CN114511161B - 二点委夜蛾防治适期预测方法、装置、设备和存储介质 - Google Patents
二点委夜蛾防治适期预测方法、装置、设备和存储介质 Download PDFInfo
- Publication number
- CN114511161B CN114511161B CN202210418522.8A CN202210418522A CN114511161B CN 114511161 B CN114511161 B CN 114511161B CN 202210418522 A CN202210418522 A CN 202210418522A CN 114511161 B CN114511161 B CN 114511161B
- Authority
- CN
- China
- Prior art keywords
- stage
- larva
- generation
- period
- prediction
- 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
- 241000013228 Athetis lepigone Species 0.000 title claims abstract description 118
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000003860 storage Methods 0.000 title claims abstract description 14
- 230000002265 prevention Effects 0.000 claims description 23
- 238000001556 precipitation Methods 0.000 claims description 22
- 238000004590 computer program Methods 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 10
- 238000012417 linear regression Methods 0.000 claims description 7
- 230000002354 daily effect Effects 0.000 description 28
- 238000011161 development Methods 0.000 description 25
- 241000196324 Embryophyta Species 0.000 description 16
- 241000238631 Hexapoda Species 0.000 description 16
- 240000008042 Zea mays Species 0.000 description 13
- 235000005824 Zea mays ssp. parviglumis Nutrition 0.000 description 13
- 235000002017 Zea mays subsp mays Nutrition 0.000 description 13
- 235000005822 corn Nutrition 0.000 description 13
- 241000607479 Yersinia pestis Species 0.000 description 12
- 238000012544 monitoring process Methods 0.000 description 9
- 238000012545 processing Methods 0.000 description 8
- 238000009825 accumulation Methods 0.000 description 7
- 239000003016 pheromone Substances 0.000 description 7
- 230000001186 cumulative effect Effects 0.000 description 6
- 206010037844 rash Diseases 0.000 description 5
- 239000005667 attractant Substances 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000031902 chemoattractant activity Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000006378 damage Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004519 manufacturing process Methods 0.000 description 4
- 238000012806 monitoring device Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 241000209140 Triticum Species 0.000 description 2
- 235000021307 Triticum Nutrition 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000009313 farming Methods 0.000 description 2
- 235000013305 food Nutrition 0.000 description 2
- 238000003306 harvesting Methods 0.000 description 2
- 238000009335 monocropping Methods 0.000 description 2
- 238000010899 nucleation Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000010902 straw Substances 0.000 description 2
- 238000003971 tillage Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification 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
-
- 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
- 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)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种二点委夜蛾防治适期预测方法、装置、设备和存储介质,其中方法包括:获取预设月份的气象参数;将所述气象参数输入至1代成虫盛发期预测模型,得到所述1代成虫盛发期预测模型输出的1代成虫盛发期;将所述1代成虫盛发期输入至2代幼虫盛发期预测模型,得到所述2代幼虫盛发期预测模型输出的2代幼虫盛发期;基于所述1代成虫盛发期和所述2代幼虫盛发期,确定二点委夜蛾的防治适期。本发明可以提高二点委夜蛾防治适期预测的效率、便捷性和准确性。
Description
技术领域
本发明涉及害虫防治技术领域,尤其涉及一种二点委夜蛾防治适期预测方法、装置、设备和存储介质。
背景技术
二点委夜蛾是黄淮海夏玉米区的主要害虫,尤其是在河北省中南部玉麦连作区域发生较重,这与小麦的机械化收割、秸秆还田、玉米免耕播种等耕作方式的转变有直接关系。
