CN114698613B - 一种红火蚁防效评估方法 - Google Patents
一种红火蚁防效评估方法 Download PDFInfo
- Publication number
- CN114698613B CN114698613B CN202210386627.XA CN202210386627A CN114698613B CN 114698613 B CN114698613 B CN 114698613B CN 202210386627 A CN202210386627 A CN 202210386627A CN 114698613 B CN114698613 B CN 114698613B
- Authority
- CN
- China
- Prior art keywords
- monitoring
- solenopsis invicta
- fire ant
- red
- trap
- 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
- 241000736128 Solenopsis invicta Species 0.000 title claims abstract description 251
- 230000000694 effects Effects 0.000 title claims abstract description 82
- 230000002265 prevention Effects 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000012544 monitoring process Methods 0.000 claims abstract description 153
- 238000011156 evaluation Methods 0.000 claims abstract description 50
- 241000257303 Hymenoptera Species 0.000 claims description 32
- 241000517830 Solenopsis geminata Species 0.000 claims description 8
- 230000005540 biological transmission Effects 0.000 claims description 5
- 239000000411 inducer Substances 0.000 claims description 2
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 claims 1
- 229910052739 hydrogen Inorganic materials 0.000 claims 1
- 239000001257 hydrogen Substances 0.000 claims 1
- 238000004364 calculation method Methods 0.000 description 6
- 238000000926 separation method Methods 0.000 description 5
- 241000238631 Hexapoda Species 0.000 description 3
- 239000005667 attractant Substances 0.000 description 2
- 230000031902 chemoattractant activity Effects 0.000 description 2
- 241001492664 Solenopsis <angiosperm> Species 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000009193 crawling Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000003405 preventing effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 235000013580 sausages Nutrition 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01M—CATCHING, TRAPPING OR SCARING OF ANIMALS; APPARATUS FOR THE DESTRUCTION OF NOXIOUS ANIMALS OR NOXIOUS PLANTS
