CN117852724A - 一种林业有害生物的预测方法及系统 - Google Patents

一种林业有害生物的预测方法及系统 Download PDF

Info

Publication number
CN117852724A
CN117852724A CN202410247912.2A CN202410247912A CN117852724A CN 117852724 A CN117852724 A CN 117852724A CN 202410247912 A CN202410247912 A CN 202410247912A CN 117852724 A CN117852724 A CN 117852724A
Authority
CN
China
Prior art keywords
area
various
vegetation
region
organisms
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
Application number
CN202410247912.2A
Other languages
English (en)
Other versions
CN117852724B (zh
Inventor
段政明
王宏杰
王艋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Yangling Vocational and Technical College
Original Assignee
Yangling Vocational and Technical College
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Yangling Vocational and Technical College filed Critical Yangling Vocational and Technical College
Priority to CN202410247912.2A priority Critical patent/CN117852724B/zh
Publication of CN117852724A publication Critical patent/CN117852724A/zh
Application granted granted Critical
Publication of CN117852724B publication Critical patent/CN117852724B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/29—Geographical information databases
    • 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
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Databases & Information Systems (AREA)
  • Primary Health Care (AREA)
  • Data Mining & Analysis (AREA)
  • Agronomy & Crop Science (AREA)
  • Remote Sensing (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mining & Mineral Resources (AREA)
  • Marine Sciences & Fisheries (AREA)
  • Animal Husbandry (AREA)
  • Catching Or Destruction (AREA)

Abstract

本发明公开了一种林业有害生物的预测方法及系统，涉及林业有害生物预测技术领域，本发明通过根据各区域中的环境信息以及各次历史监测时的环境信息，分析各区域与各次历史监测对应各类有害生物的植被生长影响因子，然后预测有害生物的生长数据，并对各区域中各类有害生物的入侵情况进行分析，同时根据各区域中各类有害生物对应各类敌对生物的数量，判断各区域中需要治理的各类有害生物，最后分析各区域中的治理类型，解决了传统技术有害生物预测的不足，大大的提高了有害生物预测的准确性和真实性，为后续有害生物的防控提供有效的参考，进而提高有害生物防控的效率和效果，减少了有害生物防控的成本，保障森林健康和稳定。