玉米是我国的主要粮食作物,在国民经济和生活中具有举足轻重的作用,而二点委夜蛾自从2005年在河北省发现之后,危害逐年加重。2011年在黄淮海7个省(市)发生为害面积超过3290万亩,对玉米生产构成了严重威胁。因此,需要预测二点委夜蛾的防治适期,以提醒种植户进行植保作业,从而减少二点委夜蛾对玉米苗期的影响,保证玉米生产安全。
目前,对二点委夜蛾进行防治适期预测都是基于各个区县的虫情监测设备或诱测设备,智能传输成虫数据或人工现场统计数据的方式,结合植保工作人员的经验来确定,然而,需要大量的虫情监测设备或者信息素诱剂设备,成本高且效率低,不适合中小型种植户使用;同时,以虫情监测设备的统计数据为基础进行病虫害发生预测,受虫情监测设备数据传输的准确性、及时性和稳定性影响,导致二点委夜蛾防治适期的预测准确性降低;此外,依赖植保工作人员的经验判断,受限于植保工作人员的专业水平,导致二点委夜蛾防治适期的预测准确性降低。
综上,现有二点委夜蛾防治适期预测技术在效率、便捷性和准确性上存在不足。
发明内容
本发明提供一种二点委夜蛾防治适期预测方法、装置、设备和存储介质,用以解决现有技术中二点委夜蛾防治适期预测存在效率低、便捷性低和准确性低的缺陷,实现高效率、高便捷性和高准确性的二点委夜蛾防治适期预测。
本发明提供一种二点委夜蛾防治适期预测方法,包括:
获取预设月份的气象参数;
将所述气象参数输入至1代成虫盛发期预测模型,得到所述1代成虫盛发期预测模型输出的1代成虫盛发期;
将所述1代成虫盛发期输入至2代幼虫盛发期预测模型,得到所述2代幼虫盛发期预测模型输出的2代幼虫盛发期;
基于所述1代成虫盛发期和所述2代幼虫盛发期,确定二点委夜蛾的防治适期。
根据本发明提供的一种二点委夜蛾防治适期预测方法,所述将所述1代成虫盛发期输入至2代幼虫盛发期预测模型,得到所述2代幼虫盛发期预测模型输出的2代幼虫盛发期,包括:
将所述1代成虫盛发期输入至2代幼虫盛发期预测模型中的卵期历期预测层,得到所述卵期历期预测层输出的卵期历期;
基于所述1代成虫盛发期和所述卵期历期,确定1龄幼虫起点日期;
将所述1龄幼虫起点日期输入至2代幼虫盛发期预测模型中的1龄幼虫历期预测层,得到所述1龄幼虫历期预测层输出的1龄幼虫历期;
基于所述1代成虫盛发期、所述卵期历期和所述1龄幼虫历期,确定2龄幼虫起点日期;
将所述2龄幼虫起点日期输入至2代幼虫盛发期预测模型中的2龄幼虫历期预测层,得到所述2龄幼虫历期预测层输出的2龄幼虫历期;
将所述1代成虫盛发期、所述卵期历期、所述1龄幼虫历期和所述2龄幼虫历期输入至2代幼虫盛发期预测模型中的输出层,进行求和处理,得到所述输出层输出的2代幼虫盛发期。
根据本发明提供的一种二点委夜蛾防治适期预测方法,所述将所述1代成虫盛发期输入至2代幼虫盛发期预测模型中的卵期历期预测层,得到所述卵期历期预测层输出的卵期历期,包括:
将所述1代成虫盛发期的下一日确定为卵期起点日期,并获取所述卵期起点日期后的日均温数据;
将所述卵期起点日期后的日均温数据输入至所述卵期历期预测层,得到所述卵期历期预测层输出的卵期历期,所述卵期历期为从所述卵期起点日期后有效积温达到卵期所需有效积温的天数。
根据本发明提供的一种二点委夜蛾防治适期预测方法,所述将所述1龄幼虫起点日期输入至2代幼虫盛发期预测模型中的1龄幼虫历期预测层,得到所述1龄幼虫历期预测层输出的1龄幼虫历期,包括:
获取所述1龄幼虫起点日期后的日均温数据;
将所述1龄幼虫起点日期后的日均温数据输入至所述1龄幼虫历期预测层,得到所述1龄幼虫历期预测层输出的1龄幼虫历期,所述1龄幼虫历期为从所述1龄幼虫起点日期后有效积温达到1龄幼虫所需有效积温的天数。
根据本发明提供的一种二点委夜蛾防治适期预测方法,所述将所述2龄幼虫起点日期输入至2代幼虫盛发期预测模型中的2龄幼虫历期预测层,得到所述2龄幼虫历期预测层输出的2龄幼虫历期,包括:
获取所述2龄幼虫起点日期后的日均温数据;
将所述2龄幼虫起点日期后的日均温数据输入至所述2龄幼虫历期预测层,得到所述2龄幼虫历期预测层输出的2龄幼虫历期,所述2龄幼虫历期为从所述2龄幼虫起点日期后有效积温达到2龄幼虫所需有效积温的天数。
根据本发明提供的一种二点委夜蛾防治适期预测方法,所述1代成虫盛发期预测模型基于如下步骤进行训练:
获取历史气象数据和历史1代成虫盛发期数据;
基于所述历史气象数据和所述历史1代成虫盛发期数据,对第一待训练模型进行训练,得到所述1代成虫盛发期预测模型,所述第一待训练模型为多元线性回归模型。
根据本发明提供的一种二点委夜蛾防治适期预测方法,所述获取预设月份的气象参数,包括:
获取待预测区域的位置信息;
基于所述位置信息,获取所述待预测区域所在位置的所述气象参数;
相应的,所述基于所述1代成虫盛发期和所述2代幼虫盛发期,确定二点委夜蛾的防治适期,之后还包括:
将所述防治适期发送至所述待预测区域对应的用户终端。
根据本发明提供的一种二点委夜蛾防治适期预测方法,所述气象参数包括3月份平均气温、4月份平均气温、4月份平均降水量、5月份平均气温、5月份平均降水量、3月份积温和4月份积温。
本发明还提供一种二点委夜蛾防治适期预测装置,包括:
气象获取模块,用于获取预设月份的气象参数;
第一预测模块,用于将所述气象参数输入至1代成虫盛发期预测模型,得到所述1代成虫盛发期预测模型输出的1代成虫盛发期;
第二预测模块,用于将所述1代成虫盛发期输入至2代幼虫盛发期预测模型,得到所述2代幼虫盛发期预测模型输出的2代幼虫盛发期;
适期确定模块,用于基于所述1代成虫盛发期和所述2代幼虫盛发期,确定二点委夜蛾的防治适期。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述任一种所述二点委夜蛾防治适期预测方法。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如上述任一种所述二点委夜蛾防治适期预测方法。
本发明提供的二点委夜蛾防治适期预测方法、装置、设备和存储介质,获取预设月份的气象参数;将气象参数输入至1代成虫盛发期预测模型,得到1代成虫盛发期预测模型输出的1代成虫盛发期;将1代成虫盛发期输入至2代幼虫盛发期预测模型,得到2代幼虫盛发期预测模型输出的2代幼虫盛发期;基于1代成虫盛发期和2代幼虫盛发期,确定二点委夜蛾的防治适期。通过上述方式,获取气象参数就可以进行1代成虫和2代幼虫的防治适期预测,只需要一个处理设备进行预测处理即可,无需大量的虫情监测设备或者信息素诱剂设备,从而可以提高二点委夜蛾防治适期预测的效率,并提高二点委夜蛾防治适期预测的便捷性;同时,基于1代成虫盛发期预测模型和2代幼虫盛发期预测模型进行1代成虫和2代幼虫的防治适期预测,相比依赖植保工作人员的经验判断,可以提高二点委夜蛾防治适期预测的准确性。综上,本发明可以提高二点委夜蛾防治适期预测的效率、便捷性和准确性。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍,显而易见地,下面描述中的附图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为本发明提供的二点委夜蛾防治适期预测方法的流程示意图之一;
图2为本发明提供的二点委夜蛾防治适期预测方法的流程示意图之二;
图3为本发明提供的二点委夜蛾防治适期预测装置的结构示意图;
图4为本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
二点委夜蛾是黄淮海夏玉米区的主要害虫,尤其是在河北省中南部玉麦连作区域发生较重,这与小麦的机械化收割、秸秆还田、玉米免耕播种等耕作方式的转变有直接关系。
玉米是我国的主要粮食作物,在国民经济和生活中具有举足轻重的作用,而二点委夜蛾自从2005年在河北省发现之后,危害逐年加重。2011年在黄淮海7个省(市)发生为害面积超过3290万亩,对玉米生产构成了严重威胁。因此,需要预测二点委夜蛾的防治适期,以提醒种植户进行植保作业,从而减少二点委夜蛾对玉米苗期的影响,保证玉米生产安全。
