司 | 微小害虫防治适期预测方法、装置、电子设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112949917A (zh) | 基于气象数据的茶叶茶小绿叶蝉虫害预警方法及系统 | |
| Powell et al. | Measuring the effects of extreme weather events on yields | |
| Luedeling et al. | Differential responses of trees to temperature variation during the chilling and forcing phases | |
| Lorenzo et al. | Influence of climate on grape production and wine quality in the Rías Baixas, north-western Spain | |
| Glantz | Drought and hunger in Africa | |
| CN110458032B (zh) | 荔枝生长状况全程监控方法、系统、云服务器及存储介质 | |
| Chang‐Yang et al. | ENSO and frost codetermine decade‐long temporal variation in flower and seed production in a subtropical rain forest | |
| CN110728446B (zh) | 一种基于cnn-lstm的县级尺度农作物估产方法 | |
| WO2022063839A1 (de) | Überwachungs- und risikoindexmesssystem basierend auf gemessenen ökosystemleistungen in abhängigkeit von sektor-bezogenen wirtschaftsleistungen, und entsprechendes verfahren | |
| Nehrbass et al. | A simulation model of plant invasion: long-distance dispersal determines the pattern of spread | |
| Madugundu et al. | Utilization of Landsat-8 data for the estimation of carrot and maize crop water footprint under the arid climate of Saudi Arabia | |
| CN108197794A (zh) | 一种病虫害风险预估系统及方法 | |
| Mazzocchi et al. | Agricultural land consumption in periurban areas: a methodological approach for risk assessment using artificial neural networks and spatial correlation in Northern Italy | |
| CN108629460A (zh) | 基于时空数据的林地干旱模型构建方法 | |
| CN110335083A (zh) | 一种基于云平台的物价大数据分析系统及其方法 | |
| Wästfelt et al. | Local spatial context measurements used to explore the relationship between land cover and land use functions | |
| Montes et al. | Variable climate suitability for wheat blast (Magnaporthe oryzae pathotype Triticum) in Asia: results from a continental-scale modeling approach | |
| Birovljev et al. | Potential of agricultural production and its impact on insurance premiums | |
| CN111583050B (zh) | 融合多尺度遥感影像的农作物病虫害预警方法及系统 | |
| Lim et al. | Downscaling large-scale NCEP CFS to resolve fine-scale seasonal precipitation and extremes for the crop growing seasons over the southeastern United States | |
| Drine | Climate variability and agricultural productivity in MENA region | |
| CN115409254A (zh) | 一种气象预测方法、装置、介质及设备 | |
| Gera et al. | OPPORTUNITIES FOR CARBON SEQUESTRATION BENEFITS FROM GROWING TREES OF MEDICINAL IMPORTANCE ON FARM LANDS OF HARYANA. | |
| Son et al. | Delineating and predicting changes in rice cropping systems using multi-temporal MODIS data in Myanmar | |
| Panda | Climate change, drought and vulnerability: A historical narrative approach to migration from Western Odisha, India |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210611 |