Description

一种林业有害生物的预测方法及系统
技术领域
本发明涉及林业有害生物预测技术领域，具体涉及一种林业有害生物的预测方法及系统。
背景技术
森林是重要的生态资源，对于木材、药材、野生动植物等资源的开发利用有着重要意义，但有害生物会影响森林植被的生长与生成，破坏森林资源，而通过对森林中有害生物的预测，可以在有害生物繁殖时，及时提醒森林管理人员进行防护，从而有效减少灾害发生带来的损失，保障森林资源的可持续利用。
传统的森林有害生物的预测主要通过定期对森林中各区域进行监测，收集与有害生物相关的数据，例如有害生物的数量和植被损伤情况等，并根据历史有害生物侵害数据，预测森林中各区域有害生物的侵害情况，但森林中很多有害生物会以植被为食，而不同时期中植被的生长情况不同，导致不同时期中有害生物的生存条件不同，但传统的技术中在进行有害生物预测时，并没有根据环境信息，分析环境对植被生长的影响，进而预测有害生物的生存影响，导致预测结果准确性下降，无法为后续有害生物的防控提供有效的参考，另一方面，传统技术在对森林中各区域有害生物预测时，并没有考虑到各区域之间有害生物的入侵情况，从而无法提高有害生物预测的真实性和客观性，也无法在有害生物入侵严重时，及时的进行边界防护，进而降低有害生物防控的效率和效果，此外，传统技术在进行有害生物预测时，并没有对森林中有害生物的敌对生物进行监测，从而无法了解敌对生物对有害生物的治理情况，也无法为后续森林管理人员进行有害生物的治理方案设定提供可靠的保障，无法提高森林有害生物治理的效果，同时无法降低有害生物治理成本，也无法减少有害生物侵害带来的损失，对森林健康造成影响。
发明内容
针对上述存在的技术不足，本发明的目的在于提供一种林业有害生物的预测方法及系统。
为解决上述技术问题，本发明采用如下技术方案：第一方面，本发明提供一种林业有害生物的预测方法，包括如下步骤：步骤一、森林信息采集：将森林按照网格划分为各区域，进而采集各区域对应的植被信息和环境信息。
步骤二、有害生物预测：根据各区域对应的植被信息，确认各区域对应的各类有害生物，并提取各区域在各次历史监测时对应的植被信息、环境信息和有害生物信息，同时根据各区域对应的植被信息和环境信息，计算各区域中各类有害生物的生长数据，进而根据各区域中各类有害生物的生长数据，分析各区域中各类有害生物的入侵影响值，从而筛选出各区域对应的各类目标有害生物。
步骤三、敌对生物分析：获取各区域中各类目标有害生物对应的各类敌对生物，进而提取各区域中各类目标有害生物对应各类敌对生物的数量，从而确认各区域中各类目标有害生物是否需要人工治理，并将各区域中需要人工治理的各类目标有害生物记为各类治理有害生物。
步骤四、治理类型确认：提取各区域中各类治理有害生物对应的生长数据和入侵影响值，分析各区域对应的治理类型。
步骤五、预测结果显示：显示各区域对应的治理类型。
优选地，所述计算各区域中各类有害生物的生长数据，具体确认过程如下：从各区域对应的植被信息中提取各区域中各类植被，进而与数据库中存储的各类有害生物对应危害的各类植被进行对比，若某区域中某类植被与某类有害生物对应危害的某类植被相同，则将该类有害生物作为该区域的有害生物类型，并将该类植被作为该区域中该类有害生物的危害植被类型，以此得到各区域对应的各类有害生物以及各区域中各类有害生物的各类危害植被。
从各区域对应的环境信息中提取各区域对应的空气环境参数和土壤环境参数，从各区域在各次历史监测时对应的环境信息中提取空气环境参数和土壤环境参数，并从数据库中提取各区域中各类植被对应的标准空气环境参数和标准土壤环境参数，进而根据各区域对应的空气环境参数和土壤环境参数，计算各区域与各次历史监测对应各类有害生物的植被生长影响因子，记为，其中i表示各区域对应的编号，i=1,2,......,n，j表示各类有害生物对应的编号，j=1,2,......,m，g表示各次历史监测对应的编号，g=1,2,......,f，n、m、f均为大于2的任意整数。
基于各区域对应的植被信息，提取各区域中各类有害生物的各类危害植被的数量和尺寸，记为和/>，其中y表示各类危害植被的编号，y=1,2,......,p，p为大于2的任意整数，根据各区域在各次历史监测时对应的植被信息，提取各区域在各次历史监测中各类有害生物对应各类危害植被的数量和尺寸，记为/>和/>，并从各区域在各次历史监测时对应的有害生物信息中提取各类有害生物的生长数据，记为/>，从而代入有害生物的生长数据预测公式中，得到各区域中各类有害生物的生长数据。
优选地，所述计算各区域与各次历史监测对应各类有害生物的植被生长影响因子，具体计算过程如下：基于各区域中各类植被对应的标准空气环境参数和标准土壤环境参数，得到各区域中各类有害生物对应各类危害植被的标准空气环境参数和标准土壤环境参数，记为和/>，并将各区域对应的空气环境参数和土壤环境参数分别记为/>和，同时将各区域在各次历史监测时对应的空气环境参数和土壤环境参数分别记为/>和/>，进而代入计算公式/>中，得到第i个区域与第g次历史监测对应第j类有害生物的植被生长影响因子/>，式中，/>、分别为设定的许可的空气环境参数差值、许可土壤环境参数差值，/>、/>分别为设定的空气环境参数的权重因子、土壤环境参数的权重因子。
优选地，所述有害生物的生长数据预测公式为：，式中，/>表示第i个区域中第j类有害生物的生长数据，f表示历史监测次数，/>、/>分别为设定的参考植被数量差、参考植被尺寸差，/>、/>分别为设定的植被数量差的权重因子、植被尺寸差的权重因子。
优选地，所述分析各区域中各类有害生物的入侵影响值，具体分析过程如下：将各区域中各类有害生物与各其他区域中各类有害生物对比，若某区域中某类有害生物与某其他区域中某类有害生物相同，则将该其他区域作为该区域中该类有害生物的目标入侵区域，并将该其他区域中该类有害生物记为入侵生物，以此得到各区域中各类有害生物的各目标入侵区域，并提取各区域中各类有害生物对应各目标入侵区域的入侵生物数量，记为，x表示各目标入侵区域对应的编号，x=1,2,......,z，z为大于2的任意整数。