目前,对二点委夜蛾进行防治适期预测都是基于各个区县的虫情监测设备或诱测设备,智能传输成虫数据或人工现场统计数据的方式,结合植保工作人员的经验来确定,然而,需要大量的虫情监测设备或者信息素诱剂设备,其中,选用虫情监测设备需要投入大量资金,选择简单的信息素诱剂设备,需要大量人工投入,进行人工分类和计数,且对人员的专业技能要求高,因此成本高且效率低,不适合中小型种植户使用;同时,以虫情监测设备的统计数据为基础进行病虫害发生预测,受虫情监测设备数据传输的准确性、及时性和稳定性影响,导致二点委夜蛾防治适期的预测准确性降低;此外,依赖植保工作人员的经验判断,受限于植保工作人员的专业水平,导致二点委夜蛾防治适期的预测准确性降低。
综上,现有二点委夜蛾防治适期预测技术在效率、便捷性和准确性上存在不足。
针对上述问题,本发明提出以下各实施例。图1为本发明提供的二点委夜蛾防治适期预测方法的流程示意图之一,如图1所示,该二点委夜蛾防治适期预测方法包括以下步骤110-130。
步骤110,获取预设月份的气象参数。
此处,预设月份为当前年份中的月份,当前年份为当前进行防治适期预测时间的所属年份,例如,在22年4月进行防治适期预测,则当前年份为22年。
该预设月份可以包括若干月份,例如,3月份、4月份和5月份。具体地,该预设月份可以根据实际情况进行设定,本发明实施例对此不作具体限定。
此处,气象参数可以包括预设月份的平均气温、平均降水量和积温等等。
该气象参数可以包括但不限于以下至少一种或多种:3月份平均气温、4月份平均气温、4月份平均降水量、5月份平均气温、5月份平均降水量、3月份积温和4月份积温等等。
该气象参数的获取来源包括历史气象数据和天气预报数据,例如,在22年4月1号进行防治适期预测,则22年4月1号前的气象参数来源为历史气象数据,22年4月1号后的气象参数来源为天气预报数据。
需要说明的是,该气象参数为与1代成虫盛发期相关性高的气象因素。具体地,可以根据历史气象数据和历史1代成虫盛发期数据,分析与1代成虫盛发期相关性高的气象因素。其中,历史1代成虫盛发期数据是根据二点委夜蛾一代成虫数量来确定的。
此外,还需要说明的是,该气象参数为待预测区域所在位置的气象参数,该待预测区域为待进行二点委夜蛾防治适期预测的区域。
步骤120,将所述气象参数输入至1代成虫盛发期预测模型,得到所述1代成虫盛发期预测模型输出的1代成虫盛发期。
此处,1代成虫盛发期预测模型可以为多元线性回归模型,从而可以通过气象参数,以及气象参数与1代成虫盛发期的相关性系数,确定得到1代成虫盛发期。
为便于理解,假设气象参数包括:3月份平均气温x1、4月份平均气温x3、4月份平均降水量x4、5月份平均气温x5、5月份平均降水量x6、3月份积温x7和4月份积温x2,该1代成虫盛发期预测模型如下所示:
Y=145.553-0.081*x7-1.483*x4+0.539*x1-1.603*x3-1.062*x6+0.036*x2+0.089*x5;
其中,多元线性回归模型中的常数项和回归系数可以基于历史气象数据和历史1代成虫盛发期数据分析得到;Y为自然日天数,从2月1日加上Y值,即可得到1代成虫盛发期。
步骤130,将所述1代成虫盛发期输入至2代幼虫盛发期预测模型,得到所述2代幼虫盛发期预测模型输出的2代幼虫盛发期。
具体地,基于2代幼虫盛发期预测模型,在二点委夜蛾1代成虫盛发期基础上,通过二点委夜蛾完成不同虫态所需的有效积温,预测2代幼虫盛发期。
其中,二点委夜蛾完成的不同虫态可以包括卵期、1龄幼虫和2龄幼虫。
其中,有效积温的计算方法为:从起点日期开始每日日均温减去发育起点温度的累积值。
需要说明的是,发育起点温度可以根据实际情况进行设定,且卵期的发育起点温度与1龄幼虫的发育起点温度不同,例如,卵期的发育起点温度为10.93℃,1龄幼虫的发育起点温度11.58℃,2龄幼虫的发育起点温度10.47℃。
在一实施例中,卵期的起点日期可以为1代成虫盛发期的下一日。
此外,还需要说明的是,1龄幼虫的起点日期可以由1代成虫盛发期和卵期历期确定得到。具体地,将1代成虫盛发期和卵期历期进行求和处理,得到1龄幼虫起点日期;其中,求和处理中包括取整处理,例如,1代成虫盛期为6月8日,卵期历期为3.45天,进行取整按照4天计算,则1龄幼虫起点日期为6月12日。
此外,还需要说明的是,2龄幼虫的起点日期可以由1代成虫盛发期、卵期历期和1龄幼虫历期确定得到。具体地,将1代成虫盛发期、卵期历期和1龄幼虫历期进行求和处理,得到2龄幼虫起点日期;其中,求和处理中包括取整处理,例如,1代成虫盛期为6月8日,卵期历期为3.45天,进行取整按照4天计算,1龄幼虫历期为3.11天,进行取整按照4天计算,则2龄幼虫起点日期为6月16日。
此外,还需要说明的是,卵期所需的有效积温可以基于历史气象数据和历史卵期历期数据进行分析确定得到;其中,历史气象数据可以用于确定积温,历史卵期历期数据可以用于确定卵期历期,进而确定卵期所需的有效积温,例如,卵期所需的有效积温为62.62℃。1龄幼虫所需的有效积温可以基于历史气象数据和历史1龄幼虫历期数据进行分析确定得到。其中,历史气象数据可以用于确定积温,历史1龄幼虫历期数据可以用于确定1龄幼虫历期,进而确定1龄幼虫所需的有效积温,例如,1龄幼虫所需的有效积温为50.45℃。2龄幼虫所需的有效积温可以基于历史气象数据和历史2龄幼虫历期数据进行分析确定得到。其中,历史气象数据可以用于确定积温,历史2龄幼虫历期数据可以用于确定2龄幼虫历期,进而确定2龄幼虫所需的有效积温,例如,2龄幼虫所需的有效积温为51.64℃。
更为具体地,基于2代幼虫盛发期预测模型,在二点委夜蛾1代成虫盛发期基础上,预测卵期历期、1龄幼虫历期和2龄幼虫历期,进而确定2代幼虫盛发期。
在一具体实施例中,将1代成虫盛发期、卵期历期、1龄幼虫历期和2龄幼虫历期,进行求和处理,得到2代幼虫盛发期。也就是说,2代幼虫盛发期=1代成虫盛发期+卵期历期+1龄幼虫历期+2龄幼虫历期。其中,求和处理中包括取整处理,例如,1代成虫盛发期为6月8日,卵期历期为3.45天,1龄幼虫历期为3.11天,2龄幼虫历期为4.1天,3.45+3.11+4.1=10.66天,进行取整按照11天计算,则2代幼虫盛发期为6月19日;或者,1代成虫盛发期为6月8日,卵期历期为3.45天,进行取整按照4天计算,1龄幼虫历期为3.11天,进行取整按照4天计算,2龄幼虫历期为4.1天,进行取整按照5天计算,4+4+5=13天,则2代幼虫盛发期为6月21日。
步骤140,基于所述1代成虫盛发期和所述2代幼虫盛发期,确定二点委夜蛾的防治适期。
具体地,2代幼虫盛发期可以作为最佳的防治适期,该1代成虫盛发期也可以作为防治适期。当然,还可以基于1代成虫盛发期和2代幼虫盛发期,确定其他日期作为防治适期,本发明实施例对此不作具体赘述。
本发明实施例提供的二点委夜蛾防治适期预测方法,获取预设月份的气象参数;将气象参数输入至1代成虫盛发期预测模型,得到1代成虫盛发期预测模型输出的1代成虫盛发期;将1代成虫盛发期输入至2代幼虫盛发期预测模型,得到2代幼虫盛发期预测模型输出的2代幼虫盛发期;基于1代成虫盛发期和2代幼虫盛发期,确定二点委夜蛾的防治适期。通过上述方式,获取气象参数就可以进行1代成虫和2代幼虫的防治适期预测,只需要一个处理设备进行预测处理即可,无需大量的虫情监测设备或者信息素诱剂设备,从而可以提高二点委夜蛾防治适期预测的效率,并提高二点委夜蛾防治适期预测的便捷性;同时,基于1代成虫盛发期预测模型和2代幼虫盛发期预测模型进行1代成虫和2代幼虫的防治适期预测,相比依赖植保工作人员的经验判断,可以提高二点委夜蛾防治适期预测的准确性。综上,本发明实施例可以提高二点委夜蛾防治适期预测的效率、便捷性和准确性。
基于上述实施例,图2为本发明提供的二点委夜蛾防治适期预测方法的流程示意图之二,如图2所示,上述步骤130包括以下步骤131-134:
步骤131,将所述1代成虫盛发期输入至2代幼虫盛发期预测模型中的卵期历期预测层,得到所述卵期历期预测层输出的卵期历期。
