CN115166866A - 基于格点化气象数据的柑橘病虫害发生预报方法及系统 - Google Patents
基于格点化气象数据的柑橘病虫害发生预报方法及系统 Download PDFInfo
- Publication number
- CN115166866A CN115166866A CN202210769737.4A CN202210769737A CN115166866A CN 115166866 A CN115166866 A CN 115166866A CN 202210769737 A CN202210769737 A CN 202210769737A CN 115166866 A CN115166866 A CN 115166866A
- Authority
- CN
- China
- Prior art keywords
- meteorological
- data
- citrus
- forecast
- weather
- 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.)
- Granted
Links
- 241000607479 Yersinia pestis Species 0.000 title claims abstract description 144
- 201000010099 disease Diseases 0.000 title claims abstract description 141
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 141
- 241000207199 Citrus Species 0.000 title claims abstract description 138
- 235000020971 citrus fruits Nutrition 0.000 title claims abstract description 132
- 241000238631 Hexapoda Species 0.000 title claims abstract description 100
- 238000013277 forecasting method Methods 0.000 title claims description 11
- 238000000034 method Methods 0.000 claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 31
- 230000010354 integration Effects 0.000 claims abstract description 12
- 238000004458 analytical method Methods 0.000 claims abstract description 11
- 238000001556 precipitation Methods 0.000 claims description 34
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 claims description 15
- 238000012935 Averaging Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 3
- 238000010586 diagram Methods 0.000 claims description 3
- 238000012800 visualization Methods 0.000 claims description 3
- 241000196324 Embryophyta Species 0.000 abstract description 4
- 230000009466 transformation Effects 0.000 abstract description 2
- 238000011161 development Methods 0.000 description 14
- 230000009286 beneficial effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 3
- 241000526125 Diaphorina citri Species 0.000 description 2
- 241000488583 Panonychus ulmi Species 0.000 description 2