- A01M1/00—Stationary means for catching or killing insects
- A01M1/02—Stationary means for catching or killing insects with devices or substances, e.g. food, pheronones attracting the insects
- A01M1/026—Stationary means for catching or killing insects with devices or substances, e.g. food, pheronones attracting the insects combined with devices for monitoring insect presence, e.g. termites
-
- 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
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Pest Control & Pesticides (AREA)
- Engineering & Computer Science (AREA)
- Insects & Arthropods (AREA)
- Wood Science & Technology (AREA)
- Zoology (AREA)
- Environmental Sciences (AREA)
- Catching Or Destruction (AREA)
Abstract
本发明提供了一种红火蚁防效评估方法，包括以下步骤：S1：在防控区域内布设一定数量的红火蚁诱集器，获取红火蚁诱集器的监测数据，监测数据包括每个红火蚁诱集器的经纬度信息、是否诱集发生红火蚁情况；S2：根据监测数据对红火蚁诱集器进行分类：将间隔在预设标定距离内的红火蚁诱集器归集为一个监测类别；S3：在每个监测类别中，计算每个所述监测类别的监测面积；S4：在每个监测类别中，根据每个红火蚁诱集器的是否诱集发生红火蚁情况计算每个监测类别的子红火蚁防治效果；S5：根据每个监测类别的监测面积和子红火蚁防治效果，计算综合红火蚁防治效果，提高红火蚁防效评估的效率和精度。
Description
技术领域
本发明涉及红火蚁防治技术领域，特别涉及一种红火蚁防效评估方法。
背景技术
红火蚁是世界自然基金组织发布的10大外来入侵有害生物。目前已在我国大部分省份发生为害，对人民群众的生命财产构成严重的威胁。红火蚁适生分布广泛，在农田、林地、城市沿街绿化、荒地等开放性的环境中都可发生分布。防效评估是对防控工作进行系统、科学的评价，既是对先前防控工作的考核，也为后续防控工作提供参考。防效评估方法的可操作性和准确性将直接影响防效考核的效率和评估结果。
目前，对红火蚁防效评估主要参照《红火蚁疫情监测规程》(GBT23626-2009)进行监测，要求在野外环境中明确每个诱集器的红火蚁虫口数量，通过计算平均虫口数量来划定红火蚁为害等级。但是，红火蚁个头小，爬行速度快，在野外环境中难以准确的测算出每个诱集器的虫口数量，如果将每个诱集器的诱集标本都带回室内进行计算，将导致工作效率十分底下。此外，在不同的生境中，红火蚁发生分布呈现出差异化的空间集聚特征，在复杂的环境下采用每个诱集器虫口数量的算术平均值对防效进行评估，可能导致评估结果的偏差。
发明内容
本发明所要解决的技术问题是：提供一种红火蚁防效评估方法，用新的红火蚁防效评估指标和测算方法，以提高红火蚁防效评估的效率和精度。
为了解决上述技术问题，本发明采用的技术方案为：
一种红火蚁防效评估方法，包括以下步骤：
S1：在防控区域内布设一定数量的红火蚁诱集器，红火蚁诱集器工作时间不少于预设诱集时间，获取红火蚁诱集器的监测数据，所述监测数据包括每个红火蚁诱集器的经纬度信息、是否诱集发生红火蚁情况；
S2：根据每个所述红火蚁诱集器的经纬度信息对红火蚁诱集器进行分类：将间隔距离在预设标定距离内的红火蚁诱集器归集为一个监测类别；
S3：在每个监测类别中，计算每个所述监测类别的监测面积；
S4：在每个监测类别中，根据每个红火蚁诱集器的是否诱集发生红火蚁情况计算每个监测类别的子红火蚁防治效果；