基于数据库中存储的各类有害生物的最大入侵距离，得到各区域中各类有害生物的最大入侵距离，记为，同时获取各区域对应的位置，得到各区域与各区域中各类有害生物的各目标入侵区域之间的距离，记为/>。
基于数据库中存储的各类有害生物入侵对应的标准数量，得到各区域中各类有害生物入侵对应的标准数量，记为。
根据计算公式，得到第i个区域中第j类有害生物的入侵影响值/>，式中/>、/>分别为设定的入侵生物数量的权重因子、入侵距离的权重因子。
优选地，所述筛选出各区域对应的各类目标有害生物，具体筛选过程如下：将各区域中各类有害生物的生长数据与入侵影响值分别与数据库中存储的标准生长数据和标准入侵影响值进行对比，若某区域中某类有害生物的生长数据大于标准生长数据，或者该区域中该类有害生物的入侵影响值大于标准入侵影响值，由此判定该类有害生物为该区域中的目标有害生物类型，由此得到各区域对应的各类目标有害生物。
优选地，所述确认各区域中各类目标有害生物是否需要人工治理，具体确认过程如下：提取各区域中各类目标有害生物的生长数据和入侵影响值，进而计算各区域中各类目标有害生物的治理需求值，并基于数据库中存储的治理各治理需求值中各类有害生物所需各类敌对生物的标准数量，得到治理各区域中各类目标有害生物所需各类敌对生物的标准数量，作为各区域中各类目标有害生物对应各类敌对生物的标准数量。
将各区域中各类目标有害生物对应各类敌对生物的数量与标准数量进行对比，若某区域中某类目标有害生物对应某类敌对生物的数量小于标准数量，则表明该区域中该类目标有害生物需要人工治理，若某区域中某类目标有害生物对应各类敌对生物的数量均大于或者等于标准数量，则表明该区域中该类目标有害生物不需要人工治理，由此确认各区域中各类目标有害生物是否需要人工治理。
优选地，所述分析各区域对应的治理类型，具体分析过程如下：提取各区域中各类治理有害生物对应的生长数据和入侵影响值，并分别与数据库中存储的标准生长数据和标准入侵影响值进行对比，若某区域中某类治理有害生物对应的生长数据大于标准生长数据，则判定该区域的治理类型为区域内部防控类型，若某区域中某类治理有害生物对应的入侵影响值大于标准入侵影响值，则判定该区域的治理类型为区域边界防护类型，若某区域中某类治理有害生物对应的生长数据大于标准生长数据，且入侵影响值大于标准入侵影响值，则判定该区域的治理类型为综合防控类型，以此方式得到各区域对应的治理类型。
第二方面，本发明提供了一种林业有害生物的预测系统，包括如下模块：森林信息采集模块，用于将森林按照网格划分为各区域，进而采集各区域对应的植被信息和环境信息。
有害生物预测模块，用于根据各区域对应的植被信息，确认各区域对应的各类有害生物，并提取各区域在各次历史监测时对应的植被信息、环境信息和有害生物信息，同时根据各区域对应的植被信息和环境信息，计算各区域中各类有害生物的生长数据，进而根据各区域中各类有害生物的生长数据，分析各区域中各类有害生物的入侵影响值，从而筛选出各区域对应的各类目标有害生物。
敌对生物分析模块，用于获取各区域中各类目标有害生物对应的各类敌对生物，进而提取各区域中各类目标有害生物对应各类敌对生物的数量，从而确认各区域中各类目标有害生物是否需要人工治理，并将各区域中需要人工治理的各类目标有害生物记为各类治理有害生物。
治理类型确认模块，用于提取各区域中各类治理有害生物对应的生长数据和入侵影响值，分析各区域对应的治理类型。
显示终端，用于显示各区域对应的治理类型。
本发明的有益效果在于：本发明提供了一种林业有害生物的预测方法及系统，通过根据各区域中的环境信息以及各次历史监测时的环境信息，分析各区域与各次历史监测对应各类有害生物的植被生长影响因子，然后预测有害生物的生长数据，并对各区域中各类有害生物的入侵情况进行分析，同时根据各区域中各类有害生物对各类敌对生物的数量，判断各区域中需要治理的各类有害生物，最后分析各区域中的治理类型，解决了传统技术有害生物预测的不足，大大的提高了有害生物预测的准确性和真实性，为后续有害生物的防控提供有效的参考，并在有害生物入侵严重时，提醒森林工作人员及时的进行边界防护，进而提高有害生物防控的效率和效果，对森林中有害生物的敌对生物进行监测，从而了解敌对生物对有害生物的治理情况，为后续森林管理人员进行有害生物的治理方案设定提供可靠的保障，减少了有害生物防控的成本，同时减少有害生物侵害带来的损失，保障森林健康和稳定。
附图说明
为了更清楚地说明本发明实施例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简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明方法实施步骤流程示意图。
图2为本发明系统结构连接示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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做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。
请参阅图1所示，第一方面，本发明提供了一种林业有害生物的预测方法，包括如下步骤：步骤一、森林信息采集：将森林按照网格划分为各区域，进而采集各区域对应的植被信息和环境信息。
上述中，植被信息包括各类植被、各类植被数量和各类植被尺寸；环境信息包括空气环境参数和土壤环境参数，其中空气环境参数包括空气湿度、空气温度等；土壤环境参数包括土壤湿度、土壤温度等。
需要说明的是，使用无人机搭载摄像头采集各区域的图像，由此构建各区域的三维模型，从各区域的三维模型中获取各区域对应的植被信息。通过湿度传感器、温度传感器采集空气湿度、空气温度；通过土壤湿度传感器、土壤温度传感器采集土壤湿度、土壤温度。