- 206010039509 Scab Diseases 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- LLLILZLFKGJCCV-UHFFFAOYSA-M n-methyl-n-[(1-methylpyridin-1-ium-4-yl)methylideneamino]aniline;methyl sulfate Chemical compound COS([O-])(=O)=O.C=1C=CC=CC=1N(C)\N=C\C1=CC=[N+](C)C=C1 LLLILZLFKGJCCV-UHFFFAOYSA-M 0.000 description 2
- 241001133184 Colletotrichum agaves Species 0.000 description 1
- 241001517923 Douglasiidae Species 0.000 description 1
- 241001525654 Phyllocnistis citrella Species 0.000 description 1
- 241000343234 Scirtothrips citri Species 0.000 description 1
- 241001414989 Thysanoptera Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001717 pathogenic effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Images
Classifications
-
- 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
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/02—Agriculture; Fishing; 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
Abstract
本发明涉及植物疾病预报技术领域,提出基于格点化气象数据的柑橘病虫害发生预报方法及系统,包括以下步骤:获取区域范围内柑橘病虫害的发病样本数据,以及相应时间的气象样本数据;基于通径分析方法,利用气象样本数据和发病样本数据计算不同气象因子对柑橘病虫发生造成影响的直接通径系数,并根据直接通径系数计算相应气象因子的权重系数;通过气象预报产品获得格点气象预报数据,并对格点气象预报数据进行插值处理;根据经过插值处理的格点气象预报数据,对不同气象因子判断柑橘病虫害发生的预报情况进行等级划分并得到相应的预报格点值;根据气象因子的权重系数对相应气象因子的预报格点值进行加权集成,输出柑橘病虫害发生预报等级值。
Description
技术领域
本发明涉及植物疾病预报技术领域,更具体地,涉及一种基于格点化气象数据的柑橘病虫害发生预报方法及系统。
背景技术
农业部门的作物病虫害情报主要依靠气候预测产品对未来一段时间作物病虫害的发生趋势进行预测,存在时效性较差,并且不能实现量化预测的问题,不利于指导农业管理及生产者对作物病虫害的防治。
目前有一种虫害预测方法,通过获取农作物的病虫害历史信息并进行语义分析,构建基于深度神经网络的病虫害预测模型,再获取目标区域的气象指标信息和环境指标信息,将气象指标信息和环境指标信息输入到病虫害预测模型中,输出得到目标区域的病虫害预测结果,进而根据病虫害预测结果进行预警。然而,直接将大范围区域的气象数据应用于柑橘病虫害发生预报时,存在精细化程度低,且没有考虑不同气象因子对柑橘病虫害发生预报的影响,存在预报精准率低的问题。
发明内容
本发明为克服上述现有技术所述的将大范围区域的气象数据应用于柑橘病虫害发生预报时,存在精细化程度低,预报精准率低的缺陷,提供一种基于格点化气象数据的柑橘病虫害发生预报方法及系统。
为解决上述技术问题,本发明的技术方案如下:
基于格点化气象数据的柑橘病虫害发生预报方法,包括以下步骤:
S1、获取区域范围内柑橘病虫害的发病样本数据,以及相应时间的气象样本数据;
S2、基于通径分析方法,利用气象样本数据和发病样本数据计算不同气象因子对柑橘病虫发生造成影响的直接通径系数,并根据直接通径系数计算相应气象因子的权重系数;
S3、通过气象预报产品获得格点气象预报数据,并对格点气象预报数据进行插值处理;
S4、根据经过插值处理的格点气象预报数据,对不同气象因子判断柑橘病虫害发生的预报情况进行等级划分并得到相应的预报格点值;根据气象因子的权重系数对相应气象因子的预报格点值进行加权集成,输出柑橘病虫害发生预报等级值。
作为优选方案,所述柑橘病虫害的发病样本数据包括柑橘病虫害的发病时间、虫害量和发病程度;所述气象样本数据包括气温、降水量和相对湿度。