S5：根据每个监测类别的监测面积和子红火蚁防治效果，计算综合红火蚁防治效果。
本发明的有益效果在于：先用布设的红火蚁诱集器诱集红火蚁，然后根据每个红火蚁诱集器的经纬度信息，按照区域聚类划分监测类别，根据每个红火蚁诱集器的是否诱集发生红火蚁情况对不同监测类别中的子红火蚁防治效果进行评估，还以每个监测类别的监测面积作为权重对整个防控区域的综合红火蚁防治效果进行评估，提高红火蚁防效评估的精度。
附图说明
图1为本发明实施例的红火蚁防效评估方法的流程图；
图2为本发明实施例的步骤S2中划分监测类别的具体结果举例；
图3为本发明实施例的步骤S1中获取红火蚁诱集器的监测数据的一种具体方法；
图4为本发明实施例的步骤S1中获取红火蚁诱集器的监测数据的另一种具体方法。
具体实施方式
为详细说明本发明的技术内容、所实现目的及效果，以下结合实施方式并配合附图予以说明。
请参照图1至图4，本发明提供的实施例为：
一种红火蚁防效评估方法，包括以下步骤：
S1：在防控区域内布设一定数量的红火蚁诱集器，红火蚁诱集器工作时间不少于预设诱集时间，获取红火蚁诱集器的监测数据，所述监测数据包括每个红火蚁诱集器的经纬度信息、是否诱集发生红火蚁情况；
S2：根据每个所述红火蚁诱集器的经纬度信息对红火蚁诱集器进行分类：将间隔距离在预设标定距离内的红火蚁诱集器归集为一个监测类别；
S3：在每个监测类别中，计算每个所述监测类别的监测面积；
S4：在每个监测类别中，根据每个红火蚁诱集器的是否诱集发生红火蚁情况计算每个监测类别的子红火蚁防治效果；
S5：根据每个监测类别的监测面积和子红火蚁防治效果，计算综合红火蚁防治效果。
步骤S1中，在防控区域内布设红火蚁诱集器后，每个红火蚁诱集器工作时间不少于预设诱集时间，然后获取每个红火蚁诱集器的监测数据，以保证红火蚁诱集器工作有效，具体的，预设诱集时间可设定为至少30分钟。其中，红火蚁诱集器的是否诱集发生红火蚁情况是指红火蚁诱集器诱集到红火蚁或者没有诱集到红火蚁。
步骤S2中，按照红火蚁诱集器的经纬度信息，将间隔距离小于预设标定距离的红火蚁诱集器归集为一个监测类别，相当于采用聚类算法按照红火蚁诱集器分布的密集度进行区域划分，以方便对某个区域的防治效果进行评估，也方便对整个防控区域的防治效果进行评估。
步骤S4中，在每个监测类别中，根据每个红火蚁诱集器的是否诱集发生红火蚁情况，计算每个监测类别的红火蚁诱集器总数量和诱集发生红火蚁的诱集器数量，再根据每个监测类别的红火蚁诱集器总数量和诱集发生红火蚁的诱集器数量，计算每个监测类别的子红火蚁防治效果，将诱集发生红火蚁的诱集器数量作为参数之一来评估每个监测类别的子红火蚁防治效果，评估效率更高，评估结果更加科学准确。
步骤S5中，将每个监测类别的监测面积和子红火蚁防治效果作为参数来评估整个防控区域的综合红火蚁防治效果，评估结果更加合理准确。
进一步的，步骤S2中，根据每个所述红火蚁诱集器的经纬度信息对红火蚁诱集器进行分类，将间隔距离在预设标定距离内的红火蚁诱集器归集为一个监测类别，具体为：
对红火蚁诱集器集合D＝{(x1，y1),(x2，y2),…,(xj，yj)…,(xm，ym)}进行分类，其中：(xj，yj)代表第j个红火蚁诱集器的经纬度信息，m代表放置红火蚁诱集器的总数量；
对于第i个红火蚁诱集器的经纬度信息(xi，yi)∈D，i＝1,…,m，第j个红火蚁诱集器的经纬度信息(xj，yj)∈D，j＝1,…,m，其对应的红火蚁诱集器所属的监测类别Nq可描述为：
Nq＝{(xi,yi)∈D,(xj,yj)∈D|distance((xi,yi),(xj,yj))≤r} 公式(1)；
其中：Nq代表第q个监测类别，用n1代表步骤S2中监测类别的总数量，则q＝1,…,n1；r代表预设标定距离。
公式(1)中，通过计算红火蚁诱集器集合D中(xi，yi)、(xj，yj)这两个点之间的距离是否小于预设标定距离的聚类算法，来划分监测类别，一方面保证每个监测类别内的数据相关性，使每个监测类别内的数据之间紧密度较高，另一方面也方便对不同监测类别的防治效果进行评估、对比，使每个监测类别后续可采用不同的防治方法进行进一步防治。
具体的，假设预设标定距离为60米，则将间隔距离小于60米的两个红火蚁诱集器聚集为一个监测类别，间隔距离大于60米的两个红火蚁诱集器则属于不同的监测类别，通过公式(1)划分监测类别后的结果举例参见说明书附图2所示，监测类别1内的红火蚁诱集器之间间隔距离小于预设标定距离60米，监测类别2内的红火蚁诱集器之间间隔距离小于预设标定距离60米，监测类别1与监测类别2之间最临近的两个红火蚁诱集器的间隔距离大于预设标定距离60米。