步骤二、有害生物预测：根据各区域对应的植被信息，确认各区域对应的各类有害生物，并提取各区域在各次历史监测时对应的植被信息、环境信息和有害生物信息，同时根据各区域对应的植被信息和环境信息，计算各区域中各类有害生物的生长数据，进而根据各区域中各类有害生物的生长数据，分析各区域中各类有害生物的入侵影响值，从而筛选出各区域对应的各类目标有害生物。
需要说明的是，从数据库中提取各区域在各次历史监测时对应的植被信息、环境信息和有害生物信息；有害生物信息包括各类有害生物的生长数据；生长数据包括数量和生长速率等。
在一个具体的实施例中，所述计算各区域中各类有害生物的生长数据，具体确认过程如下：从各区域对应的植被信息中提取各区域中各类植被，进而与数据库中存储的各类有害生物对应危害的各类植被进行对比，若某区域中某类植被与某类有害生物对应危害的某类植被相同，则将该类有害生物作为该区域的有害生物类型，并将该类植被作为该区域中该类有害生物的危害植被类型，以此得到各区域对应的各类有害生物以及各区域中各类有害生物的各类危害植被。
从各区域对应的环境信息中提取各区域对应的空气环境参数和土壤环境参数，从各区域在各次历史监测时对应的环境信息中提取空气环境参数和土壤环境参数，并从数据库中提取各区域中各类植被对应的标准空气环境参数和标准土壤环境参数，进而根据各区域对应的空气环境参数和土壤环境参数，计算各区域与各次历史监测对应各类有害生物的植被生长影响因子，记为，其中i表示各区域对应的编号，i=1,2,......,n，j表示各类有害生物对应的编号，j=1,2,......,m，g表示各次历史监测对应的编号，g=1,2,......,f，n、m、f均为大于2的任意整数。
基于各区域对应的植被信息，提取各区域中各类有害生物的各类危害植被的数量和尺寸，记为和/>，其中y表示各类危害植被的编号，y=1,2,......,p，p为大于2的任意整数，根据各区域在各次历史监测时对应的植被信息，提取各区域在各次历史监测中各类有害生物对应各类危害植被的数量和尺寸，记为/>和/>，并从各区域在各次历史监测时对应的有害生物信息中提取各类有害生物的生长数据，记为/>，从而代入有害生物的生长数据预测公式中，得到各区域中各类有害生物的生长数据。
上述中，所述计算各区域与各次历史监测对应各类有害生物的植被生长影响因子，具体计算过程如下：基于各区域中各类植被对应的标准空气环境参数和标准土壤环境参数，得到各区域中各类有害生物对应各类危害植被的标准空气环境参数和标准土壤环境参数，记为和/>，并将各区域对应的空气环境参数和土壤环境参数分别记为/>和，同时将各区域在各次历史监测时对应的空气环境参数和土壤环境参数分别记为/>和/>，进而代入计算公式/>中，得到第i个区域与第g次历史监测对应第j类有害生物的植被生长影响因子/>，式中，、/>分别为设定的许可的空气环境参数差值、许可土壤环境参数差值，/>、/>分别为设定的空气环境参数的权重因子、土壤环境参数的权重因子。
需要说明的是，、/>均大于0小于1。
还需要说明的是，空气环境参数的权重因子、土壤环境参数的权重因子的设定过程为：通过林业有害生物的预测系统，将空气环境参数的权重因子、土壤环境参数的权重因子设定建议表发送至各林业专家用户端中，提示各林业专家填写空气环境参数的权重因子、土壤环境参数的权重因子的建议数值，从而得到各林业专家的空气环境参数的权重因子、土壤环境参数的权重因子的建议数值，然后通过均值计算，得到空气环境参数的权重因子的平均建议数值、土壤环境参数的权重因子的平均建议数值，作为空气环境参数的权重因子、土壤环境参数的权重因子。按照空气环境参数的权重因子、土壤环境参数的权重因子的设定过程，设定许可的空气环境参数差值、许可土壤环境参数差值。
上述中，所述有害生物的生长数据预测公式为：，式中，/>表示第i个区域中第j类有害生物的生长数据，f表示历史监测次数，/>、/>分别为设定的参考植被数量差、参考植被尺寸差，/>、/>分别为设定的植被数量差的权重因子、植被尺寸差的权重因子。
需要说明的是，按照空气环境参数的权重因子、土壤环境参数的权重因子的设定过程，设定植被数量差的权重因子、植被尺寸差的权重因子，、/>均大于0小于1。
在另一个具体的实施例中，所述分析各区域中各类有害生物的入侵影响值，具体分析过程如下：将各区域中各类有害生物与各其他区域中各类有害生物对比，若某区域中某类有害生物与某其他区域中某类有害生物相同，则将该其他区域作为该区域中该类有害生物的目标入侵区域，并将该其他区域中该类有害生物记为入侵生物，以此得到各区域中各类有害生物的各目标入侵区域，并提取各区域中各类有害生物对应各目标入侵区域的入侵生物数量，记为，x表示各目标入侵区域对应的编号，x=1,2,......,z，z为大于2的任意整数。
基于数据库中存储的各类有害生物的最大入侵距离，得到各区域中各类有害生物的最大入侵距离，记为，同时获取各区域对应的位置，得到各区域与各区域中各类有害生物的各目标入侵区域之间的距离，记为/>。
基于数据库中存储的各类有害生物入侵对应的标准数量，得到各区域中各类有害生物入侵对应的标准数量，记为。
根据计算公式，得到第i个区域中第j类有害生物的入侵影响值/>，式中/>、/>分别为设定的入侵生物数量的权重因子、入侵距离的权重因子。
需要说明的是，按照空气环境参数的权重因子、土壤环境参数的权重因子的设定过程，设定入侵生物数量的权重因子、入侵距离的权重因子，、/>均大于0小于1。
在又一个具体的实施例中，所述筛选出各区域对应的各类目标有害生物，具体筛选过程如下：将各区域中各类有害生物的生长数据与入侵影响值分别与数据库中存储的标准生长数据和标准入侵影响值进行对比，若某区域中某类有害生物的生长数据大于标准生长数据，或者该区域中该类有害生物的入侵影响值大于标准入侵影响值，由此判定该类有害生物为该区域中的目标有害生物类型，由此得到各区域对应的各类目标有害生物。
