专利名称：基于多源信息的区域尺度病虫害预测方法
技术领域：
本发明涉及遥感及空间数据分析处理和农学技术领域，特别是涉及一种基于多源信息的区域尺度病虫害预测方法。
背景技术：
农作物病虫害是农业生产中的重要生物灾害，据联合国粮农组织估计，世界粮食产量常年因病害损失14%以上，成为制约农业高产、优质、高效、生态、安全的一项主导因素。我国作为人口大国，能否在面积有限的耕地上取得丰收将直接关系到国民生活和国家稳定。2009年国务院《全国新增1000亿斤粮食生产能力规划(2009-2020年)》和科技部《农业及粮食科技发展规划(2009-2020年)》相继颁布，均明确指出要加强重大病虫害、农业气象防灾减灾科技工程建设，为农业主要气象灾害和生物灾害预警及防控提供技术支撑。目前，主要采用气象、农学数据在大尺度上进行病虫害预测。这种预测方式的问题是提供的结果较为粗放，通常在县域尺度上提供病害预测结果，无法提供区域内部面状连续的预测结果，难以在较为精细的尺度上指导植被病虫害的防控工作，所采用的病虫害预测模型也无法考虑田块间植被生长状态和生境参数差异对病虫害发生概率的影响。
发明内容
(一)要解决的技术问题本发明首先要解决的技术问题是如何克服传统病虫害预测模型无法考虑田块间植被生长状态和生境参数差异对病虫害发生概率的影响的缺陷，提供更细粒度的预测数据。(二)技术方案为了解决上述技术问题，本发明提供一种基于多源信息的区域尺度病虫害预测方法，包括以下步骤S1、获取反映植被生理状态的空间连续的卫星遥感数据和反映气象条件的区域尺度气象数据，然后分别对所述卫星遥感数据和区域尺度气象数据进行预处理；S2、从所述卫星遥感数据中获取两部分数据第一，反映植被生理状态的光谱反射率和植被指数；第二，反映植被生境条件的地表温度；S3、从根据步骤SI所得到的区域尺度气象数据以及根据步骤S2所得到的卫星遥感数据中进行特征选取，并进行相应的时相选择；S4、构建预测模型；S5、进行植被种植面积提取，并在所选取的面积中进行地块单元分割，得到农田管
理单元；S6、将步骤S3所选取的相应时相的区域尺度气象数据特征和卫星遥感数据特征按照所述农田管理单元分别进行平均计算，然后以所述农田管理单元为单位，将所得到的各个特征的平均值作为所述模型的输入数据，输出病虫害发生概率值。
优选地，步骤SI中，选取覆盖可见光、近红外和热红外波段的中高分辨率卫星影像数据作为所述卫星遥感数据，并选取反映病害发生生境条件的参数作为区域尺度气象数据。优选地，步骤SI中，对所述卫星遥感数据进行预处理包括辐射定标、大气校正、几何校正和去云，对所述区域尺度气象数据进行预处理包括数据检查、异常值去除，取平均和空间插值。优选地，在步骤SI中，对符合正态分布检验的参数选用克里金方法进行所述空间插值，对于未通过正态分布检验的参数采用反距离权重方法进行所述空间插值。优选地，步骤S3中进行特征选取的标准包括两方面所选特征对病虫害发生敏感；所选特征之间的相关系数低于预设值。优选地，步骤S3中以所选特征对病虫害发生敏感为标准选取特征的方式为采用独立样本检验特征在正常植被样本和染病植被样本中的差异，表征差异的值大于预设阈值则表明该特征对病虫害发生敏感。优选地，步骤S3中以所选特征之间的相关系数低于预设值为标准选取特征的方式为对病虫害发生敏感的特征两两进行相关性分析，然后选取相关系数低于预设值的特征。优选地,步骤S4中选用二值Logistic回归方法构建所述预测模型。优选地，步骤S5中采用决策树、最大似然或神经网络方法进行所述植被种植面积选取。优选地，步骤S5中，在所选取的面积内进行图像分割，生成农田管理单元的矢量边界，从而得到所述农田管理单元。(三)有益效果上述技术方案具有如下优点本发明将反映植被生理状态的空间连续的卫星遥感数据和反映气象条件的区域尺度气象数据综合运用于病虫害的预测，从而克服传统病虫害预测模型无法考虑田块间植被生长状态和生境参数差异对病虫害发生概率的影响，将不同种植地块植被的胁迫状况及生境信息纳入模型输入，在一定的地域条件下经过标定模型输出不同地块病虫害发生概率，为病虫害预测提供更精细的信息输出。
图1为本发明的方法流程图；图2为实验区地理位置示意图；图3为不同发病概率阈值精度分析图；图4为实验区农田管理单元提取结果图。
