本发明涉及农业生产技术领域，尤其是一种农作物病虫害的监测方法。
背景技术：
目前，在农业生产上，能够利用遥感监测技术跟踪监测病虫害进展情况，用于精准防治工作，做到及时发现、及时处理，利于早期防治。其原理是，病虫害会造成作物叶片细胞结构色素、水分、氮元素等性质发生变化，从而引起反射光谱的变化，所以病虫害作物的反射光谱和正常作物可见光到热红外波段的反射光谱有明显差异。
在美国、澳大利亚等地，已经将无人机遥感监测有限地应用于农业生产。比如，美国有种植户用无人机监测的麦田锈病情况，从中可以明显看出哪里是重灾区。也有人用无人机查看苜蓿地里的菟丝子，从而能在灾害大规模爆发前做到提早预防。但这些有限的监测技术因受基础数据库、计算设备和监测方法的限制不能够广泛应用于其他普通大田农作物全过程的生产管理。
作为空中监测技术，农业遥感是推动农业走向精准化的有利手段。农业遥感监测主要以作物、土壤为对象。作物在可见光－近红外光谱波段中，反射率主要受到作物色素、细胞结构和含水率的影响，特别是在可见光红光波段有很强吸收波段，在近红外波段有很强的反射特性，可以被用来进行作物长势、作物品质、作物病虫害等方面的监测。土壤可见-近红外光谱总体反射率相对较低，在可见光谱波段主要受到土壤有机质、氧化铁等赋色成分的影响。因此，土壤、作物等地物固有的反射光谱特性是农业遥感的基础。
卫星遥感手段在农业生产上的应用也发展已久，但卫星易受到天气环境影响，且轨道周期较长。比较而言，无人机灵活性更强、易部署。随着无人机平台、传感器和软件技术的进一步提升，未来无人机作为卫星等其他遥感平台的补充手段，可以帮助在农业构建起更加完整的监测网。
技术实现要素：
为及时、高效地监测大田农作物生产管理全过程可能发生的病虫害，本发明提供一种农作物病虫害的监测方法，在建立完整的农作物病虫害数据库的基础上，利用无人机拍摄农作物影像数据，通过云计算分析对比，及时发出农作物病虫害预警，并指导进行病虫害防治，提高农业生产水平，降低农业生产管理成本，提高农产品产量、质量和效益。
本发明通过以下技术方案得以实现：
一种农作物病虫害的监测方法，利用无人机和云计算进行，包括以下步骤：
（1）建立农作物病虫害数据库：拍摄大田农作物各生长期不同病虫害的特异照片及具有显著特征的局部照片，连同各病害、虫害的样本照片和防治措施分类存储在病虫害数据库中，作为云计算的比较依据；所述特异照片是农作物在特定生长期受到特定的病害、虫害或者不良管理影响正常生长发育时区别于其他病虫害或者正常生长发育表现的统一格式的特征照片；所述局部照片是大田农作物受到病虫害的局部、有限株数或者单株的区别于其他病虫害表现的统一格式的特征照片；所述病虫害数据库既可以是针对特定农作物生产管理的单一病虫害数据库或者针对特定病虫害的病虫害数据库，也可以是针对某一特定区域有限品种的农作物及其病虫害的综合数据库或者更加全面的大型综合数据库；
（2）利用无人机巡航拍摄大田农作物影像：根据农作物种植区域的地形地貌和生长情况设定无人机巡航路线，通过无人机连续拍摄与病虫害数据库特异照片格式一致的农作物高清图像，实时回传到无人机地面控制站，存储；
（3）计算、预警：利用云计算对步骤（2）所得的大田农作物影像逐帧与病虫害数据库图片进行比对，筛选出相似度达到20%以上的照片，列示具体区域，提出相应病虫害预警；
（4）精确拍摄：通过无人机对步骤（3）提出预警的具体区域再次进行近距离精确拍摄，精确拍摄的光学技术参数及照片格式与病虫害数据库中局部照片格式和样本照片格式一致，实时回传至无人机地面控制站，存储；