步骤三、敌对生物分析：获取各区域中各类目标有害生物对应的各类敌对生物，进而提取各区域中各类目标有害生物对应各类敌对生物的数量，从而确认各区域中各类目标有害生物是否需要人工治理，并将各区域中需要人工治理的各类目标有害生物记为各类治理有害生物。
需要说明的是，数据库中存储有各类有害生物对应的各类敌对生物，若某区域中某类目标有害生物与某类有害生物相同，则将该类有害生物对应的各类敌对生物作为该区域中该类目标有害生物对应的各类敌对生物，以此获取各区域中各类目标有害生物对应的各类敌对生物，并从各区域对应的三维模型中获取各区域中各类目标有害生物对应各类敌对生物的数量。
在一个具体的实施例中，所述确认各区域中各类目标有害生物是否需要人工治理，具体确认过程如下：提取各区域中各类目标有害生物的生长数据和入侵影响值，进而计算各区域中各类目标有害生物的治理需求值，并基于数据库中存储的治理各治理需求值中各类有害生物所需各类敌对生物的标准数量，得到治理各区域中各类目标有害生物所需各类敌对生物的标准数量，作为各区域中各类目标有害生物对应各类敌对生物的标准数量。
上述中，计算各区域中各类目标有害生物的治理需求值，具体计算过程如下：从数据库中提取有害生物的许可生长数据，将各区域中各类目标有害生物的生长数据除以有害生物的许可生长数据，得到各区域中各类目标有害生物的生长数据占比，然后将各区域中各类目标有害生物的生长数据占比加上入侵影响值，得到各区域中各类目标有害生物的治理需求值。
需要说明的是，从林业有害生物的预测平台中获取各区域中各次历史治理对应各类有害生物的生长数据，并发送至各林业专家的账号中，提示各林业专家进行有害生物的许可生长数据的设置，当各林业专家设置完成有害生物的许可生长数据后，将各林业专家设置的有害生物的许可生长数据进行均值计算，得到有害生物的平均许可生长数据，作为有害生物的许可生长数据，并存储至数据库中。
将各区域中各类目标有害生物对应各类敌对生物的数量与标准数量进行对比，若某区域中某类目标有害生物对应某类敌对生物的数量小于标准数量，则表明该区域中该类目标有害生物需要人工治理，若某区域中某类目标有害生物对应各类敌对生物的数量均大于或者等于标准数量，则表明该区域中该类目标有害生物不需要人工治理，由此确认各区域中各类目标有害生物是否需要人工治理。
步骤四、治理类型确认：提取各区域中各类治理有害生物对应的生长数据和入侵影响值，分析各区域对应的治理类型。
在一个具体的实施例中，所述分析各区域对应的治理类型，具体分析过程如下：提取各区域中各类治理有害生物对应的生长数据和入侵影响值，并分别与数据库中存储的标准生长数据和标准入侵影响值进行对比，若某区域中某类治理有害生物对应的生长数据大于标准生长数据，则判定该区域的治理类型为区域内部防控类型，若某区域中某类治理有害生物对应的入侵影响值大于标准入侵影响值，则判定该区域的治理类型为区域边界防护类型，若某区域中某类治理有害生物对应的生长数据大于标准生长数据，且入侵影响值大于标准入侵影响值，则判定该区域的治理类型为综合防控类型，以此方式得到各区域对应的治理类型。
步骤五、预测结果显示：显示各区域对应的治理类型。
请参阅图2所示，第二方面，本发明提供了一种林业有害生物的预测系统，包括如下模块：森林信息采集模块、有害生物预测模块、敌对生物分析模块、治理类型确认模块、显示终端和数据库。
森林信息采集模块，用于将森林按照网格划分为各区域，进而采集各区域对应的植被信息和环境信息。
有害生物预测模块，用于根据各区域对应的植被信息，确认各区域对应的各类有害生物，并提取各区域在各次历史监测时对应的植被信息、环境信息和有害生物信息，同时根据各区域对应的植被信息和环境信息，计算各区域中各类有害生物的生长数据，进而根据各区域中各类有害生物的生长数据，分析各区域中各类有害生物的入侵影响值，从而筛选出各区域对应的各类目标有害生物。
敌对生物分析模块，用于获取各区域中各类目标有害生物对应的各类敌对生物，进而提取各区域中各类目标有害生物对应各类敌对生物的数量，从而确认各区域中各类目标有害生物是否需要人工治理，并将各区域中需要人工治理的各类目标有害生物记为各类治理有害生物。
治理类型确认模块，用于提取各区域中各类治理有害生物对应的生长数据和入侵影响值，分析各区域对应的治理类型。
显示终端，用于显示各区域对应的治理类型。
数据库，用于存储各类有害生物对应危害的各类植被，存储各区域中各类植被对应的标准空气环境参数和标准土壤环境参数，存储各类有害生物的最大入侵距离，存储各类有害生物入侵对应的标准数量，存储标准生长数据和标准入侵影响值，存储治理各治理需求值中各类有害生物所需各类敌对生物的标准数量，存储各区域在各次历史监测时对应的植被信息、环境信息和有害生物信息，存储有害生物的许可生长数据、各类有害生物对应的各类敌对生物。
本发明实施例通过根据各区域中的环境信息以及各次历史监测时的环境信息，分析各区域与各次历史监测对应各类有害生物的植被生长影响因子，然后预测有害生物的生长数据，并对各区域中各类有害生物的入侵情况进行分析，同时根据各区域中各类有害生物对各类敌对生物的数量，判断各区域中需要治理的各类有害生物，最后分析各区域中的治理类型，解决了传统技术有害生物预测的不足，大大的提高了有害生物预测的准确性和真实性，为后续有害生物的防控提供有效的参考，并在有害生物入侵严重时，提醒森林工作人员及时的进行边界防护，进而提高有害生物防控的效率和效果，对森林中有害生物的敌对生物进行监测，从而了解敌对生物对有害生物的治理情况，为后续森林管理人员进行有害生物的治理方案设定提供可靠的保障，减少了有害生物防控的成本，同时减少有害生物侵害带来的损失，保障森林健康和稳定。
以上内容仅仅是对本发明的构思所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的构思或者超越本说明书所定义的范围，均应属于本发明的保护范围。