进一步的，步骤S3中，在每个监测类别中，计算每个所述监测类别的监测面积，具体为：
计算每个监测类别中的红火蚁诱集器数量；
当一个监测类别中的红火蚁诱集器数量大于或者等于3，根据处于最外围的红火蚁诱集器的经纬度信息，划定该监测类别的多边形边缘范围，计算该监测类别的面积；
当一个监测类别中的红火蚁诱集器数量等于2，以该2个红火蚁诱集器为中心、以r/2为半径的两个圆的并集面积为该监测类别的面积；
当一个监测类别中的红火蚁诱集器数量等于1，以该1个红火蚁诱集器为中心、以r/2为半径的圆的面积为该监测类别的面积，r代表预设标定距离。
步骤S3中将每个监测类别按照一定的形状划定了范围，然后计算该范围的面积作为该监测类别的面积。
进一步的，步骤S4中，在每个监测类别中，根据每个红火蚁诱集器的是否诱集发生红火蚁情况计算每个监测类别的子红火蚁防治效果，具体为：
在第u个监测类别中，根据每个红火蚁诱集器的经纬度信息、是否诱集发生红火蚁情况，计算第u个监测类别的红火蚁诱集器总数量Tu和诱集发生红火蚁的诱集器数量tu，用n1代表步骤S2中监测类别的总数量，其中u＝1,…,n1；
计算第u个监测类别中的子红火蚁防治效果pu：
公式(2)中，当tu＝Tu，说明每个红火蚁诱集器都诱集到了红火蚁，此时pu＝0，说明红火蚁防治效果非常不好；当tu<Tu，说明部分红火蚁诱集器都诱集到了红火蚁，此时pu<1，说明红火蚁防治有效果但是不完全；当tu＝0，说明没有一个红火蚁诱集器都诱集到了红火蚁，此时pu＝1，说明红火蚁防治效果非常好。将每个红火蚁诱集器的是否诱集发生红火蚁情况作为一个重要参数来评估不同监测区域的子红火蚁防治效果，相比于计算每个红火蚁诱集器内的红火蚁虫口数量平均值，更易于在野外复杂环境下开展工作，极大提高了红火蚁诱集监测和防效评估的效率。
进一步的，步骤S5中，根据每个监测类别的监测面积和子红火蚁防治效果，计算综合红火蚁防治效果，具体为：
其中：P代表综合红火蚁防治效果指标，sk代表第k个监测类别的监测面积，pk代表第k个监测类别的子红火蚁防治效果，k＝1,…,n2，n2代表步骤S5中监测类别的总数量，n2≤n1，n1代表步骤S2中监测类别的总数量。
公式(3)中，将每个监测类别的监测面积和子红火蚁防治效果均作为参数对整个防控区域的综合红火蚁防治效果进行评估计算，既提升监测面积大的监测类别在防效评估效果中的权重比，又兼顾各监测类别的实际防治效果，避免了当出现防效较差的小范围区域时算术平均法可能造成综合红火蚁防治效果指标偏低的现象，使评估效果计算更加科学、合理、准确。
具体的，若只取步骤S4中其中一部分监测类别来进行防治效果评估计算，则n2<n1；若取步骤S4中所有监测类别来进行防治效果评估计算，则n2＝n1。
进一步的，步骤S1中，在防控区域内布设一定数量的红火蚁诱集器的方法为：采用随机布设，布设后的诱集器尽量覆盖防控区域内各种生境类型，如：农田、园林绿化、居民区等。如果发现蚁巢，则将红火蚁诱集器布设在蚁巢上。
采用随机布设的方式来放置红火蚁诱集器，如果布设红火蚁诱集器的时候发现活动蚁巢，是要将红火蚁诱集器布设在活动蚁巢上，这样会使红火蚁诱集器更快的诱集到红火蚁。相比较于等间隔取样、五点取样、Z字形取样等传统方式，降低了对监测人员和放样操作的要求，更便于在野外复杂环境下开展监测工作，监测人员无需具备专业的调查知识和技能，能够让更多的人员参与其中，增加了红火蚁诱集器布设的数量和广度，使红火蚁防效评估结果更加全面系统，提高了防效评估工作的效率。
进一步的，步骤S1中，获取红火蚁诱集器的监测数据，具体方法为：
所述红火蚁诱集器包含诱集器本体、诱集标签，所述诱集标签用于便于人眼识别；
通过手持定位仪确定每个红火蚁诱集器的经纬度信息，人工手动记录每个红火蚁诱集器的经纬度信息、是否诱集发生红火蚁情况，并将获取到的每个红火蚁诱集器的监测数据上报至红火蚁防控评估系统。
人眼识别红火蚁诱集器上是否有诱集发生红火蚁的情况，通过人工的方式手动记录每个红火蚁诱集器的监测数据，对设备的要求度低。诱集器本体上设置有火腿肠来诱集红火蚁，诱集标签可以为小红旗。定位仪为GPS仪或者北斗仪。红火蚁防控评估系统可以设置在某个远程服务器中。
进一步的，请参照说明书附图3，步骤S1中，获取红火蚁诱集器的监测数据，具体方法为：
所述红火蚁诱集器包含诱集器本体、诱集标签，所述诱集标签用于便于人眼识别；
手机App拍摄红火蚁诱集器的诱集图片；
通过手机内置定位芯片识别出每个红火蚁诱集器的经纬度信息；
手机App将每个红火蚁诱集器的诱集图片和经纬度信息上传至红火蚁防控评估系统；