（5）二次计算：将步骤（4）拍摄的精确影像通过云计算逐帧与病虫害数据库中的局部照片和样本照片进行比对，综合考虑无人机拍摄时的天气状况、农作物生长情况、其他病虫害影响、大田肥水管理情况以及地形地貌、拍摄角度等因素，筛选出相似度达到50%以上的照片，确定病虫害范围、种类、特征、危害程度和防治措施；
（6）指导病虫害防治：按照病虫害防治措施指导农业生产管理人员对病虫害区域及时进行农作物病虫害防治。
本发明的农作物病虫害的监测方法，所述步骤（2）和/或步骤（4）的相似度根据无人机拍摄时的天气状况、农作物生长情况、其他病虫害影响、大田肥水管理情况以及地形地貌、拍摄角度与特异照片或者局部照片、样本照片拍摄时的相应差异进行校正，以减少误判，提高预警准确率，
本发明的农作物病虫害的监测方法，所述特异照片、局部照片和样本照片包括特定农作物在特定生长时期常见的2种或者2种以上的病虫害同时发生时所表现出来的影像数据，加强针对性，以提高运算效率，更加及时、准确地监测农作物病虫害，便于农作物生产管理。
本发明的农作物病虫害的监测方法，所述步骤（5）与步骤（6）之间、在进行病虫害防治之前增加实地调查步骤：安排技术人员到步骤（5）确定的病虫害地块进行实地查验，确认病虫害发生状况，并对步骤（5）提出的防治措施进行适当调整，准确掌握农情，及时、准确、有效地采取适当的防治措施，提高防治效果。
本发明的农作物病虫害的监测方法，可以结合农业卫星遥感监测技术配套应用，当农业卫星遥感监测显示大田农作物可能发生某种病虫害时，采用本发明的监测方法对目标病虫害进行精确监测，更加及时有效。
本发明的农作物病虫害的监测方法，不仅可以用于水稻、小麦、玉米、大豆、棉花、油菜等大宗农作物，也可以应用于芝麻、高梁、燕麦、绿豆、花生、甘蔗、等特种农作物，以及大面积种植的果树、蔬菜、花卉、苗木、中药材等经济作物或者森林、草地、湿地植被作物。
附图说明
图1：农作物病虫害监测流程示意图。
具体实施方式
下面结合具体实施例对本发明进一步说明。
实施例1：
一种泊湖流域单季杂交水稻病虫害的监测方法，利用无人机和云计算进行，包括以下步骤：
（1）建立泊湖流域单季杂交水稻病虫害数据库：拍摄泊湖流域单季杂交水稻各生长期不同病虫害的特异照片及具有显著特征的局部照片，连同各病害、虫害的样本照片和防治措施分类存储在病虫害数据库中，作为云计算的比较依据；所述特异照片是泊湖流域单季杂交水稻在特定生长期受到特定的病害、虫害或者不良管理影响正常生长发育时区别于其他病虫害或者正常生长发育表现的统一格式的特征照片；所述局部照片是泊湖流域单季杂交水稻受到病虫害的局部、有限株数或者单株的区别于其他病虫害表现的统一格式的特征照片；；
（2）利用无人机巡航拍摄泊湖流域单季杂交水稻影像：根据泊湖流域单季杂交水稻稻田的地形地貌和生长情况设定无人机巡航路线，通过无人机连续拍摄与病虫害数据库特异照片格式一致的农作物高清图像，实时回传到无人机地面控制站，存储；
（3）计算、预警：利用云计算对步骤（2）所得的泊湖流域单季杂交水稻影像逐帧与病虫害数据库图片进行比对，筛选出相似度达到20%以上的照片，列示具体区域，提出相应病虫害预警；
（4）精确拍摄：通过无人机对步骤（3）提出预警的具体区域再次进行近距离精确拍摄，精确拍摄的光学技术参数及照片格式与病虫害数据库中局部照片格式和样本照片格式一致，实时回传至无人机地面控制站，存储；
（5）二次计算：将步骤（4）拍摄的精确影像通过云计算逐帧与病虫害数据库中的局部照片和样本照片进行比对，综合考虑无人机拍摄时的天气状况、农作物生长情况、其他病虫害影响、大田肥水管理情况以及地形地貌、拍摄角度等因素，筛选出相似度达到50%以上的照片，确定病虫害范围、种类、特征、危害程度和防治措施；
（6）指导病虫害防治：按照病虫害防治措施指导农业生产管理人员对病虫害区域及时进行农作物病虫害防治。
实施例2：
一种赣南地区柑桔园红蜘蛛危害的监测方法，利用无人机和云计算进行，包括以下步骤：
（1）建立赣南地区柑桔园红蜘蛛危害数据库：拍摄赣南地区柑桔园红蜘蛛危害各生长期红蜘蛛危害的特异照片及具有显著特征的局部照片，连同赣南地区柑桔园红蜘蛛危害的样本照片和防治措施分类存储在病虫害数据库中，作为云计算的比较依据；所述特异照片是赣南地区柑桔园柑桔在不同生长期受到红蜘蛛危害时区别于其他病虫害表现的统一格式的特征照片；所述局部照片赣南地区柑桔园红蜘蛛危害的局部、有限株数或者单株的区别于其他病虫害表现的统一格式的特征照片；
（2）利用无人机巡航拍摄赣南地区柑桔园红蜘蛛危害影像：根据赣南地区柑桔园的地形地貌和生长情况设定无人机巡航路线，通过无人机连续拍摄与病虫害数据库特异照片格式一致的农作物高清图像，实时回传到无人机地面控制站，存储；
（3）计算、预警：利用云计算对步骤（2）所得的赣南地区柑桔园红蜘蛛危害影像逐帧与病虫害数据库图片进行比对，筛选出相似度达到20%以上的照片，列示具体区域，提出红蜘蛛危害预警；
（4）精确拍摄：通过无人机对步骤（3）提出预警的具体区域再次进行近距离精确拍摄，精确拍摄的光学技术参数及照片格式与病虫害数据库中局部照片格式和样本照片格式一致，实时回传至无人机地面控制站，存储；
（5）二次计算：将步骤（4）拍摄的精确影像通过云计算逐帧与病虫害数据库中的局部照片和样本照片进行比对，综合考虑无人机拍摄时的天气状况、农作物生长情况、其他病虫害影响、大田肥水管理情况以及地形地貌、拍摄角度等因素，筛选出相似度达到50%以上的照片，确定红蜘蛛危害的范围、危害程度和防治措施；
（（6）实地调查：安排技术人员到步骤（5）确定的红蜘蛛危害地块进行实地查验，确认红蜘蛛发生状况，并对步骤（5）提出的防治措施进行适当调整；
（7）指导病虫害防治：按照病虫害防治措施指导农业生产管理人员对红蜘蛛危害区域及时进行红蜘蛛防治。
实施例3：
一种大别山区松树林松毛虫危害的监测方法，根据农业卫星监测预警到的松毛虫发生情况，利用无人机和云计算对大别山区松树林松毛虫危害进行监测，包括以下步骤：
（1）建立大别山区松树林松毛虫危害数据库：拍摄大别山区松树林各生长期松毛虫危害的特异照片及具有显著特征的局部照片，连同大别山区松树林松毛虫危害的样本照片和防治措施分类存储在病虫害数据库中，作为云计算的比较依据；所述特异照片是大别山区松树林在各生长期受到松毛虫危害时区别于其他病虫害表现的统一格式的特征照片；所述局部照片是大别山区松树林受到松毛虫危害的局部、有限株数或者单株的区别于其他病虫害表现的统一格式的特征照片；
（2）利用无人机巡航拍摄大别山区松树林松毛虫危害影像：根据大别山区松树林地形地貌和生长情况设定无人机巡航路线，通过无人机连续拍摄与病虫害数据库特异照片格式一致的农作物高清图像，实时回传到无人机地面控制站，存储；
（3）计算、预警：利用云计算对步骤（2）所得的大别山区松树林松毛虫危害影像逐帧与病虫害数据库图片进行比对，筛选出相似度达到20%以上的照片，列示具体区域，提出相应松毛虫害预警；
（4）精确拍摄：通过无人机对步骤（3）提出预警的具体区域再次进行近距离精确拍摄，精确拍摄的光学技术参数及照片格式与病虫害数据库中局部照片格式和样本照片格式一致，实时回传至无人机地面控制站，存储；
（5）二次计算：将步骤（4）拍摄的精确影像通过云计算逐帧与病虫害数据库中的局部照片和样本照片进行比对，综合考虑无人机拍摄时的天气状况、农作物生长情况、其他病虫害影响以及地形地貌、拍摄角度等因素，筛选出相似度达到50%以上的照片，确定松毛虫危害范围、特征、危害程度和防治措施；
（6）指导病虫害防治：按照松毛虫害防治措施指导农业生产管理人员对松毛虫危害区域及时进行防治。