Claims (9)

1.一种林业有害生物的预测方法，其特征在于，包括如下步骤：
步骤一、森林信息采集：将森林按照网格划分为各区域，进而采集各区域对应的植被信息和环境信息；
步骤二、有害生物预测：根据各区域对应的植被信息，确认各区域对应的各类有害生物，并提取各区域在各次历史监测时对应的植被信息、环境信息和有害生物信息，同时根据各区域对应的植被信息和环境信息，计算各区域中各类有害生物的生长数据，进而根据各区域中各类有害生物的生长数据，分析各区域中各类有害生物的入侵影响值，从而筛选出各区域对应的各类目标有害生物；
步骤三、敌对生物分析：获取各区域中各类目标有害生物对应的各类敌对生物，进而提取各区域中各类目标有害生物对应各类敌对生物的数量，从而确认各区域中各类目标有害生物是否需要人工治理，并将各区域中需要人工治理的各类目标有害生物记为各类治理有害生物；
步骤四、治理类型确认：提取各区域中各类治理有害生物对应的生长数据和入侵影响值，分析各区域对应的治理类型；
步骤五、预测结果显示：显示各区域对应的治理类型。
2.根据权利要求1所述的一种林业有害生物的预测方法，其特征在于，所述计算各区域中各类有害生物的生长数据，具体确认过程如下：
从各区域对应的植被信息中提取各区域中各类植被，进而与数据库中存储的各类有害生物对应危害的各类植被进行对比，若某区域中某类植被与某类有害生物对应危害的某类植被相同，则将该类有害生物作为该区域的有害生物类型，并将该类植被作为该区域中该类有害生物的危害植被类型，以此得到各区域对应的各类有害生物以及各区域中各类有害生物的各类危害植被；
从各区域对应的环境信息中提取各区域对应的空气环境参数和土壤环境参数，从各区域在各次历史监测时对应的环境信息中提取空气环境参数和土壤环境参数，并从数据库中提取各区域中各类植被对应的标准空气环境参数和标准土壤环境参数，进而根据各区域对应的空气环境参数和土壤环境参数，计算各区域与各次历史监测对应各类有害生物的植被生长影响因子，记为，其中i表示各区域对应的编号，i=1,2,......,n，j表示各类有害生物对应的编号，j=1,2,......,m，g表示各次历史监测对应的编号，g=1,2,......,f，n、m、f均为大于2的任意整数；
基于各区域对应的植被信息，提取各区域中各类有害生物的各类危害植被的数量和尺寸，记为和/>，其中y表示各类危害植被的编号，y=1,2,......,p，p为大于2的任意整数，根据各区域在各次历史监测时对应的植被信息，提取各区域在各次历史监测中各类有害生物对应各类危害植被的数量和尺寸，记为/>和/>，并从各区域在各次历史监测时对应的有害生物信息中提取各类有害生物的生长数据，记为/>，从而代入有害生物的生长数据预测公式中，得到各区域中各类有害生物的生长数据。
3.根据权利要求2所述的一种林业有害生物的预测方法，其特征在于，所述计算各区域与各次历史监测对应各类有害生物的植被生长影响因子，具体计算过程如下：
基于各区域中各类植被对应的标准空气环境参数和标准土壤环境参数，得到各区域中各类有害生物对应各类危害植被的标准空气环境参数和标准土壤环境参数，记为和，并将各区域对应的空气环境参数和土壤环境参数分别记为/>和/>，同时将各区域在各次历史监测时对应的空气环境参数和土壤环境参数分别记为/>和/>，进而代入计算公式/>中，得到第i个区域与第g次历史监测对应第j类有害生物的植被生长影响因子/>，式中，/>、分别为设定的许可的空气环境参数差值、许可土壤环境参数差值，/>、/>分别为设定的空气环境参数的权重因子、土壤环境参数的权重因子。
4.根据权利要求3所述的一种林业有害生物的预测方法，其特征在于，所述有害生物的生长数据预测公式为：，式中，表示第i个区域中第j类有害生物的生长数据，f表示历史监测次数，/>、/>分别为设定的参考植被数量差、参考植被尺寸差，/>、/>分别为设定的植被数量差的权重因子、植被尺寸差的权重因子。
5.根据权利要求2所述的一种林业有害生物的预测方法，其特征在于，所述分析各区域中各类有害生物的入侵影响值，具体分析过程如下：
将各区域中各类有害生物与各其他区域中各类有害生物对比，若某区域中某类有害生物与某其他区域中某类有害生物相同，则将该其他区域作为该区域中该类有害生物的目标入侵区域，并将该其他区域中该类有害生物记为入侵生物，以此得到各区域中各类有害生物的各目标入侵区域，并提取各区域中各类有害生物对应各目标入侵区域的入侵生物数量，记为，x表示各目标入侵区域对应的编号，x=1,2,......,z，z为大于2的任意整数；