红火蚁防控评估系统根据每个红火蚁诱集器的诱集图片识别出每个红火蚁诱集器的是否诱集发生红火蚁情况。
手机App作为红火蚁诱集器的诱集图片采集软件，也作为红火蚁诱集器的经纬度信息采集端，定位芯片为GPS芯片或者北斗芯片，手机App将获取到的每个红火蚁诱集器的诱集图片和经纬度信息上传至红火蚁防控评估系统，在红火蚁防控评估系统中对是否诱集发生红火蚁情况进行分析识别，如果红火蚁防控评估系统上识别到诱集图片中有红火蚁，则认定该诱集图片对应的红火蚁诱集器有诱集发生红火蚁，如果红火蚁防控评估系统上识别到诱集图片中没有红火蚁，则认定该诱集图片对应的红火蚁诱集器没有诱集发生红火蚁。红火蚁防控评估系统可以设置在某个远程服务器中。
进一步的，请参照说明书附图4，步骤S1中，获取红火蚁诱集器的监测数据，具体方法为：
所述红火蚁诱集器包含诱集器本体、定位器、摄像头和无线传输模块；
每个所述红火蚁诱集器将各自定位器获取到的经纬度信息、各自摄像头获取到的诱集图片信息，通过各自的无线传输模块上传至红火蚁防控评估系统；
红火蚁防控评估系统根据每个红火蚁诱集器的诱集图片信息识别出每个红火蚁诱集器的是否诱集发生红火蚁情况。
每个红火蚁诱集器上的诱集器本体用来诱集红火蚁，定位器用来识别经纬度信息，摄像头用来获取诱集图片信息，无线传输模块用来将经纬度信息和诱集图片信息上传至红火蚁防控评估系统，在红火蚁防控评估系统内，通过识别摄像头上传的诱集图片信息上是否有红火蚁判断是否诱集发生红火蚁情况，这种方法获取红火蚁诱集器监测数据的方式是最节省人工最快的，但是红火蚁诱集器的制作成本也是最高的。红火蚁防控评估系统可以设置在某个远程服务器中。
进一步的，所述方法还包括：
执行完步骤S1后，红火蚁防控评估系统根据每个红火蚁诱集器的经纬度信息、是否诱集发生红火蚁情况执行步骤S2～S5中的内容。红火蚁防控评估系统可以设置在某个远程服务器中，红火蚁防控评估系统中的每个红火蚁诱集器的经纬度信息和是否诱集发生红火蚁情况、划定的监测类别数量、每个监测类别中包含哪些红火蚁诱集器、每个监测类别的监测面积和子红火蚁防治效果、综合红火蚁防治效果可传输至远程电脑、大数据显示屏或者手机App中进行显示。
综上所述，本发明提供的红火蚁防效评估方法，建立了红火蚁综合防控效果评价指标和评估方法，实现了根据红火蚁诱集器的空间相关性对其进行分类以及测算监测类别面积大小，并以此作为防效评估的权重。该方法根据在防控区域内随机放置的红火蚁诱集器的空间定位信息，运用空间聚类算法进行分类，形成相互独立的防效监测类别区域，然后计算出各监测类别覆盖面积和防控效果。最后以各监测类别的面积作为权重，测算防控区域综合防控效果。该方法提高了防效评估的效率和精度，同时将红火蚁种群空间分布特征作为权重纳入评估，使防效评估结果更加科学、可靠。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等同变换，或直接或间接运用在相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (9)
1.一种红火蚁防效评估方法，其特征在于，包括以下步骤：
S1：在防控区域内布设一定数量的红火蚁诱集器，红火蚁诱集器工作时间不少于预设诱集时间，获取红火蚁诱集器的监测数据，所述监测数据包括每个红火蚁诱集器的经纬度信息、是否诱集发生红火蚁情况；
S2：根据每个所述红火蚁诱集器的经纬度信息对红火蚁诱集器进行分类：将间隔距离在预设标定距离内的红火蚁诱集器归集为一个监测类别；
S3：在每个监测类别中，计算每个所述监测类别的监测面积；
S4：在每个监测类别中，根据每个红火蚁诱集器的是否诱集发生红火蚁情况计算每个监测类别的子红火蚁防治效果，具体为：
在第u个监测类别中，根据每个红火蚁诱集器的经纬度信息、是否诱集发生红火蚁情况，计算第u个监测类别的红火蚁诱集器总数量Tu和诱集发生红火蚁的诱集器数量tu，用n1代表步骤S2中监测类别的总数量，其中u＝1,…,n1；
计算第u个监测类别中的子红火蚁防治效果pu：
S5：根据每个监测类别的监测面积和子红火蚁防治效果，计算综合红火蚁防治效果。
2.根据权利要求1所述的红火蚁防效评估方法，其特征在于，步骤S2中，根据每个所述红火蚁诱集器的经纬度信息对红火蚁诱集器进行分类，将间隔距离在预设标定距离内的红火蚁诱集器归集为一个监测类别，具体为：
对红火蚁诱集器集合D＝{(x1，y1),(x2，y2),…,(xj，yj)…,(xm，ym)}进行分类，其中：(xj，yj)代表第j个红火蚁诱集器的经纬度信息，m代表放置红火蚁诱集器的总数量；