作为优选方案,所述S1步骤中,还包括以下步骤:
根据发病样本数据中虫害量和发病程度,对相应时间的气象样本数据进行统计,计算不同气象因子的区间阈值,并进行等级划分;其中:
气象因子i的区间阈值βi的表达式为:
式中,Xi,max为气象因子i的适宜区间最大值,Xi,max为气象因子i的适宜区间最小值;则气温等级划分的表达式为:
降水量等级划分的表达式为:
相对湿度等级划分的表达式为:
作为优选方案,所述S2步骤中,计算不同气象因子对柑橘病虫发生造成影响的直接通径系数的步骤包括:
根据气象样本数据和发病样本数据,针对气象因子i,统计所有气象样本数据在气象因子i下的影响系数,其表达式如下:
式中,bi为偏回归系数;xij表示在第j个发病样本数据中第i个气象因子的气象数值,为在n个发病样本数据中第i个气象因子的平均值;yj表示第j个发病样本数据的虫害发生指数,为n个发病样本数据的虫害发生指数平均值;
根据直接通径系数计算相应气象因子的权重系数,其表达式如下:
式中,k为气象因子的类别数。
作为优选方案,所述S3步骤中,对格点气象预报数据进行插值处理的步骤包括:
S3.1、对获取的格点气象预报数据进行侯的平均或累计处理,得到侯平均气温、侯平均降水数据和侯平均相对湿度;
S3.2、对侯平均降水数据采用泰森多边形方法进行插值;调用数字高程数据,对侯平均气温、侯平均相对湿度采用协同克里金法进行插值。
作为优选方案,所述S4步骤中,包括以下步骤:
S4.1、根据经过插值处理得到的格点精细化气象预报数据,结合不同气象因子的等级划分,得到柑橘病虫害发生预报的降水条件预报格点值Pp、气温条件预报格点值Tp和相对湿度条件预报格点值RHp;
S4.2、根据降水条件预报格点值Pp、气温条件预报格点值Tp和相对湿度条件预报格点值RHp,结合相应气象因子的权重系数进行加权集成,计算得到柑橘病虫害发生预报等级值Fc;其表达式如下:
Fc=α1×Tp+α2×Pp+α3×RHp。
作为优选方案,还包括以下步骤:根据柑橘病虫害发生预报等级值,调用数字高程数据,生成预报区域柑橘病虫害发生综合气象等级色斑图并进行可视化。
进一步地,本发明还提出了一种基于格点化气象数据的柑橘病虫害发生预报系统,应用上述任一技术方案提出的柑橘病虫害发生预报方法。其中包括:
样本采集模块,用于获取区域范围内柑橘病虫害的发病样本数据,以及相应时间的气象样本数据;
权重计算模块,用于根据气象样本数据和发病样本数据采用通径分析方法计算不同气象因子对柑橘病虫发生造成影响的直接通径系数,并根据直接通径系数计算相应气象因子的权重系数;
格点气象预报模块,用于通过气象预报产品获得格点气象预报数据,并对格点气象预报数据进行插值处理;
虫害发生预报模块,用于根据经过插值处理的格点气象预报数据,对不同气象因子判断柑橘病虫害发生的预报情况进行等级划分并得到相应的预报格点值;根据气象因子的权重系数对相应气象因子的预报格点值进行加权集成,输出柑橘病虫害发生预报等级值。
作为优选方案,所述格点气象预报模块包括数据采集单元和插值处理单元;其中:
所述数据采集单元用于通过气象预报产品获得格点气象预报数据,并对获取的格点气象预报数据进行侯的平均或累计处理,得到侯平均气温、侯平均降水数据和侯平均相对湿度;
所述插值处理单元用于对侯平均降水数据采用泰森多边形方法进行插值,以及通过调用数字高程数据,对侯平均气温、侯平均相对湿度采用协同克里金法进行插值。
作为优选方案,所述系统还包括可视化模块,用于根据虫害发生预报模块输出的柑橘病虫害发生预报等级值以及数字高程数据,生成预报区域柑橘病虫害发生综合气象等级色斑图并进行可视化。
与现有技术相比,本发明技术方案的有益效果是:本发明考虑不同气象因子对柑橘病虫害的影响程度,以权重系数的形式计算柑橘病虫害发生预报等级值,有效提高柑橘病虫害发生预报的预报精准率;同时,本发明对气象数据进行格点精细化处理,通过单气象因子阈值等级赋分和集合加权,生成柑橘病虫害发生预报结果,进一步提高精细化程度和预报精准率。
附图说明
图1为本发明实施例的柑橘病虫害发生预报方法的流程图。
图2为本发明实施例的柑橘病虫害发生预报方法的流程示意图。
图3为本发明实施例的柑橘病虫害发生预报系统的架构图。
具体实施方式
附图仅用于示例性说明,不能理解为对本专利的限制;
对于本领域技术人员来说,附图中某些公知结构及其说明可能省略是可以理解的。
下面结合附图和实施例对本发明的技术方案做进一步的说明。
实施例1
本实施例提出一种基于格点化气象数据的柑橘病虫害发生预报方法,如图1、2所示,为本实施例的基于格点化气象数据的柑橘病虫害发生预报方法的流程图。
本实施例提出的基于格点化气象数据的柑橘病虫害发生预报方法中,包括以下步骤:
S1、获取区域范围内柑橘病虫害的发病样本数据,以及相应时间的气象样本数据。