基于数据库中存储的各类有害生物的最大入侵距离，得到各区域中各类有害生物的最大入侵距离，记为，同时获取各区域对应的位置，得到各区域与各区域中各类有害生物的各目标入侵区域之间的距离，记为/>；
基于数据库中存储的各类有害生物入侵对应的标准数量，得到各区域中各类有害生物入侵对应的标准数量，记为；
根据计算公式，得到第i个区域中第j类有害生物的入侵影响值/>，式中/>、/>分别为设定的入侵生物数量的权重因子、入侵距离的权重因子。
6.根据权利要求1所述的一种林业有害生物的预测方法，其特征在于，所述筛选出各区域对应的各类目标有害生物，具体筛选过程如下：
将各区域中各类有害生物的生长数据与入侵影响值分别与数据库中存储的标准生长数据和标准入侵影响值进行对比，若某区域中某类有害生物的生长数据大于标准生长数据，或者该区域中该类有害生物的入侵影响值大于标准入侵影响值，由此判定该类有害生物为该区域中的目标有害生物类型，由此得到各区域对应的各类目标有害生物。
7.根据权利要求1所述的一种林业有害生物的预测方法，其特征在于，所述确认各区域中各类目标有害生物是否需要人工治理，具体确认过程如下：
提取各区域中各类目标有害生物的生长数据和入侵影响值，进而计算各区域中各类目标有害生物的治理需求值，并基于数据库中存储的治理各治理需求值中各类有害生物所需各类敌对生物的标准数量，得到治理各区域中各类目标有害生物所需各类敌对生物的标准数量，作为各区域中各类目标有害生物对应各类敌对生物的标准数量；
将各区域中各类目标有害生物对应各类敌对生物的数量与标准数量进行对比，若某区域中某类目标有害生物对应某类敌对生物的数量小于标准数量，则表明该区域中该类目标有害生物需要人工治理，若某区域中某类目标有害生物对应各类敌对生物的数量均大于或者等于标准数量，则表明该区域中该类目标有害生物不需要人工治理，由此确认各区域中各类目标有害生物是否需要人工治理。
8.根据权利要求1所述的一种林业有害生物的预测方法，其特征在于，所述分析各区域对应的治理类型，具体分析过程如下：
提取各区域中各类治理有害生物对应的生长数据和入侵影响值，并分别与数据库中存储的标准生长数据和标准入侵影响值进行对比，若某区域中某类治理有害生物对应的生长数据大于标准生长数据，则判定该区域的治理类型为区域内部防控类型，若某区域中某类治理有害生物对应的入侵影响值大于标准入侵影响值，则判定该区域的治理类型为区域边界防护类型，若某区域中某类治理有害生物对应的生长数据大于标准生长数据，且入侵影响值大于标准入侵影响值，则判定该区域的治理类型为综合防控类型，以此方式得到各区域对应的治理类型。
9.一种应用权利要求1-8任一项所述的林业有害生物的预测方法的林业有害生物的预测系统，其特征在于，包括如下模块：
森林信息采集模块，用于将森林按照网格划分为各区域，进而采集各区域对应的植被信息和环境信息；
有害生物预测模块，用于根据各区域对应的植被信息，确认各区域对应的各类有害生物，并提取各区域在各次历史监测时对应的植被信息、环境信息和有害生物信息，同时根据各区域对应的植被信息和环境信息，计算各区域中各类有害生物的生长数据，进而根据各区域中各类有害生物的生长数据，分析各区域中各类有害生物的入侵影响值，从而筛选出各区域对应的各类目标有害生物；
敌对生物分析模块，用于获取各区域中各类目标有害生物对应的各类敌对生物，进而提取各区域中各类目标有害生物对应各类敌对生物的数量，从而确认各区域中各类目标有害生物是否需要人工治理，并将各区域中需要人工治理的各类目标有害生物记为各类治理有害生物；
治理类型确认模块，用于提取各区域中各类治理有害生物对应的生长数据和入侵影响值，分析各区域对应的治理类型；
显示终端，用于显示各区域对应的治理类型。
CN202410247912.2A 2024-03-05 2024-03-05 一种林业有害生物的预测方法及系统 Active CN117852724B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410247912.2A CN117852724B (zh) 2024-03-05 2024-03-05 一种林业有害生物的预测方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410247912.2A CN117852724B (zh) 2024-03-05 2024-03-05 一种林业有害生物的预测方法及系统