对于第i个红火蚁诱集器的经纬度信息(xi，yi)∈D，i＝1,…,m，第j个红火蚁诱集器的经纬度信息(xj，yj)∈D，j＝1,…,m，其对应的红火蚁诱集器所属的监测类别Nq可描述为：
Nq＝{(xi,yi)∈D,(xj,yj)∈D|distance((xi,yi),(xj,yj))≤r}；
其中：Nq代表第q个监测类别，用n1代表步骤S2中监测类别的总数量，则q＝1,…,n1；r代表预设标定距离。
3.根据权利要求2所述的红火蚁防效评估方法，其特征在于，步骤S3中，在每个监测类别中，计算每个所述监测类别的监测面积，具体为：
计算每个监测类别中的红火蚁诱集器数量；
当一个监测类别中的红火蚁诱集器数量大于或者等于3，根据处于最外围的红火蚁诱集器的经纬度信息，划定该监测类别的多边形边缘范围，计算该监测类别的面积；
当一个监测类别中的红火蚁诱集器数量等于2，以该2个红火蚁诱集器为中心、以r/2为半径的两个圆的并集面积为该监测类别的面积；
当一个监测类别中的红火蚁诱集器数量等于1，以该1个红火蚁诱集器为中心、以r/2为半径的圆的面积为该监测类别的面积，r代表预设标定距离。
4.根据权利要求1所述的红火蚁防效评估方法，其特征在于，步骤S5中，根据每个监测类别的监测面积和子红火蚁防治效果，计算综合红火蚁防治效果，具体为：
其中：P代表综合红火蚁防治效果指标，sk代表第k个监测类别的监测面积，pk代表第k个监测类别的子红火蚁防治效果，k＝1,…,n2，n2代表步骤S5中监测类别的总数量，n2≤n1，n1代表步骤S2中监测类别的总数量。
5.根据权利要求1所述的红火蚁防效评估方法，其特征在于，步骤S1中，在防控区域内布设一定数量的红火蚁诱集器的方法为：随机布设，如果发现蚁巢，则将红火蚁诱集器布设在蚁巢上。
6.根据权利要求1所述的红火蚁防效评估方法，其特征在于，步骤S1中，获取红火蚁诱集器的监测数据，具体方法为：
所述红火蚁诱集器包含诱集器本体、诱集标签，所述诱集标签用于便于人眼识别；
通过手持定位仪确定每个红火蚁诱集器的经纬度信息，人工手动记录每个红火蚁诱集器的经纬度信息、是否诱集发生红火蚁情况，并将获取到的每个红火蚁诱集器的监测数据上报至红火蚁防控评估系统。
7.根据权利要求1所述的红火蚁防效评估方法，其特征在于，步骤S1中，获取红火蚁诱集器的监测数据，具体方法为：
所述红火蚁诱集器包含诱集器本体、诱集标签，所述诱集标签用于便于人眼识别；
手机App拍摄红火蚁诱集器的诱集图片；
通过手机内置定位芯片识别出每个红火蚁诱集器的经纬度信息；
手机App将每个红火蚁诱集器的诱集图片和经纬度信息上传至红火蚁防控评估系统；
红火蚁防控评估系统根据每个红火蚁诱集器的诱集图片识别出每个红火蚁诱集器的是否诱集发生红火蚁情况。
8.根据权利要求1所述的红火蚁防效评估方法，其特征在于，步骤S1中，获取红火蚁诱集器的监测数据，具体方法为：
所述红火蚁诱集器包含诱集器本体、定位器、摄像头和无线传输模块；
每个所述红火蚁诱集器将各自定位器获取到的经纬度信息、各自摄像头获取到的诱集图片信息，通过各自的无线传输模块上传至红火蚁防控评估系统；
红火蚁防控评估系统根据每个红火蚁诱集器的诱集图片信息识别出每个红火蚁诱集器的是否诱集发生红火蚁情况。
9.根据权利要求6、7或8所述的红火蚁防效评估方法，其特征在于，所述方法还包括：
执行完步骤S1后，红火蚁防控评估系统根据每个红火蚁诱集器的经纬度信息、是否诱集发生红火蚁情况执行步骤S2～S5中的内容。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210386627.XA CN114698613B (zh) | 2022-04-13 | 2022-04-13 | 一种红火蚁防效评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210386627.XA CN114698613B (zh) | 2022-04-13 | 2022-04-13 | 一种红火蚁防效评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114698613A CN114698613A (zh) | 2022-07-05 |
| CN114698613B true CN114698613B (zh) | 2023-02-24 |
Family
ID=82173914