S2、基于通径分析方法,利用气象样本数据和发病样本数据计算不同气象因子对柑橘病虫发生造成影响的直接通径系数,并根据直接通径系数计算相应气象因子的权重系数。
S3、通过气象预报产品获得格点气象预报数据,并对格点气象预报数据进行插值处理。
S4、根据经过插值处理的格点气象预报数据,对不同气象因子判断柑橘病虫害发生的预报情况进行等级划分并得到相应的预报格点值;根据气象因子的权重系数对相应气象因子的预报格点值进行加权集成,输出柑橘病虫害发生预报等级值。
本实施例中,柑橘病虫害的发生发展受气温、降水、相对湿度、日照时数、风速等多个气象要素的共同影响,不同气象要素对其影响程度不同,且受限于日照时数、风速预报产品。
在一可选实施例中,以气温、降水、相对湿度3个气象因子构建柑橘病虫害发生预报模型,通过赋予不同决策系数代表其贡献度,根据格点化精细气象预报数据输出柑橘病虫害发生预报等级值。
则在S1步骤中,柑橘病虫害的发病样本数据包括柑橘病虫害的发病时间、虫害量和发病程度。气象样本数据包括气温、降水量和相对湿度。
进一步地,根据柑橘病虫害的发病时间、虫害量和发病程度对相应时间的气温、降水量和相对湿度进行统计分析,计算不同气象因子的区间阈值,对不同的气象因子进行等级划分。
在一可选实施例中,气象因子i的区间阈值βi根据柑橘病虫害发生的适宜温度范围、降水量值和相对湿度值计算得到。其表达式如下:
式中,Xi,max为气象因子i的适宜区间最大值,Xi,max为气象因子i的适宜区间最小值。由此进行气温等级划分的表达式为:
降水量等级划分的表达式为:
相对湿度等级划分的表达式为:
在一具体实施过程中,考虑到在柑橘生长季,柑橘病的最适气温条件为21~29℃,且降水越多,越有利于柑橘病发生,因此暴雨或台风过后易发病;研究表明日平均相对湿度≥80%有利于柑橘病的发生。
由此气温等级划分的表达式为:
降水量等级划分的表达式为:
相对湿度等级划分的表达式为:
得到如下表1所示的柑橘病虫害发生发展气象条件等级赋值情况。
表1柑橘病虫害发生发展气象条件等级赋值
进一步地,在一可选实施例中,在S2步骤中,计算不同气象因子对柑橘病虫发生造成影响的直接通径系数的步骤包括:
根据气象样本数据和发病样本数据,针对气象因子i,统计所有气象样本数据在气象因子i下的影响系数,其表达式如下:
式中,bi为偏回归系数;xij表示在第j个发病样本数据中第i个气象因子的气象数值,为在n个发病样本数据中第i个气象因子的平均值;yj表示第j个发病样本数据的虫害发生指数,为n个发病样本数据的虫害发生指数平均值。
其中,偏回归系数bi为变量xi与y的偏相关系数。
进一步地,根据直接通径系数计算相应气象因子的权重系数αi,其表达式如下:
式中,k为气象因子的类别数。
其中,通径分析方法是一种多元统计技术,通过对自变量与因变量之间的表面直接相关性分解,得到自变量对因变量的直接重要性和间接重要性。
本实施例中,直接通径系数为一气象因子对柑橘病虫害发生等级的影响系数。
在具体实施过程中,可统计软件IBM SPSS得到不同气象因子的直接通径系数,以此求得不同气象因子的决策系数。
进一步地,在一可选实施例中,对格点气象预报数据进行插值处理的步骤包括:
S3.1、对获取的格点气象预报数据进行侯的平均或累计处理,得到侯平均气温、侯平均降水数据和侯平均相对湿度;
S3.2、对侯平均降水数据采用泰森多边形方法进行插值;调用数字高程数据,对侯平均气温、侯平均相对湿度采用协同克里金法进行插值。
其中,通过数据接口获取每天20时起报的未来5天格点气象预报数据,根据接口得到的气温、降水、相对湿度,分别做侯的平均或累计,并对降水数据采用泰森多边形方法进行插值,调用数字高程数据,对气温、相对湿度采用协同克里金法进行插值,能够确保插值精度较高。
进一步地,S4步骤中,包括以下步骤:
S4.1、根据经过插值处理得到的格点精细化气象预报数据,结合不同气象因子的等级划分,得到柑橘病虫害发生预报的降水条件预报格点值Pp、气温条件预报格点值Tp和相对湿度条件预报格点值RHp。
S4.2、根据降水条件预报格点值Pp、气温条件预报格点值Tp和相对湿度条件预报格点值RHp,结合相应气象因子的权重系数进行加权集成,计算得到柑橘病虫害发生预报等级值Fc;其表达式如下:
Fc=α1×Tp+α2×Pp+α3×RHp。
本实施例中,分别针对降水、气温、相对湿度筛选出最优插值方法进行精细化插值,然后通过单气象因子阈值等级赋分和集合加权,生成柑橘病虫害发生预报结果,能够提高精细化程度,同时考虑不同气象因子对柑橘病虫害的影响程度,以权重系数的形式计算柑橘病虫害发生预报等级值,有效提高柑橘病虫害发生预报的预报精准率。
在另一可选实施例中,还包括以下步骤:根据柑橘病虫害发生预报等级值,调用数字高程数据以及Arcgis pro程序包,生成预报区域柑橘病虫害发生综合气象等级色斑图并进行可视化。