Publications (2)

Publication Number Publication Date
CN117852724A true CN117852724A (zh) 2024-04-09
CN117852724B CN117852724B (zh) 2024-05-28

Family

ID=90542143

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410247912.2A Active CN117852724B (zh) 2024-03-05 2024-03-05 一种林业有害生物的预测方法及系统

Country Status (1)

Country Link
CN (1) CN117852724B (zh)

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113095555A (zh) * 2021-03-31 2021-07-09 佛山一本农业科技有限公司 基于物联网的农作物病虫害监控方法、系统及存储介质
US20210375390A1 (en) * 2020-05-26 2021-12-02 Ecoation Innovative Solutions Inc. Real-time projections and estimated distributions of agricultural pests, diseases, and biocontrol agents
CN116976524A (zh) * 2023-08-16 2023-10-31 北京绿佳杰园林工程有限公司 园林用植被隐患预测方法、装置、电子设备及存储介质
CN117078456A (zh) * 2023-10-13 2023-11-17 杨凌职业技术学院 一种农林业病虫害监测管理系统
CN117173400A (zh) * 2023-11-03 2023-12-05 广东省农业科学院植物保护研究所 一种荔枝虫害的低碳治理方案推荐方法及系统
CN117292256A (zh) * 2023-09-14 2023-12-26 梁山县林业保护和发展服务中心(梁山县湿地保护中心、梁山县野生动植物保护中心) 一种林业植物病虫害短期预测方法及系统
CN117556996A (zh) * 2023-11-23 2024-02-13 南通科技职业学院 基于区域历史数据的林业虫灾预测方法及系统
CN117634752A (zh) * 2024-01-26 2024-03-01 杨凌职业技术学院 一种林业有害生物检疫信息管理系统

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210375390A1 (en) * 2020-05-26 2021-12-02 Ecoation Innovative Solutions Inc. Real-time projections and estimated distributions of agricultural pests, diseases, and biocontrol agents
CN113095555A (zh) * 2021-03-31 2021-07-09 佛山一本农业科技有限公司 基于物联网的农作物病虫害监控方法、系统及存储介质
CN116976524A (zh) * 2023-08-16 2023-10-31 北京绿佳杰园林工程有限公司 园林用植被隐患预测方法、装置、电子设备及存储介质
CN117292256A (zh) * 2023-09-14 2023-12-26 梁山县林业保护和发展服务中心(梁山县湿地保护中心、梁山县野生动植物保护中心) 一种林业植物病虫害短期预测方法及系统
CN117078456A (zh) * 2023-10-13 2023-11-17 杨凌职业技术学院 一种农林业病虫害监测管理系统
CN117173400A (zh) * 2023-11-03 2023-12-05 广东省农业科学院植物保护研究所 一种荔枝虫害的低碳治理方案推荐方法及系统
CN117556996A (zh) * 2023-11-23 2024-02-13 南通科技职业学院 基于区域历史数据的林业虫灾预测方法及系统
CN117634752A (zh) * 2024-01-26 2024-03-01 杨凌职业技术学院 一种林业有害生物检疫信息管理系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
NANUSHI, O (NANUSHI, ORNELA): "Pest Presence Prediction Using Interpretable Machine Learning", 《 2022 IEEE 14TH IMAGE, VIDEO, AND MULTIDIMENSIONAL SIGNAL PROCESSING WORKSHOP (IVMSP)》, 5 October 2022 (2022-10-05) *
何佳遥; 翟俊峰; 潘绪斌; 陈克: "基于物联网的农业害虫监测技术进展", 《植物检疫》, 15 May 2023 (2023-05-15) *

Also Published As

Publication number Publication date
CN117852724B (zh) 2024-05-28

Similar Documents

Publication Publication Date Title
CN113095555B (zh) 基于物联网的农作物病虫害监控方法、系统及存储介质
CN114005237A (zh) 一种基于热成像分析技术的林火识别方法、设备及计算机存储介质
CN115127617A (zh) 用于食用菌仿生态种植的智能管控系统
US20220414795A1 (en) Crop disease prediction and treatment based on artificial intelligence (ai) and machine learning (ml) models
CN116295662B (zh) 作物生长状态的监测方法、装置、电子设备及介质
CN117371727A (zh) 一种基于物联网的智慧农业监测与规划方法及系统
CN114298615A (zh) 一种农作物种植风险预防方法、装置、存储介质和设备
CN117746251A (zh) 一种云杉人工林立地类型摸排标记方法及系统
CN117634752B (zh) 一种林业有害生物检疫信息管理系统
CN113962476A (zh) 一种虫害预测方法、装置、设备及存储介质
CN116611700A (zh) 基于知识图谱的区域水土流失动态监测方法及装置
CN116543347A (zh) 智慧虫情在线监测系统、方法、装置及介质
Robinson et al. Mapping industrial poultry operations at scale with deep learning and aerial imagery
CN114783132A (zh) 一种基于多级智能的变电站安全防护系统
CN113435825B (zh) 一种基于土传病害防治的智能管理方法、系统及存储介质
CN110057764A (zh) 一种农药施药安全管理警示装置及方法
CN117933531A (zh) 一种分布式光伏发电功率预测系统及方法
CN117852724B (zh) 一种林业有害生物的预测方法及系统
CN117455141A (zh) 基于物联网的水肥药一体化灌溉设备调控方法及系统
CN117332904A (zh) 一种基于数字孪生系统的输配电线路树障预测方法及装置
CN116863410A (zh) 基于有害生物防治的数据采集处理方法及系统
Wang et al. Research of the early warning analysis of crop diseases and insect pests
CN116843529A (zh) 基于遥感数据的湿地生态系统健康监测与评估方法及系统
CN115131678B (zh) 一种用于数字化智慧林业的区块链架构构建方法及系统
CN117726194B (zh) 一种基于大数据的林业环境分析系统

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