具体地,基于卵期历期预测层,在二点委夜蛾1代成虫盛发期基础上,通过二点委夜蛾完成卵期所需的有效积温,预测卵期历期。
其中,有效积温的计算方法为:从卵期的起点日期开始每日日均温减去发育起点温度的累积值。
需要说明的是,发育起点温度可以根据实际情况进行设定,例如,卵期的发育起点温度为10.93℃。
在一实施例中,将1代成虫盛发期的下一日确定为卵期起点日期。
为训练该卵期历期预测层,可以获取历史气象数据和历史卵期历期数据,然后,基于历史气象数据和历史卵期历期数据,对第二待训练模型进行训练,得到该卵期历期预测层。
需要说明的是,基于历史气象数据可以确定积温,基于历史卵期历期数据可以确定卵期历期,进而确定卵期所需的有效积温,进而基于卵期所需的有效积温,得到该卵期历期预测层。
步骤132,基于所述1代成虫盛发期和所述卵期历期,确定1龄幼虫起点日期。
具体地,将1代成虫盛发期和卵期历期进行求和处理,得到1龄幼虫起点日期。
其中,求和处理中包括取整处理,例如,1代成虫盛期为6月8日,卵期历期为3.45天,进行取整按照4天计算,则1龄幼虫起点日期为6月12日。
步骤133,将所述1龄幼虫起点日期输入至2代幼虫盛发期预测模型中的1龄幼虫历期预测层,得到所述1龄幼虫历期预测层输出的1龄幼虫历期。
具体地,基于1龄幼虫历期预测层,在1龄幼虫起点日期基础上,通过二点委夜蛾完成1龄幼虫所需的有效积温,预测1龄幼虫历期。
其中,有效积温的计算方法为:从1龄幼虫的起点日期开始每日日均温减去发育起点温度的累积值。
需要说明的是,发育起点温度可以根据实际情况进行设定,例如,1龄幼虫的发育起点温度为11.58℃。
为训练该1龄幼虫历期预测层,可以获取历史气象数据和历史1龄幼虫历期数据,然后,基于历史气象数据和历史1龄幼虫历期数据,对第二待训练模型进行训练,得到该1龄幼虫历期预测层。
需要说明的是,基于历史气象数据可以确定积温,基于历史1龄幼虫历期数据可以确定1龄幼虫历期,进而确定1龄幼虫所需的有效积温,进而基于1龄幼虫所需的有效积温,得到该1龄幼虫历期预测层。
步骤134,基于所述1代成虫盛发期、所述卵期历期和所述1龄幼虫历期,确定2龄幼虫起点日期。
具体地,将1代成虫盛发期、卵期历期和1龄幼虫历期进行求和处理,得到2龄幼虫起点日期。
其中,求和处理中包括取整处理,例如,1代成虫盛期为6月8日,卵期历期为3.45天,进行取整按照4天计算,1龄幼虫历期为3.11天,进行取整按照4天计算,则2龄幼虫起点日期为6月16日;或者,1代成虫盛期为6月8日,卵期历期为3.45天,1龄幼虫历期为3.11天,3.45+3.11=6.56天,进行取整按照7天计算,则2龄幼虫起点日期为6月15日。
步骤135,将所述2龄幼虫起点日期输入至2代幼虫盛发期预测模型中的2龄幼虫历期预测层,得到所述2龄幼虫历期预测层输出的2龄幼虫历期。
具体地,基于2龄幼虫历期预测层,在2龄幼虫起点日期基础上,通过二点委夜蛾完成2龄幼虫所需的有效积温,预测2龄幼虫历期。
其中,有效积温的计算方法为:从2龄幼虫的起点日期开始每日日均温减去发育起点温度的累积值。
需要说明的是,发育起点温度可以根据实际情况进行设定,例如,2龄幼虫的发育起点温度为10.47℃。
为训练该2龄幼虫历期预测层,可以获取历史气象数据和历史2龄幼虫历期数据,然后,基于历史气象数据和历史2龄幼虫历期数据,对第二待训练模型进行训练,得到该2龄幼虫历期预测层。
需要说明的是,基于历史气象数据可以确定积温,基于历史2龄幼虫历期数据可以确定2龄幼虫历期,进而确定2龄幼虫所需的有效积温,进而基于2龄幼虫所需的有效积温,得到该2龄幼虫历期预测层。
步骤136,将所述1代成虫盛发期、所述卵期历期、所述1龄幼虫历期和所述2龄幼虫历期输入至2代幼虫盛发期预测模型中的输出层,进行求和处理,得到所述输出层输出的2代幼虫盛发期。
具体地,基于2代幼虫盛发期预测模型的输出层,将1代成虫盛发期、卵期历期、1龄幼虫历期和2龄幼虫历期进行求和处理,得到2代幼虫盛发期。
更为具体地,2代幼虫盛发期=1代成虫盛发期+卵期历期+1龄幼虫历期+2龄幼虫历期。
其中,求和处理中包括取整处理,例如,1代成虫盛发期为6月8日,卵期历期为3.45天,进行取整按照4天计算,1龄幼虫历期为3.11天,进行取整按照4天计算,2龄幼虫历期为4.10天,进行取整按照5天计算,则2代幼虫盛发期为6月21日;或者,1代成虫盛发期为6月8日,卵期历期为3.45天,1龄幼虫历期为3.11天,2龄幼虫历期为4.1天,3.45+3.11+4.1=10.65天,进行取整按照11天计算,则2代幼虫盛发期为6月19日。
本发明实施例提供的二点委夜蛾防治适期预测方法,将1代成虫盛发期输入至2代幼虫盛发期预测模型中的卵期历期预测层,得到卵期历期预测层输出的卵期历期;基于1代成虫盛发期和卵期历期,确定1龄幼虫起点日期;将1龄幼虫起点日期输入至2代幼虫盛发期预测模型中的1龄幼虫历期预测层,得到1龄幼虫历期预测层输出的1龄幼虫历期;基于1代成虫盛发期、卵期历期和所述1龄幼虫历期,确定2龄幼虫起点日期;将2龄幼虫起点日期输入至2代幼虫盛发期预测模型中的2龄幼虫历期预测层,得到2龄幼虫历期预测层输出的2龄幼虫历期;将1代成虫盛发期、卵期历期、1龄幼虫历期和2龄幼虫历期输入至2代幼虫盛发期预测模型中的输出层,进行求和处理,得到输出层输出的2代幼虫盛发期。通过上述方式,基于1代成虫盛发期就可以进行2代幼虫的防治适期预测,从而可以在预测1代成虫盛发期之后对2代幼虫的防治适期进行预测,进而可以进一步提高二点委夜蛾防治适期预测的效率,并进一步提高二点委夜蛾防治适期预测的便捷性;同时,基于卵期历期预测层、1龄幼虫历期预测层和2龄幼虫历期预测层进行卵期历期、1龄幼虫历期预测和2龄幼虫历期预测,相比依赖植保工作人员的经验判断,可以提高2代幼虫防治适期预测的准确性。综上,本发明实施例可以进一步提高二点委夜蛾防治适期预测的效率、便捷性和准确性。
基于上述任一实施例,该方法中,上述步骤131包括以下步骤1311-1312。
步骤1311,将所述1代成虫盛发期的下一日确定为卵期起点日期,并获取所述卵期起点日期后的日均温数据。
此处,日均温数据包括多天的日平均温度,具体地,日均温数据包括卵期起点日期的日平均温度,以及卵期起点日期后面预设天数的日平均温度。其中,预设天数可以根据实际需要进行设定,本发明实施例对此不作具体限定。
该日均温数据的获取来源包括历史气象数据和天气预报数据,例如,在22年4月1号进行防治适期预测,则22年4月1号前的日均温数据来源为历史气象数据,22年4月1号后的日均温数据来源为天气预报数据。
步骤1312,将所述卵期起点日期后的日均温数据输入至所述卵期历期预测层,得到所述卵期历期预测层输出的卵期历期,所述卵期历期为从所述卵期起点日期后有效积温达到卵期所需有效积温的天数。
具体地,基于卵期历期预测层,在卵期起点日期基础上,通过二点委夜蛾完成卵期所需的有效积温,预测卵期历期。
更为具体地,基于卵期起点日期后的日均温数据,计算从卵期起点日期开始每日日均温减去发育起点温度的累积值,即计算从卵期起点日期后的有效积温,进而计算有效积温达到卵期虫态所需有效积温的天数,即计算卵期历期。
其中,发育起点温度可以根据实际情况进行设定,例如,卵期的发育起点温度为10.93℃。
为训练该卵期历期预测层,可以获取历史气象数据和历史卵期历期数据,然后,基于历史气象数据和历史卵期历期数据,对第二待训练模型进行训练,得到该卵期历期预测层。
需要说明的是,基于历史气象数据可以确定积温,基于历史卵期历期数据可以确定卵期历期,进而确定卵期所需的有效积温,进而基于卵期所需的有效积温,得到该卵期历期预测层。