具体实施例方式下面结合附图和实施例，对本发明的具体实施方式
作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。目前，中分辨率遥感数据(如环境小卫星)已能够在较短的时间(4天)内重访并完整覆盖全球多数区域的陆地表面，并能够提供可见光、近红外、热红外波段的地表反射、发射信息，为植被生理参数(如叶面积指数、叶绿素)以及地表温度等环境参数的遥感反演提供数据保证。有鉴于此，本发明将反映植被生理状态的空间连续的卫星遥感数据和反映气象条件的区域尺度气象数据综合运用于病害的预测，从而克服传统病虫害预测模型无法考虑田块间植被生长状态和生境参数差异对病害发生概率的影响。植被病害类型多样，成因复杂，但绝大多数的病害发生与植株自身生理状态及一定的生境条件有关。本发明的目的是提供一种能够基于遥感、气象等通用数据在区域尺度上进行病害预测的方法。该方法在传统气象数据的基础上，引入了空间连续的遥感数据，从而有可能将不同种植地块植被的胁迫状况及生境信息纳入模型输入。在一定的地域条件下经过标定的模型，能够输出不同地块病害发生概率，为病害的防治和管理提供更精细的信息支持，方法整体流程见图1。本实施例实验区位于北京周边的顺义、通州区。根据气象部门、植保部门预报经验以及历年小麦病害发生情况，该地区属小麦白粉病易发生地区(图2)。同时，该地区小麦种植结构相对简单(品种混杂少)且地块面积较大，适合于进行病害遥感预测。步骤S1:数据获取及预处理病害预测模型的构建需获取一定应用区域内多时相的遥感、气象数据，以及大范围地面调查数据。鉴于小麦白粉病、条锈病、麦蚜等多数病虫害普遍在小麦扬花至灌浆期发生和流行，病虫害理想的预测和防治时间是小麦越冬后分蘖至拔节期。因此，遥感数据选择冬小麦分蘖至拔节期内2-3期的数据；气象数据选择这一时间段内的逐日数据；地面调查数据目的是对模型进行标定和验证，需要在小麦扬花至灌浆期病虫危害较明显的时段进行。1.遥感数据方面，根据多数小麦病虫害发生发展进程较快的特点，选用重访周期短的中高分辨率卫星影像(如国产的环境小卫星CXD和IRS数据)，影像波段范围需覆盖可见光、近红外和热红外波段。在与气象数据匹配的时间段内分别获取覆盖应用区域的光学影像和热红外影像。影像预处理包括辐射定标、大气校正、几何校正和去云等步骤，将原始数据处理成为带准确地理坐标信息的反射率/发射率数据。2.气象数据方面，获取应用区域内各气象站点的逐日气象数据，包括平均温度、降水、湿度、日照时数等反映病害发生生境条件的参数。气象数据预处理包括数据检查和异常值去除，以旬为单位进行平均和空间插值等步骤。对符合正态分布检验的参数选用克里金(kriging)方法插值,对于未通过正态分布检验的参数采用反距离权重(Inverse DistanceWeighted)方法进行插值。3.病虫害地面调查方面，在应用区域内随机布样进行调查。根据应用区域的面积设置样点分布及数量，总调查样点个数应不少于30个，同时应保证样点密度不低于I个样点每10km2。在每个样点选定一个直径约为30m的小麦连续种植区域，调查病害是否发生的信息。本实施例中根据小麦白粉病田间发生规律，选择分蘖期和拔节期作为遥感数据获取时段，该时期小麦开始越冬后生长，属遥感有效监测时段；选择返青期至拔节期作为气象数据获取时段；病害地面调查在病害较明显发生的灌浆期进行。遥感数据选择地面分辨率为30m的环境小卫星HJ-CXD (光学)和HJ-1RS (红外)数据，在遥感有效监测时段内获取分蘖期(2010年5月I日)和拔节期(2010年5月13日)各两景清晰的影像数据；气象数据获取了应用区内及周边共20个站点的降水、平均温度和日照时数三项与病害发生关联度较高的数据，各站点数据在日值基础上，分别以旬为单位进行平均，得到2010年4月I日至2010年5月10日中4个时相的平均值数据；地面调查在小麦灌浆期进行(2010年5月25日)，在应用区域内共选择空间上分布均匀的90个地面样点进行病情调查，其中随机选择54个点为训练样本，其余36个点为验证样本。采用步骤SI方法分别对遥感、气象数据进行预处理，得到各波段反射率/发射率数据，及气象参数空间插值数据。步骤S2 :病害相关遥感特征计算根据光学卫星影像和热红外卫星影像信息获取的特点，从影像中提取、计算两部分变量第一，反映植被生理状态的光谱反射率和植被指数，包括Re(绿波段反射率)、RK(红波段反射率)、Rnik(近红外波段反射率)、TV1、SAV1、DSWI和SIWSI。各指数的形式、生理含义及出处见表I。第二，反映冬小麦生境条件的地表温度LST (Land Surface Temperature),根据单通道算法基于定标后的热红外发射率数据计算得到，具体方法参考段四波(2008)，罗菊花(2010)等。表I病害预测光谱特征
权利要求
1.一种基于多源信息的区域尺度病虫害预测方法，其特征在于，包括以下步骤51、获取反映植被生理状态的空间连续的卫星遥感数据和反映气象条件的区域尺度气象数据，然后分别对所述卫星遥感数据和区域尺度气象数据进行预处理；52、从所述卫星遥感数据中获取两部分数据第一，反映植被生理状态的光谱反射率和植被指数；第二，反映植被生境条件的地表温度；53、从根据步骤SI所得到的区域尺度气象数据以及根据步骤S2所得到的卫星遥感数据中进行特征选取，并进行相应的时相选择；54、构建预测模型；55、进行植被种植面积提取，并在所选取的面积中进行地块单元分割，得到农田管理单元;56、将步骤S3所选取的相应时相的区域尺度气象数据特征和卫星遥感数据特征按照所述农田管理单元分别进行平均计算，然后以所述农田管理单元为单位，将所得到的各个特征的平均值作为所述模型的输入数据，输出病虫害发生概率值。
2.如权利要求1所述的方法，其特征在于，步骤SI中，选取覆盖可见光、近红外和热红外波段的中高分辨率卫星影像数据作为所述卫星遥感数据，并选取反映病害发生生境条件的参数作为区域尺度气象数据。
3.如权利要求1所述的方法，其特征在于，步骤SI中，对所述卫星遥感数据进行预处理包括辐射定标、大气校正、几何校正和去云，对所述区域尺度气象数据进行预处理包括数据检查、异常值去除，取平均和空间插值。
4.如权利要求3所述的方法，其特征在于，在步骤SI中，对符合正态分布检验的参数选用克里金方法进行所述空间插值，对于未通过正态分布检验的参数采用反距离权重方法进行所述空间插值。
5.如权利要求1所述的方法，其特征在于，步骤S3中进行特征选取的标准包括两方面所选特征对病虫害发生敏感；所选特征之间的相关系数低于预设值。
6.如权利要求5所述的方法，其特征在于，步骤S3中以所选特征对病虫害发生敏感为标准选取特征的方式为采用独立样本检验特征在正常植被样本和染病植被样本中的差异，表征差异的值大于预设阈值则表明该特征对病虫害发生敏感。
7.如权利要求6所述的方法，其特征在于，步骤S3中以所选特征之间的相关系数低于预设值为标准选取特征的方式为对病虫害发生敏感的特征两两进行相关性分析，然后选取相关系数低于预设值的特征。
8.如权利要求1所述的方法，其特征在于，步骤S4中选用二值Logistic回归方法构建所述预测模型。
9.如权利要求1所述的方法，其特征在于，步骤S5中采用决策树、最大似然或神经网络方法进行所述植被种植面积选取。
10.如权利要求广9中任一项所述的方法，其特征在于，步骤S5中，在所选取的面积内进行图像分割，生成农田管理单元的矢量边界，从而得到所述农田管理单元。
全文摘要
本发明涉及遥感及空间数据分析处理和农学技术领域，公开了一种基于多源信息的区域尺度病虫害预测方法。本发明将反映植被生理状态的空间连续的卫星遥感数据和反映气象条件的区域尺度气象数据综合运用于病虫害的预测，从而克服传统病虫害预测模型无法考虑田块间植被生长状态和生境参数差异对病虫害发生概率的影响，将不同种植地块植被的胁迫状况及生境信息纳入模型输入，在一定的地域条件下经过标定模型输出不同地块病虫害发生概率，为病虫害预测提供更精细的信息输出。
文档编号G06Q50/02GK103034910SQ201210511369
公开日2013年4月10日 申请日期2012年12月3日 优先权日2012年12月3日
发明者张竞成, 赵春江, 杨贵军, 王纪华, 袁琳, 杨小冬, 顾晓鹤, 徐新刚 申请人:北京农业信息技术研究中心