实施例2
本实施例应用实施例1提出的基于格点化气象数据的柑橘病虫害发生预报方法,应用于广东省各植保站监测。
柑橘溃疡病每年3月下侯至12月均可发生,一年有3个发病高峰期,分别是5月上侯(春梢),6月下侯(夏梢),9月下侯(秋梢),其中以6、7月份夏梢和晚夏梢受害最重。利用2015-2020年广东省各植保站监测的柑橘溃疡病发病程度情况,将病叶率≥40%,40%>病叶率≥30%、30%>病叶率≥20%、20%>病叶率≥10%、病叶率<10%发生等级分别赋值为5、4、3、2、1,按照时间、地点先后顺序建立柑橘溃疡病发生指数序列,并将对应时间相应气象观测站监测到的侯气象要素建立侯平均气温、侯降水、侯平均相对湿度序列。
广东省2015-2020年柑橘溃疡病发生指数序列y和气象因子序列x分别为:
y=(y1,y2,...,yj,...,yn)
其中,xij表示在第j个发病样本数据中第i个气象因子的气象数值,yj表示第j个发病样本数据的虫害发生指数,n为2015-2020年期间采集的柑橘溃疡病发病样本总数。
计算不同气象因子对柑橘病虫发生造成影响的直接通径系数,得到侯平均气温、侯降水、侯平均相当湿度、侯平均日照对柑橘溃疡病发生发展的决策系数,α1、α2、α3分别为0.4213,0.3428,0.2459。由此构建得到的柑橘病虫害发生预报模型的表达式为:
Fc=0.4213×Tp+0.3428×Pp+0.2459×RHp。
进一步地,采用广东省陆地格点订正预报产品数据,格点分辨率为5×5公里,每日20时起报的日逐小时气温,降水、相对湿度,日平均气温为24小时平均,日降水为24小时累计降水,日平均相对湿度为24小时平均小时湿度。选用泰森多边形法对广东省陆地格点订正预报产品降水数据进行插值,选用考虑高程的协同克里金广东省陆地格点订正预报产品气温、相对湿度数据进行插值。
将经过插值处理得到的格点精细化气象预报数据结合不同气象因子的等级划分,得到柑橘病虫害发生预报的降水条件预报格点值Pp、气温条件预报格点值Tp和相对湿度条件预报格点值RHp,然后输入柑橘病虫害发生预报模型中结合相应气象因子的权重系数进行加权集成,计算得到柑橘病虫害发生预报等级值Fc。
在一具体实施过程中,根据柑橘溃疡病发生发展气象条件等级预报的构建步骤,构建了柑橘黄龙病、溃疡病、炭疽病、疮痂病、褐斑病、红蜘蛛、潜叶蛾、蓟马等5种病害及虫害,其中黄龙病为内生菌病害,以预报柑橘木虱的发生发展代替,相关气象条件指标及权重系数如下表2~8所示。
表2柑橘黄龙病(柑橘木虱)发生发展气象条件等级分级
其中,预报决策系数为α1=0.4678,α2=0.1963,α3=0.3359。
表3柑橘炭疽病发生发展气象条件等级分级
其中,预报决策系数为α1=0.3018,α2=0.5312,α3=0.1607。
表4柑橘疮痂病发生发展气象条件等级分级
其中,预报决策系数为α1=0.1900,α2=0.3419,α3=0.4681。
表5柑橘褐斑病发生发展气象条件等级分级
其中,预报决策系数为α1=0.1763,α2=0.5723,α3=0.2514。
表6柑橘红蜘蛛发生发展气象条件等级分级
其中,预报决策系数为α1=0.4735,α2=0.3156,α3=0.2109。
表7柑橘潜叶蛾发生发展气象条件等级分级
其中,预报决策系数为α1=0.3694,α2=0.3989,α3=0.2317。
表8柑橘蓟马发生发展气象条件等级分级
其中,预报决策系数为α1=0.4159,α2=0.3452,α3=0.2389。
根据预报决策系数代入柑橘病虫害发生预报模型即可得到该侯柑橘某病虫害发生发展的精细化格点综合气象条件等级。
实施例3
本实施例提出一种基于格点化气象数据的柑橘病虫害发生预报系统,应用实施例1提出的基于格点化气象数据的柑橘病虫害发生预报方法。如图3所示,为本实施例的基于格点化气象数据的柑橘病虫害发生预报系统的架构图。
本实施例提出的基于格点化气象数据的柑橘病虫害发生预报系统中,包括:
样本采集模块100,用于获取区域范围内柑橘病虫害的发病样本数据,以及相应时间的气象样本数据。
权重计算模块200,用于根据气象样本数据和发病样本数据采用通径分析方法计算不同气象因子对柑橘病虫发生造成影响的直接通径系数,并根据直接通径系数计算相应气象因子的权重系数。
格点气象预报模块300,用于通过气象预报产品获得格点气象预报数据,并对格点气象预报数据进行插值处理。
虫害发生预报模块400,用于根据经过插值处理的格点气象预报数据,对不同气象因子判断柑橘病虫害发生的预报情况进行等级划分并得到相应的预报格点值;根据气象因子的权重系数对相应气象因子的预报格点值进行加权集成,输出柑橘病虫害发生预报等级值。