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210386627.XA Active CN114698613B (zh) | 2022-04-13 | 2022-04-13 | 一种红火蚁防效评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114698613B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105230588A (zh) * | 2015-11-24 | 2016-01-13 | 熊忠阳 | 基于物联网的白蚁远程自动监测系统 |
| EP3482630A1 (en) * | 2017-11-13 | 2019-05-15 | EFOS d.o.o. | Method, system and computer program for performing a pest forecast |
| CN109819950A (zh) * | 2018-12-29 | 2019-05-31 | 广州瑞丰生物科技有限公司 | 一种红火蚁的监测方法 |
| CN113016743A (zh) * | 2021-03-10 | 2021-06-25 | 北京依科曼生物技术股份有限公司 | 一种蝗虫虫情调查智能监测系统 |
| CN113287585A (zh) * | 2021-05-25 | 2021-08-24 | 红火蚁科技有限公司 | 一种红火蚁防控方法和系统 |
| CN113331148A (zh) * | 2021-05-25 | 2021-09-03 | 红火蚁科技有限公司 | 一种红火蚁监测方法和装置 |
| CN113749068A (zh) * | 2021-08-13 | 2021-12-07 | 广州隆昇科技有限公司 | 一种红火蚁监测方法及系统 |
-
2022
- 2022-04-13 CN CN202210386627.XA patent/CN114698613B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105230588A (zh) * | 2015-11-24 | 2016-01-13 | 熊忠阳 | 基于物联网的白蚁远程自动监测系统 |
| EP3482630A1 (en) * | 2017-11-13 | 2019-05-15 | EFOS d.o.o. | Method, system and computer program for performing a pest forecast |
| CN109819950A (zh) * | 2018-12-29 | 2019-05-31 | 广州瑞丰生物科技有限公司 | 一种红火蚁的监测方法 |
| CN113016743A (zh) * | 2021-03-10 | 2021-06-25 | 北京依科曼生物技术股份有限公司 | 一种蝗虫虫情调查智能监测系统 |
| CN113287585A (zh) * | 2021-05-25 | 2021-08-24 | 红火蚁科技有限公司 | 一种红火蚁防控方法和系统 |
| CN113331148A (zh) * | 2021-05-25 | 2021-09-03 | 红火蚁科技有限公司 | 一种红火蚁监测方法和装置 |
| CN113749068A (zh) * | 2021-08-13 | 2021-12-07 | 广州隆昇科技有限公司 | 一种红火蚁监测方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114698613A (zh) | 2022-07-05 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109840549B (zh) | 一种病虫害识别方法和装置 | |
| Whalley et al. | Measuring botanical composition of grasslands. | |
| CN108140118A (zh) | 用于识别至少一株种植在耕地上的植物的方法和信息系统 | |
| CN109726700B (zh) | 一种基于多特征的虫害识别预警方法和装置 | |
| Sciarretta et al. | Geostatistical analysis of Cydia funebrana (Lepidoptera: Tortricidae) pheromone trap catches at two spatial scales | |
| CN113331148B (zh) | 一种红火蚁监测方法和装置 | |
| CN109344738A (zh) | 农作物病虫草害识别方法及装置 | |
| Ripley | Spatial point pattern analysis in ecology | |
| CN107222682A (zh) | 农作物生长状况检测方法及装置 | |
| Ise et al. | Identifying 3 moss species by deep learning, using the" chopped picture" method | |
| CN107346424A (zh) | 灯诱昆虫识别计数方法及系统 | |
| CN106097119A (zh) | 采集装置、服务器、及信息采集、推送、获取及发送方法 | |
| CN115879773A (zh) | 一种基于物联网的病虫害智能预警方法及系统 | |
| CN110472784A (zh) | 一种基于人工智能的病虫害预报与诊断系统及方法 | |
| CN113537293A (zh) | 基于无人机和全卷积神经网络的小麦倒伏区域识别方法 | |
| CN114698613B (zh) | 一种红火蚁防效评估方法 | |
| Nutter Jr et al. | Recent developments in methods for assessing disease losses in forage/pasture crops | |
| Hess et al. | A regional assessment of windbreak habitat suitability | |
| RU2695490C2 (ru) | Способ мониторинга сельскохозяйственных угодий | |
| CN117541945A (zh) | 一种病虫害检测方法、系统及存储介质 | |
| Dufourd et al. | Parameter identification in population models for insects using trap data | |
| Felton et al. | Using reflectance sensors in agronomy and weed science | |
| CN112130825B (zh) | 一种蝗虫监测调查移动端软件系统 | |
| Mazare et al. | Pests detection system for agricultural crops using intelligent image analysis | |
| Costa et al. | Standardizing sampling for detection and monitoring of hemlock woolly adelgid in eastern hemlock forests |
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 | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231221 Address after: 350000 No. 54, 247 Gulou District, Fujian, Fuzhou Patentee after: Digital Agriculture Research Institute of Fujian Academy of Agricultural Sciences Patentee after: Fujian plant protection and inspection station Address before: No.247, Wusi Road, Gulou District, Fuzhou City, Fujian Province Patentee before: SCIENTIFIC TECHNICAL PERSONNEL TRAINING CENTER, FUJIAN ACADEMY OF AGRICULTURAL SCIENCES Patentee before: Fujian plant protection and inspection station |
|
| TR01 | Transfer of patent right |