本发明实施例提供的二点委夜蛾防治适期预测方法,将1代成虫盛发期确定为卵期起点日期,并获取卵期起点日期后的日均温数据;将卵期起点日期后的日均温数据输入至卵期历期预测层,得到卵期历期预测层输出的卵期历期,卵期历期为从卵期起点日期后有效积温达到卵期虫态所需有效积温的天数。通过上述方式,基于1代成虫盛发期就可以进行卵期历期预测,相比依赖植保工作人员的经验判断,可以提高卵期历期预测的准确性;同时,获取卵期起点日期后的日均温数据,以通过二点委夜蛾完成卵期所需的有效积温预测卵期历期,进而可以进一步提高卵期历期预测的准确性。综上,本发明实施例可以进一步提高二点委夜蛾防治适期预测的准确性。
基于上述任一实施例,该方法中,上述步骤133包括以下步骤1331-1332。
步骤1331,获取所述1龄幼虫起点日期后的日均温数据。
此处,日均温数据包括多天的日平均温度,具体地,日均温数据包括1龄幼虫起点日期的日平均温度,以及1龄幼虫起点日期后面预设天数的日平均温度。其中,预设天数可以根据实际需要进行设定,本发明实施例对此不作具体限定。
该日均温数据的获取来源包括历史气象数据和天气预报数据,例如,在22年4月1号进行防治适期预测,则22年4月1号前的日均温数据来源为历史气象数据,22年4月1号后的日均温数据来源为天气预报数据。
步骤1332,将所述1龄幼虫起点日期后的日均温数据输入至所述1龄幼虫历期预测层,得到所述1龄幼虫历期预测层输出的1龄幼虫历期,所述1龄幼虫历期为从所述1龄幼虫起点日期后有效积温达到1龄幼虫所需有效积温的天数。
具体地,基于1龄幼虫历期预测层,在1龄幼虫起点日期基础上,通过二点委夜蛾完成1龄幼虫所需的有效积温,预测1龄幼虫历期。
更为具体地,基于1龄幼虫起点日期后的日均温数据,计算从1龄幼虫起点日期开始每日日均温减去发育起点温度的累积值,即计算从1龄幼虫起点日期后的有效积温,进而计算有效积温达到1龄幼虫所需有效积温的天数,即计算1龄幼虫历期。
其中,发育起点温度可以根据实际情况进行设定,例如,1龄幼虫的发育起点温度为11.58℃。
为训练该1龄幼虫历期预测层,可以获取历史气象数据和历史1龄幼虫历期数据,然后,基于历史气象数据和历史1龄幼虫历期数据,对第二待训练模型进行训练,得到该1龄幼虫历期预测层。
需要说明的是,基于历史气象数据可以确定积温,基于历史1龄幼虫历期数据可以确定1龄幼虫历期,进而确定1龄幼虫所需的有效积温,进而基于1龄幼虫所需的有效积温,得到该1龄幼虫历期预测层。
本发明实施例提供的二点委夜蛾防治适期预测方法,获取1龄幼虫起点日期后的日均温数据;将1龄幼虫起点日期后的日均温数据输入至1龄幼虫历期预测层,得到1龄幼虫历期预测层输出的1龄幼虫历期,1龄幼虫历期为从1龄幼虫起点日期后有效积温达到1龄幼虫所需有效积温的天数。通过上述方式,基于1龄幼虫起点日期就可以进行1龄幼虫历期预测,相比依赖植保工作人员的经验判断,可以提高1龄幼虫历期预测的准确性;同时,获取1龄幼虫起点日期后的日均温数据,以通过二点委夜蛾完成1龄幼虫所需的有效积温预测1龄幼虫历期,进而可以进一步提高1龄幼虫历期预测的准确性。综上,本发明实施例可以进一步提高二点委夜蛾防治适期预测的准确性。
基于上述任一实施例,该方法中,上述步骤135包括以下步骤1351-1352。
步骤1331,获取所述2龄幼虫起点日期后的日均温数据。
此处,日均温数据包括多天的日平均温度,具体地,日均温数据包括2龄幼虫起点日期的日平均温度,以及2龄幼虫起点日期后面预设天数的日平均温度。其中,预设天数可以根据实际需要进行设定,本发明实施例对此不作具体限定。
该日均温数据的获取来源包括历史气象数据和天气预报数据,例如,在22年4月1号进行防治适期预测,则22年4月1号前的日均温数据来源为历史气象数据,22年4月1号后的日均温数据来源为天气预报数据。
步骤1332,将所述2龄幼虫起点日期后的日均温数据输入至所述2龄幼虫历期预测层,得到所述2龄幼虫历期预测层输出的2龄幼虫历期,所述2龄幼虫历期为从所述2龄幼虫起点日期后有效积温达到2龄幼虫所需有效积温的天数。
具体地,基于2龄幼虫历期预测层,在2龄幼虫起点日期基础上,通过二点委夜蛾完成2龄幼虫所需的有效积温,预测2龄幼虫历期。
更为具体地,基于2龄幼虫起点日期后的日均温数据,计算从2龄幼虫起点日期开始每日日均温减去发育起点温度的累积值,即计算从2龄幼虫起点日期后的有效积温,进而计算有效积温达到2龄幼虫所需有效积温的天数,即计算2龄幼虫历期。
其中,发育起点温度可以根据实际情况进行设定,例如,2龄幼虫的发育起点温度为10.47℃。
为训练该2龄幼虫历期预测层,可以获取历史气象数据和历史2龄幼虫历期数据,然后,基于历史气象数据和历史2龄幼虫历期数据,对第二待训练模型进行训练,得到该2龄幼虫历期预测层。
需要说明的是,基于历史气象数据可以确定积温,基于历史2龄幼虫历期数据可以确定2龄幼虫历期,进而确定2龄幼虫所需的有效积温,进而基于2龄幼虫所需的有效积温,得到该2龄幼虫历期预测层。
本发明实施例提供的二点委夜蛾防治适期预测方法,获取2龄幼虫起点日期后的日均温数据;将2龄幼虫起点日期后的日均温数据输入至2龄幼虫历期预测层,得到2龄幼虫历期预测层输出的2龄幼虫历期,2龄幼虫历期为从2龄幼虫起点日期后有效积温达到2龄幼虫所需有效积温的天数。通过上述方式,基于2龄幼虫起点日期就可以进行2龄幼虫历期预测,相比依赖植保工作人员的经验判断,可以提高2龄幼虫历期预测的准确性;同时,获取2龄幼虫起点日期后的日均温数据,以通过二点委夜蛾完成2龄幼虫所需的有效积温预测2龄幼虫历期,进而可以进一步提高2龄幼虫历期预测的准确性。综上,本发明实施例可以进一步提高二点委夜蛾防治适期预测的准确性。
基于上述任一实施例,该方法中,所述1代成虫盛发期预测模型基于如下步骤进行训练:
获取历史气象数据和历史1代成虫盛发期数据;
基于所述历史气象数据和所述历史1代成虫盛发期数据,对第一待训练模型进行训练,得到所述1代成虫盛发期预测模型,所述第一待训练模型为多元线性回归模型。
具体地,可以根据历史气象数据和历史1代成虫盛发期数据,分析与1代成虫盛发期相关性高的气象参数,进而根据历史气象数据和历史1代成虫盛发期数据进行模型训练,得到气象参数与1代成虫盛发期的相关性系数,最终,基于气象参数与1代成虫盛发期的相关性系数,建立该1代成虫盛发期预测模型。
其中,历史气象数据和历史1代成虫盛发期数据可以为多个地区和/或多个时间的历史数据。
其中,历史1代成虫盛发期数据是根据二点委夜蛾一代成虫数量来确定的。
本发明实施例提供的二点委夜蛾防治适期预测方法,获取历史气象数据和历史1代成虫盛发期数据;基于历史气象数据和历史1代成虫盛发期数据,对第一待训练模型进行训练,得到1代成虫盛发期预测模型,第一待训练模型为多元线性回归模型。通过上述方式,1代成虫盛发期预测模型是基于大量的历史气象数据和历史1代成虫盛发期数据进行训练得到的,从而可以提高1代成虫盛发期预测模型的预测准确性,进而提高1代成虫盛发期预测的准确性,最终进一步提高二点委夜蛾防治适期预测的准确性。
基于上述任一实施例,该方法中,上述步骤110包括:
获取待预测区域的位置信息;
基于所述位置信息,获取所述待预测区域所在位置的所述气象参数。
此处,待预测区域为待进行二点委夜蛾防治适期预测的区域。进一步地,该待预测区域为夏玉米种植区域。
此处,气象参数为预设月份的气象参数。
其中,预设月份为当前年份中的月份,当前年份为当前进行防治适期预测时间的所属年份,例如,在22年4月进行防治适期预测,则当前年份为22年。
该预设月份可以包括若干月份,例如,3月份、4月份和5月份。具体地,该预设月份可以根据实际情况进行设定,本发明实施例对此不作具体限定。
在一些实施例中,气象参数可以包括预设月份的平均气温、平均降水量和积温等等。
该气象参数可以包括但不限于以下至少一种或多种:3月份平均气温、4月份平均气温、4月份平均降水量、5月份平均气温、5月份平均降水量、3月份积温和4月份积温等等。
该气象参数的获取来源包括历史气象数据和天气预报数据,例如,在22年4月1号进行防治适期预测,则22年4月1号前的气象参数来源为历史气象数据,22年4月1号后的气象参数来源为天气预报数据。
需要说明的是,该气象参数为与1代成虫盛发期相关性高的气象因素。具体地,可以根据历史气象数据和历史1代成虫盛发期数据,分析与1代成虫盛发期相关性高的气象因素。其中,历史1代成虫盛发期数据是根据二点委夜蛾一代成虫数量来确定的。
相应的,上述步骤140之后,该方法还包括:
将所述防治适期发送至所述待预测区域对应的用户终端。
此处,用户终端为待预测区域内种植户的用户终端。
本发明实施例提供的二点委夜蛾防治适期预测方法,可以获取待预测区域的位置信息,进而基于该位置信息获取待预测区域所在位置的气象参数,然后,基于气象参数就可以进行1代成虫和2代幼虫的防治适期预测,只需要一个处理设备进行预测处理即可,无需大量的虫情监测设备或者信息素诱剂设备,从而可以提高二点委夜蛾防治适期预测的效率,并提高二点委夜蛾防治适期预测的便捷性;同时,不需要用户提供任何信息,就可以将防治适期发送至待预测区域对应的用户终端,从而进一步提高二点委夜蛾防治适期预测的便捷性。
基于上述任一实施例,该方法中,所述气象参数包括3月份平均气温、4月份平均气温、4月份平均降水量、5月份平均气温、5月份平均降水量、3月份积温和4月份积温。
此处,3月份平均气温、4月份平均气温、4月份平均降水量、5月份平均气温、5月份平均降水量、3月份积温和4月份积温为与1代成虫盛发期相关性高的气象因素。
具体地,可以根据历史气象数据和历史1代成虫盛发期数据,分析与1代成虫盛发期相关性高的气象因素。其中,历史1代成虫盛发期数据是根据二点委夜蛾一代成虫数量来确定的。
上述各气象参数的获取来源包括历史气象数据和天气预报数据,例如,在22年4月1号进行防治适期预测,则22年4月1号前的3月份平均气温和3月份积温来源为历史气象数据,22年4月1号后的4月份平均气温、4月份平均降水量、5月份平均气温、5月份平均降水量和4月份积温来源为天气预报数据。
本发明实施例提供的二点委夜蛾防治适期预测方法,通过分析与二点委夜蛾一代成虫发生盛期相关系数高的3月份平均气温、4月份平均气温、4月份平均降水量、5月份平均气温、5月份平均降水量、3月份积温和4月份积温,从而提高1代成虫和2代幼虫的防治适期预测的准确性,进而进一步提高二点委夜蛾防治适期预测的准确性。
下面对本发明提供的二点委夜蛾防治适期预测装置进行描述,下文描述的二点委夜蛾防治适期预测装置与上文描述的二点委夜蛾防治适期预测方法可相互对应参照。
图3为本发明提供的二点委夜蛾防治适期预测装置的结构示意图,如图3所示,该二点委夜蛾防治适期预测装置,包括:
气象获取模块310,用于获取预设月份的气象参数;
第一预测模块320,用于将所述气象参数输入至1代成虫盛发期预测模型,得到所述1代成虫盛发期预测模型输出的1代成虫盛发期;
第二预测模块330,用于将所述1代成虫盛发期输入至2代幼虫盛发期预测模型,得到所述2代幼虫盛发期预测模型输出的2代幼虫盛发期;
适期确定模块340,用于基于所述1代成虫盛发期和所述2代幼虫盛发期,确定二点委夜蛾的防治适期。
本发明实施例提供的二点委夜蛾防治适期预测装置,获取预设月份的气象参数;将气象参数输入至1代成虫盛发期预测模型,得到1代成虫盛发期预测模型输出的1代成虫盛发期;将1代成虫盛发期输入至2代幼虫盛发期预测模型,得到2代幼虫盛发期预测模型输出的2代幼虫盛发期;基于1代成虫盛发期和2代幼虫盛发期,确定二点委夜蛾的防治适期。通过上述方式,获取气象参数就可以进行1代成虫和2代幼虫的防治适期预测,只需要一个处理设备进行预测处理即可,无需大量的虫情监测设备或者信息素诱剂设备,从而可以提高二点委夜蛾防治适期预测的效率,并提高二点委夜蛾防治适期预测的便捷性;同时,基于1代成虫盛发期预测模型和2代幼虫盛发期预测模型进行1代成虫和2代幼虫的防治适期预测,相比依赖植保工作人员的经验判断,可以提高二点委夜蛾防治适期预测的准确性。综上,本发明实施例可以提高二点委夜蛾防治适期预测的效率、便捷性和准确性。
基于上述任一实施例,该第二预测模块330还用于:
将所述1代成虫盛发期输入至2代幼虫盛发期预测模型中的卵期历期预测层,得到所述卵期历期预测层输出的卵期历期;
基于所述1代成虫盛发期和所述卵期历期,确定1龄幼虫起点日期;
将所述1龄幼虫起点日期输入至2代幼虫盛发期预测模型中的1龄幼虫历期预测层,得到所述1龄幼虫历期预测层输出的1龄幼虫历期;
基于所述1代成虫盛发期、所述卵期历期和所述1龄幼虫历期,确定2龄幼虫起点日期;
将所述2龄幼虫起点日期输入至2代幼虫盛发期预测模型中的2龄幼虫历期预测层,得到所述2龄幼虫历期预测层输出的2龄幼虫历期;
将所述1代成虫盛发期、所述卵期历期、所述1龄幼虫历期和所述2龄幼虫历期输入至2代幼虫盛发期预测模型中的输出层,进行求和处理,得到所述输出层输出的2代幼虫盛发期。
基于上述任一实施例,该第二预测模块330还用于:
将所述1代成虫盛发期的下一日确定为卵期起点日期,并获取所述卵期起点日期后的日均温数据;
将所述卵期起点日期后的日均温数据输入至所述卵期历期预测层,得到所述卵期历期预测层输出的卵期历期,所述卵期历期为从所述卵期起点日期后有效积温达到卵期所需有效积温的天数。
基于上述任一实施例,该第二预测模块330还用于:
获取所述1龄幼虫起点日期后的日均温数据;
将所述1龄幼虫起点日期后的日均温数据输入至所述1龄幼虫历期预测层,得到所述1龄幼虫历期预测层输出的1龄幼虫历期,所述1龄幼虫历期为从所述1龄幼虫起点日期后有效积温达到1龄幼虫所需有效积温的天数。
基于上述任一实施例,该装置还包括:
数据获取模块,用于获取历史气象数据和历史1代成虫盛发期数据;
模型训练模块,用于基于所述历史气象数据和所述历史1代成虫盛发期数据,对第一待训练模型进行训练,得到所述1代成虫盛发期预测模型,所述第一待训练模型为多元线性回归模型。
基于上述任一实施例,该气象获取模块310还用于:
获取待预测区域的位置信息;
基于所述位置信息,获取所述待预测区域所在位置的所述气象参数;
相应的,该装置还包括:
适期发送模块,用于将所述防治适期发送至所述待预测区域对应的用户终端。
基于上述任一实施例,所述气象参数包括3月份平均气温、4月份平均气温、4月份平均降水量、5月份平均气温、5月份平均降水量、3月份积温和4月份积温。
图4示例了一种电子设备的实体结构示意图,如图4所示,该电子设备可以包括:处理器(processor)410、通信接口(Communications Interface)420、存储器(memory)430和通信总线440,其中,处理器410,通信接口420,存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令,以执行二点委夜蛾防治适期预测方法,该方法包括:获取预设月份的气象参数;将所述气象参数输入至1代成虫盛发期预测模型,得到所述1代成虫盛发期预测模型输出的1代成虫盛发期;将所述1代成虫盛发期输入至2代幼虫盛发期预测模型,得到所述2代幼虫盛发期预测模型输出的2代幼虫盛发期;基于所述1代成虫盛发期和所述2代幼虫盛发期,确定二点委夜蛾的防治适期。
此外,上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,所述计算机程序产品包括计算机程序,计算机程序可存储在非暂态计算机可读存储介质上,所述计算机程序被处理器执行时,计算机能够执行上述各方法所提供的二点委夜蛾防治适期预测方法,该方法包括:获取预设月份的气象参数;将所述气象参数输入至1代成虫盛发期预测模型,得到所述1代成虫盛发期预测模型输出的1代成虫盛发期;将所述1代成虫盛发期输入至2代幼虫盛发期预测模型,得到所述2代幼虫盛发期预测模型输出的2代幼虫盛发期;基于所述1代成虫盛发期和所述2代幼虫盛发期,确定二点委夜蛾的防治适期。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各方法提供的二点委夜蛾防治适期预测方法,该方法包括:获取预设月份的气象参数;将所述气象参数输入至1代成虫盛发期预测模型,得到所述1代成虫盛发期预测模型输出的1代成虫盛发期;将所述1代成虫盛发期输入至2代幼虫盛发期预测模型,得到所述2代幼虫盛发期预测模型输出的2代幼虫盛发期;基于所述1代成虫盛发期和所述2代幼虫盛发期,确定二点委夜蛾的防治适期。
以上所描述的装置实施例仅仅是示意性的,其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
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 (9)
1.一种二点委夜蛾防治适期预测方法,其特征在于,包括:
获取预设月份的气象参数;
将所述气象参数输入至1代成虫盛发期预测模型,得到所述1代成虫盛发期预测模型输出的1代成虫盛发期;
将所述1代成虫盛发期输入至2代幼虫盛发期预测模型,得到所述2代幼虫盛发期预测模型输出的2代幼虫盛发期;
基于所述1代成虫盛发期和所述2代幼虫盛发期,确定二点委夜蛾的防治适期;
所述将所述1代成虫盛发期输入至2代幼虫盛发期预测模型,得到所述2代幼虫盛发期预测模型输出的2代幼虫盛发期,包括:
将所述1代成虫盛发期输入至2代幼虫盛发期预测模型中的卵期历期预测层,得到所述卵期历期预测层输出的卵期历期;
基于所述1代成虫盛发期和所述卵期历期,确定1龄幼虫起点日期;
将所述1龄幼虫起点日期输入至2代幼虫盛发期预测模型中的1龄幼虫历期预测层,得到所述1龄幼虫历期预测层输出的1龄幼虫历期;
基于所述1代成虫盛发期、所述卵期历期和所述1龄幼虫历期,确定2龄幼虫起点日期;
将所述2龄幼虫起点日期输入至2代幼虫盛发期预测模型中的2龄幼虫历期预测层,得到所述2龄幼虫历期预测层输出的2龄幼虫历期;
将所述1代成虫盛发期、所述卵期历期、所述1龄幼虫历期和所述2龄幼虫历期输入至2代幼虫盛发期预测模型中的输出层,进行求和处理,得到所述输出层输出的2代幼虫盛发期。
2.根据权利要求1所述的二点委夜蛾防治适期预测方法,其特征在于,所述将所述1代成虫盛发期输入至2代幼虫盛发期预测模型中的卵期历期预测层,得到所述卵期历期预测层输出的卵期历期,包括:
将所述1代成虫盛发期的下一日确定为卵期起点日期,并获取所述卵期起点日期后的日均温数据;
将所述卵期起点日期后的日均温数据输入至所述卵期历期预测层,得到所述卵期历期预测层输出的卵期历期,所述卵期历期为从所述卵期起点日期后有效积温达到卵期所需有效积温的天数。
3.根据权利要求1所述的二点委夜蛾防治适期预测方法,其特征在于,所述将所述1龄幼虫起点日期输入至2代幼虫盛发期预测模型中的1龄幼虫历期预测层,得到所述1龄幼虫历期预测层输出的1龄幼虫历期,包括:
获取所述1龄幼虫起点日期后的日均温数据;
将所述1龄幼虫起点日期后的日均温数据输入至所述1龄幼虫历期预测层,得到所述1龄幼虫历期预测层输出的1龄幼虫历期,所述1龄幼虫历期为从所述1龄幼虫起点日期后有效积温达到1龄幼虫所需有效积温的天数。
4.根据权利要求1所述的二点委夜蛾防治适期预测方法,其特征在于,所述1代成虫盛发期预测模型基于如下步骤进行训练:
获取历史气象数据和历史1代成虫盛发期数据;
基于所述历史气象数据和所述历史1代成虫盛发期数据,对第一待训练模型进行训练,得到所述1代成虫盛发期预测模型,所述第一待训练模型为多元线性回归模型。
5.根据权利要求1所述的二点委夜蛾防治适期预测方法,其特征在于,所述获取预设月份的气象参数,包括:
获取待预测区域的位置信息;
基于所述位置信息,获取所述待预测区域所在位置的所述气象参数;
相应的,所述基于所述1代成虫盛发期和所述2代幼虫盛发期,确定二点委夜蛾的防治适期,之后还包括:
将所述防治适期发送至所述待预测区域对应的用户终端。
6.根据权利要求1所述的二点委夜蛾防治适期预测方法,其特征在于,所述气象参数包括3月份平均气温、4月份平均气温、4月份平均降水量、5月份平均气温、5月份平均降水量、3月份积温和4月份积温。
7.一种二点委夜蛾防治适期预测装置,其特征在于,包括:
气象获取模块,用于获取预设月份的气象参数;
第一预测模块,用于将所述气象参数输入至1代成虫盛发期预测模型,得到所述1代成虫盛发期预测模型输出的1代成虫盛发期;
第二预测模块,用于将所述1代成虫盛发期输入至2代幼虫盛发期预测模型,得到所述2代幼虫盛发期预测模型输出的2代幼虫盛发期;
适期确定模块,用于基于所述1代成虫盛发期和所述2代幼虫盛发期,确定二点委夜蛾的防治适期;
所述第二预测模块,还用于:
将所述1代成虫盛发期输入至2代幼虫盛发期预测模型中的卵期历期预测层,得到所述卵期历期预测层输出的卵期历期;
基于所述1代成虫盛发期和所述卵期历期,确定1龄幼虫起点日期;
将所述1龄幼虫起点日期输入至2代幼虫盛发期预测模型中的1龄幼虫历期预测层,得到所述1龄幼虫历期预测层输出的1龄幼虫历期;
基于所述1代成虫盛发期、所述卵期历期和所述1龄幼虫历期,确定2龄幼虫起点日期;
将所述2龄幼虫起点日期输入至2代幼虫盛发期预测模型中的2龄幼虫历期预测层,得到所述2龄幼虫历期预测层输出的2龄幼虫历期;
将所述1代成虫盛发期、所述卵期历期、所述1龄幼虫历期和所述2龄幼虫历期输入至2代幼虫盛发期预测模型中的输出层,进行求和处理,得到所述输出层输出的2代幼虫盛发期。
8.一种电子设备,包括存储器、处理器及存储在所述存储器上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程序时实现如权利要求1至6任一项所述二点委夜蛾防治适期预测方法。
9.一种非暂态计算机可读存储介质,其上存储有计算机程序,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6任一项所述二点委夜蛾防治适期预测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210418522.8A CN114511161B (zh) | 2022-04-21 | 2022-04-21 | 二点委夜蛾防治适期预测方法、装置、设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210418522.8A CN114511161B (zh) | 2022-04-21 | 2022-04-21 | 二点委夜蛾防治适期预测方法、装置、设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114511161A CN114511161A (zh) | 2022-05-17 |
CN114511161B true CN114511161B (zh) | 2022-08-16 |
Family
ID=81554894
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210418522.8A Active CN114511161B (zh) | 2022-04-21 | 2022-04-21 | 二点委夜蛾防治适期预测方法、装置、设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114511161B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116402177B (zh) * | 2022-11-28 | 2024-01-26 | 中化现代农业有限公司 | 一种二点委夜蛾发生程度预测方法及系统 |
CN117852728A (zh) * | 2024-03-07 | 2024-04-09 | 中化现代农业有限公司 | 害虫防治适期的确定方法、装置、电子设备和存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120191355A1 (en) * | 2010-04-15 | 2012-07-26 | Maxine Highsmith | Insect Prediction Techniques for the Forestry Industry |
CN104239677A (zh) * | 2014-07-01 | 2014-12-24 | 广东省农业科学院植物保护研究所 | 一种荔枝蒂蛀虫预测预报方法 |
JP2016184232A (ja) * | 2015-03-25 | 2016-10-20 | 株式会社富士通エフサス | 予測装置および予測方法 |
CN106682785A (zh) * | 2017-01-05 | 2017-05-17 | 赵法宝 | 一种水稻二化螟发生期的预测预报方法 |
EP3482630A1 (en) * | 2017-11-13 | 2019-05-15 | EFOS d.o.o. | Method, system and computer program for performing a pest forecast |
CN114170513A (zh) * | 2021-12-08 | 2022-03-11 | 广东省农业科学院植物保护研究所 | 一种草地贪夜蛾的虫情监测方法、系统及存储介质 |
-
2022
- 2022-04-21 CN CN202210418522.8A patent/CN114511161B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120191355A1 (en) * | 2010-04-15 | 2012-07-26 | Maxine Highsmith | Insect Prediction Techniques for the Forestry Industry |
CN104239677A (zh) * | 2014-07-01 | 2014-12-24 | 广东省农业科学院植物保护研究所 | 一种荔枝蒂蛀虫预测预报方法 |
JP2016184232A (ja) * | 2015-03-25 | 2016-10-20 | 株式会社富士通エフサス | 予測装置および予測方法 |
CN106682785A (zh) * | 2017-01-05 | 2017-05-17 | 赵法宝 | 一种水稻二化螟发生期的预测预报方法 |
EP3482630A1 (en) * | 2017-11-13 | 2019-05-15 | EFOS d.o.o. | Method, system and computer program for performing a pest forecast |
CN114170513A (zh) * | 2021-12-08 | 2022-03-11 | 广东省农业科学院植物保护研究所 | 一种草地贪夜蛾的虫情监测方法、系统及存储介质 |
Non-Patent Citations (2)
Title |
---|
Monitoring and forecasting for disease and pest in crop based on WebGIS system;Yingying Dong 等;《IEEE》;20190902;全文 * |
二点委夜蛾不同世代成虫适宜生境调查及其在作物间的转移规律研究;马继芳 等;《中国植保导刊》;20140430;第34卷(第4期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114511161A (zh) | 2022-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114511161B (zh) | 二点委夜蛾防治适期预测方法、装置、设备和存储介质 | |
Miller et al. | Using growing degree days to predict plant stages | |
JP6580334B2 (ja) | 情報処理装置、プログラム及び情報処理方法 | |
Norton | Analysis of decision making in crop protection | |
CN109643431A (zh) | 信息处理装置和信息处理系统 | |
de Vida et al. | Relating rice traits to weed competitiveness and yield: a path analysis | |
CN114662742A (zh) | 大田灌溉施肥制度动态决策方法及装置 | |
CN113329617A (zh) | 信息处理设备和信息处理系统 | |
Lodovichi et al. | Operational planning of herbicide-based weed management | |
JP2016184232A (ja) | 予測装置および予測方法 | |
CN107808249A (zh) | 种植任务管理方法、电子设备及计算机可读存储介质 | |
Grechi et al. | Modelling coupled peach tree–aphid population dynamics and their control by winter pruning and nitrogen fertilization | |
McNeil et al. | An evaluation and comparison of conservation guidelines for an at-risk migratory songbird | |
TWM610801U (zh) | 農作物生長週期與產量交互動態預測系統 | |
JP2018007630A (ja) | 栽培支援装置 | |
Cuperus et al. | Training specialists in sampling procedures | |
JP2020156431A (ja) | 農作物の生育評価・作業提案方法および農作物の生育評価・作業提案システム、ならびに地域農業活性システム | |
Jiang et al. | Precisely forecasting population dynamics of agricultural pests based on an interval type-2 fuzzy logic system: Case study for oriental fruit flies and the tobacco cutworms | |
JP2016146046A (ja) | 予測装置、予測方法及びプログラム | |
Ortega-Lopez et al. | Male flight phenology of the European grapevine moth Lobesia botrana (Lepidoptera: Tortricidae) in different wine-growing regions in Spain | |
CN116523182B (zh) | 一种生态果园的构建和生产管理方法、系统及存储介质 | |
CN112167035B (zh) | 一种水培叶菜生产管理方法及系统 | |
Casanova et al. | Testing the performance of ORYZA1, an explanatory model for rice growth simulation, for Mediterranean conditions | |
Potgieter et al. | Modelling the effects of the sterile insect technique applied to Eldana saccharina Walker in sugarcane | |
CN113010529A (zh) | 基于知识图谱的作物管理方法和装置 |
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 |