在一可选实施例中,样本采集模块100采集的柑橘病虫害的发病样本数据包括柑橘病虫害的发病时间、虫害量和发病程度,采集的气象样本数据包括气温、降水量和相对湿度。
在一可选实施例中,样本采集模块100还包括数据处理单元。所述数据处理单元用于根据发病样本数据中虫害量和发病程度,对相应时间的气象样本数据进行统计,计算不同气象因子的区间阈值,设置等级划分规则,并发送至虫害发生预报模块400中,应用于虫害发生预报分析。
进一步地,不同气象因子的区间阈值可根据相关文献和/或病虫害观测记录分析得到。
在一可选实施例中,格点气象预报模块300包括数据采集单元和插值处理单元。
其中,所述数据采集单元用于通过气象预报产品获得格点气象预报数据,并对获取的格点气象预报数据进行侯的平均或累计处理,得到侯平均气温、侯平均降水数据和侯平均相对湿度。
所述插值处理单元用于对侯平均降水数据采用泰森多边形方法进行插值,以及通过调用数字高程数据,对侯平均气温、侯平均相对湿度采用协同克里金法进行插值。
进一步地,本实施例中的虫害发生预报模块400根据经过插值处理得到的格点精细化气象预报数据,结合不同气象因子的等级划分,得到柑橘病虫害发生预报的降水条件预报格点值Pp、气温条件预报格点值Tp和相对湿度条件预报格点值RHp。然后根据降水条件预报格点值Pp、气温条件预报格点值Tp和相对湿度条件预报格点值RHp,结合相应气象因子的权重系数进行加权集成,计算得到柑橘病虫害发生预报等级值作为预报结果进行输出。
在一可选实施例中,系统还包括可视化模块,用于根据虫害发生预报模块400输出的柑橘病虫害发生预报等级值以及数字高程数据,生成预报区域柑橘病虫害发生综合气象等级色斑图并进行可视化。
进一步地,在一可选实施例中,利用Python程序将上述柑橘溃疡病发生综合气象等级色斑图自动导入文档,并根据等级自动匹配生物防治或化学防治建议,生成服务产品。
相同或相似的标号对应相同或相似的部件;
显然,本发明的上述实施例仅仅是为清楚地说明本发明所作的举例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明权利要求的保护范围之内。
Claims (10)
1.基于格点化气象数据的柑橘病虫害发生预报方法,其特征在于,包括以下步骤:
S1、获取区域范围内柑橘病虫害的发病样本数据,以及相应时间的气象样本数据;
S2、基于通径分析方法,利用气象样本数据和发病样本数据计算不同气象因子对柑橘病虫发生造成影响的直接通径系数,并根据直接通径系数计算相应气象因子的权重系数;
S3、通过气象预报产品获得格点气象预报数据,并对格点气象预报数据进行插值处理;
S4、根据经过插值处理的格点气象预报数据,对不同气象因子判断柑橘病虫害发生的预报情况进行等级划分并得到相应的预报格点值;根据气象因子的权重系数对相应气象因子的预报格点值进行加权集成,输出柑橘病虫害发生预报等级值。
2.根据权利要求1所述的柑橘病虫害发生预报方法,其特征在于,所述柑橘病虫害的发病样本数据包括柑橘病虫害的发病时间、虫害量和发病程度;所述气象样本数据包括气温、降水量和相对湿度。
5.根据权利要求3所述的柑橘病虫害发生预报方法,其特征在于,所述S3步骤中,对格点气象预报数据进行插值处理的步骤包括:
S3.1、对获取的格点气象预报数据进行侯的平均或累计处理,得到侯平均气温、侯平均降水数据和侯平均相对湿度;
S3.2、对侯平均降水数据采用泰森多边形方法进行插值;调用数字高程数据,对侯平均气温、侯平均相对湿度采用协同克里金法进行插值。
6.根据权利要求5所述的柑橘病虫害发生预报方法,其特征在于,所述S4步骤中,包括以下步骤:
S4.1、根据经过插值处理得到的格点精细化气象预报数据,结合不同气象因子的等级划分,得到柑橘病虫害发生预报的降水条件预报格点值Pp、气温条件预报格点值Tp和相对湿度条件预报格点值RHp;
S4.2、根据降水条件预报格点值Pp、气温条件预报格点值Tp和相对湿度条件预报格点值RHp,结合相应气象因子的权重系数进行加权集成,计算得到柑橘病虫害发生预报等级值Fc;其表达式如下:
Fc=α1×Tp+α2×Pp+α3×RHp。
7.根据权利要求1~6任一项所述的柑橘病虫害发生预报方法,其特征在于,还包括以下步骤:根据柑橘病虫害发生预报等级值,调用数字高程数据,生成预报区域柑橘病虫害发生综合气象等级色斑图并进行可视化。
8.基于格点化气象数据的柑橘病虫害发生预报系统,应用权利要求1~7任一项所述的柑橘病虫害发生预报方法,其特征在于,包括:
样本采集模块,用于获取区域范围内柑橘病虫害的发病样本数据,以及相应时间的气象样本数据;
权重计算模块,用于根据气象样本数据和发病样本数据采用通径分析方法计算不同气象因子对柑橘病虫发生造成影响的直接通径系数,并根据直接通径系数计算相应气象因子的权重系数;
格点气象预报模块,用于通过气象预报产品获得格点气象预报数据,并对格点气象预报数据进行插值处理;
虫害发生预报模块,用于根据经过插值处理的格点气象预报数据,对不同气象因子判断柑橘病虫害发生的预报情况进行等级划分并得到相应的预报格点值;根据气象因子的权重系数对相应气象因子的预报格点值进行加权集成,输出柑橘病虫害发生预报等级值。
9.根据权利要求8所述的柑橘病虫害发生预报系统,其特征在于,所述格点气象预报模块包括数据采集单元和插值处理单元;其中:
所述数据采集单元用于通过气象预报产品获得格点气象预报数据,并对获取的格点气象预报数据进行侯的平均或累计处理,得到侯平均气温、侯平均降水数据和侯平均相对湿度;
所述插值处理单元用于对侯平均降水数据采用泰森多边形方法进行插值,以及通过调用数字高程数据,对侯平均气温、侯平均相对湿度采用协同克里金法进行插值。
10.根据权利要求8所述的柑橘病虫害发生预报系统,其特征在于,所述系统还包括可视化模块,用于根据虫害发生预报模块输出的柑橘病虫害发生预报等级值以及数字高程数据,生成预报区域柑橘病虫害发生综合气象等级色斑图并进行可视化。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210769737.4A CN115166866B (zh) | 2022-07-01 | 2022-07-01 | 基于格点化气象数据的柑橘病虫害发生预报方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210769737.4A CN115166866B (zh) | 2022-07-01 | 2022-07-01 | 基于格点化气象数据的柑橘病虫害发生预报方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115166866A true CN115166866A (zh) | 2022-10-11 |
CN115166866B CN115166866B (zh) | 2024-03-15 |
Family
ID=83489921
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210769737.4A Active CN115166866B (zh) | 2022-07-01 | 2022-07-01 | 基于格点化气象数据的柑橘病虫害发生预报方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115166866B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115563875A (zh) * | 2022-10-19 | 2023-01-03 | 北京爱科农科技有限公司 | 一种柑橘红蜘蛛种群数量动态预测方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20020001902A (ko) * | 2000-04-24 | 2002-01-09 | 강두환 | 고분자 키틴, 키토산을 이용한 감귤 병충해 방제방법 |
CN109147282A (zh) * | 2018-07-03 | 2019-01-04 | 华南农业大学 | 一种智能稻田虫害等级预报系统和预报方法 |
CN112949917A (zh) * | 2021-02-20 | 2021-06-11 | 廖廓 | 基于气象数据的茶叶茶小绿叶蝉虫害预警方法及系统 |
KR20210080669A (ko) * | 2019-12-20 | 2021-07-01 | 재단법인 국가농림기상센터 | 기상자료를 활용한 사과 갈색무늬병 예측 모형과 이를 이용한 사과 갈색무늬병 예측 방법 |
CN114298418A (zh) * | 2021-12-29 | 2022-04-08 | 江苏省气候中心 | 小麦赤霉病流行气象适宜度等级预测方法及计算机系统 |
CN114442198A (zh) * | 2022-01-21 | 2022-05-06 | 广西壮族自治区气象科学研究所 | 一种基于加权算法的森林火险气象等级预报方法 |
-
2022
- 2022-07-01 CN CN202210769737.4A patent/CN115166866B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20020001902A (ko) * | 2000-04-24 | 2002-01-09 | 강두환 | 고분자 키틴, 키토산을 이용한 감귤 병충해 방제방법 |
CN109147282A (zh) * | 2018-07-03 | 2019-01-04 | 华南农业大学 | 一种智能稻田虫害等级预报系统和预报方法 |
KR20210080669A (ko) * | 2019-12-20 | 2021-07-01 | 재단법인 국가농림기상센터 | 기상자료를 활용한 사과 갈색무늬병 예측 모형과 이를 이용한 사과 갈색무늬병 예측 방법 |
CN112949917A (zh) * | 2021-02-20 | 2021-06-11 | 廖廓 | 基于气象数据的茶叶茶小绿叶蝉虫害预警方法及系统 |
CN114298418A (zh) * | 2021-12-29 | 2022-04-08 | 江苏省气候中心 | 小麦赤霉病流行气象适宜度等级预测方法及计算机系统 |
CN114442198A (zh) * | 2022-01-21 | 2022-05-06 | 广西壮族自治区气象科学研究所 | 一种基于加权算法的森林火险气象等级预报方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115563875A (zh) * | 2022-10-19 | 2023-01-03 | 北京爱科农科技有限公司 | 一种柑橘红蜘蛛种群数量动态预测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115166866B (zh) | 2024-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111045117B (zh) | 一种气候监测预测平台 | |
CN106951979A (zh) | 遥感、作物模型与气象预报融合的作物成熟期预测方法 | |
CN112215716A (zh) | 农作物生长干预方法、装置、设备及存储介质 | |
CN111897030A (zh) | 一种雷暴预警系统及方法 | |
CN112800634A (zh) | 耦合干湿状态辨识与多源信息融合的降水估计方法及系统 | |
CN114972843A (zh) | 一种基于大数据的农业病虫害诊断与预警系统 | |
CN112285807A (zh) | 一种气象信息预测方法及装置 | |
CN110246051A (zh) | 作物生长周期模型及不同种类农产品建立生长周期的方法 | |
CN112232535A (zh) | 一种基于监督学习的航班离场平均延误预测方法 | |
CN115166866A (zh) | 基于格点化气象数据的柑橘病虫害发生预报方法及系统 | |
CN114330931A (zh) | 一种基于气象条件的桂平荔枝产量大小年年型等级区域预测模型的构建方法 | |
CN112819227A (zh) | 一种县级尺度冬小麦单产预测方法及系统 | |
CN115049112A (zh) | 一种迁飞性昆虫空间分布预测方法和装置 | |
CN111915083A (zh) | 一种基于时间分层组合的风电功率预测方法及预测系统 | |
CN115860279B (zh) | 南美白对虾养殖投苗作业窗口期的气象风险预测方法 | |
CN112884601A (zh) | 一种基于天气区划策略的电力系统运行风险评估方法 | |
CN114330478A (zh) | 针对电网风速预报的风速分类订正方法 | |
CN113344293A (zh) | 一种基于nca-融合回归树模型的光伏功率预测方法 | |
CN113176420A (zh) | 一种针对电网杆塔点的风速预报订正系统 | |
Ribeiro et al. | A bioclimatic model for forecasting olive yield | |
CN111626638A (zh) | 夏玉米倒伏气象等级评估模型的构建与应用 | |
CN114781683B (zh) | 温室黄瓜霜霉病预测方法及装置 | |
Gallé et al. | Indian agriculture under climate change: The competing effect of temperature and rainfall anomalies | |
CN116821589B (zh) | 促进生态服务功能提升的植被覆盖度恢复上限计算方法 | |
Singh et al. | Decision support system for digitally climate informed services to farmers in 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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |