一种迁飞性昆虫空间分布预测方法和装置

1.本技术涉及生物防治领域，特别是涉及一种迁飞性昆虫空间分布预测方法和装置。


背景技术：

2.目前存在一些远距离迁飞性昆虫，例如草地贪夜蛾，季节性入侵范围广，防控难度大。定量预测这类昆虫的动态空间分布情况，对热点区域开展生物或化学防治、监测仪器布设、经济损失评估显得尤为重要。
3.以往研究常采用物种生态位模型(sdm)、统计分析模型及机器学习模型，依赖于各时期物种存在/不存在数据归纳的气候适宜性来预测昆虫发生空间范围及程度，此外，也有研究者将气象背景场对昆虫扩散的影响纳入模型的考虑范围内，例如基于昆虫轨迹迁飞模型模拟昆虫的大气扩散过程，从而预测了昆虫的迁飞路径。
4.但是，上述模型未能全面考虑与昆虫生存、发育、迁飞有关的生物学特性，以及外部环境条件和寄主植物条件对昆虫迁飞扩散的影响，导致昆虫空间分布预测结果时空连续性较差，且准确性较低。


技术实现要素：

5.有鉴于此，本技术提供了一种迁飞性昆虫空间分布预测方法和装置，用于解决上述技术问题，其技术方案如下：
6.一种迁飞性昆虫空间分布预测方法，包括：
7.获取气象数据和目标昆虫的迁飞行为参数，其中，气象数据为时空不连续的气象数据；
8.根据气象数据和迁飞行为参数，以预设地点为迁飞起点，对目标昆虫未来的迁飞地点进行连续预测，得到由迁飞起点和预测的迁飞地点组成的多个迁飞轨迹；
9.根据目标昆虫沿多个迁飞轨迹飞行时是否处于寄主植物的生长期，和目标昆虫沿多个迁飞轨迹飞行时的气候是否适宜目标昆虫生长发育，将多个迁飞轨迹中的无效轨迹筛除，得到目标有效迁飞轨迹；
10.根据目标有效迁飞轨迹，确定目标昆虫未来的空间分布。
11.可选的，根据目标昆虫沿多个迁飞轨迹飞行时是否处于寄主植物的生长期，和目标昆虫沿多个迁飞轨迹飞行时的气候是否适宜目标昆虫生长发育，将多个迁飞轨迹中的无效轨迹筛除，包括：
12.确定目标昆虫沿多个迁飞轨迹飞行时是否处于寄主植物的生长期，并确定目标昆虫沿多个迁飞轨迹飞行时的气候是否适宜目标昆虫生长发育；
13.针对多个迁飞轨迹中的每个迁飞轨迹，若目标昆虫沿该迁飞轨迹飞行时未处于寄主植物的生长期，和/或目标昆虫沿该迁飞轨迹飞行时的气候不适宜目标昆虫生长发育，则将该迁飞轨迹从多个迁飞轨迹中筛除。
14.可选的，确定目标昆虫沿多个迁飞轨迹飞行时是否处于寄主植物的生长期，包括：
15.获取多个迁飞轨迹包含的迁飞地点下的各时期叶面积指数；
16.将各时期叶面积指数对应到预设的农田网格下，得到各农田网格下的各时期叶面积指数；
17.根据各农田网格下的各时期叶面积指数，生成各农田网格分别对应的叶面积指数年度时间序列曲线；
18.针对各农田网格中的每个农田网格，采用该农田网格对应的平滑方法对该农田网格对应的叶面积指数年度时间序列曲线进行平滑处理，得到该农田网格对应的平滑后叶面积指数年度时间序列曲线；
19.根据各农田网格分别对应的平滑后叶面积指数年度时间序列曲线，提取寄主植物关键物候期，以根据提取的寄主植物关键物候期确定目标昆虫沿多个迁飞轨迹飞行时是否处于寄主植物的生长期。
20.可选的，任一农田网格所在目标范围内的所有农田网格对应相同的平滑方法；
21.目标范围内的农田网格对应的平滑方法的确定过程，包括：
22.针对预设的平滑方法集合中的每个平滑方法：
23.采用该平滑方法对目标范围内的每个农田网格对应的叶面积指数年度时间序列曲线进行平滑处理，得到该平滑方法下每个农田网格对应的平滑后叶面积指数年度时间序列曲线；
24.根据该平滑方法下每个农田网格对应的平滑后叶面积指数年度时间序列曲线，确定该平滑方法下每个农田网格对应的寄主植物关键物候期；
25.计算该平滑方法下每个农田网格对应的寄主植物关键物候期与寄主植物的实际关键物候期的均方根误差，将得到的均方根误差作为该平滑方法下每个农田网格对应的均方根误差；
26.计算该平滑方法下目标范围内的所有农田网格分别对应的均方根误差的平均值，得到该平滑方法对应的均方根误差均值；
27.以得到平滑方法集合中所有平滑方法分别对应的均方根误差均值；
28.从平滑方法集合中的所有平滑方法分别对应的均方根误差均值中确定最小的均方根误差均值，最小的均方根误差均值对应的平滑方法作为目标范围内的农田网格对应的平滑方法。
29.可选的，根据各农田网格分别对应的平滑后叶面积指数年度时间序列曲线，提取寄主植物关键物候期，以根据提取的寄主植物关键物候期确定目标昆虫沿多个迁飞轨迹飞行时是否处于寄主植物的生长期，包括：
30.确定各农田网格分别对应的平滑后叶面积指数年度时间序列曲线中一阶导数递增且二阶导数等于0的拐点，将该拐点对应的日期作为各农田网格分别对应的寄主植物第一关键物候期；
31.确定各农田网格分别对应的平滑后叶面积指数年度时间序列曲线中的最大值，将最大值对应的日期作为各农田网格分别对应的寄主植物第二关键物候期；
32.确定各农田网格分别对应的平滑后叶面积指数年度时间序列曲线中一阶导数为负值且绝对值最大的拐点，将该拐点对应的日期作为各农田网格分别对应的寄主植物第三
关键物候期；
33.根据各农田网格分别对应的寄主植物第一关键物候期、寄主植物第二关键物候期和寄主植物第三关键物候期，确定目标昆虫沿多个迁飞轨迹飞行时是否处于寄主植物的生长期。
34.可选的，确定目标昆虫沿多个迁飞轨迹飞行时的气候是否适宜目标昆虫生长发育，包括：
35.获取目标昆虫沿多个迁飞轨迹飞行时的气候数据，其中，气候数据包括温度数据和土壤含水量数据；
36.获取目标昆虫相关的温度发育依赖参数、最低温度阈值、最高温度阈值、最小土壤水分阈值、设定时间内最低温度累计应力下的存活率、设定时间内最高温度累计应力下的存活率和设定时间内含水量累计应力下的存活率；
37.针对多个迁飞轨迹中的每个迁飞轨迹：
38.根据目标昆虫沿该迁飞轨迹飞行时的温度数据，结合温度发育依赖参数，确定该迁飞轨迹下目标昆虫的正生长速率；
39.根据目标昆虫沿该迁飞轨迹飞行时的温度数据和土壤含水量数据，结合最低温度阈值、最高温度阈值、最小土壤水分阈值、设定时间内最低温度累计应力下的存活率、设定时间内最高温度累计应力下的存活率和设定时间内含水量累计应力下的存活率，确定该迁飞轨迹下目标昆虫的负生长速率；
40.计算该迁飞轨迹下目标昆虫的正生长速率与负生长速率的差值，将该差值作为该迁飞轨迹下的生长速率；
41.根据该迁飞轨迹下的生长速率是否大于预设生长速率阈值，确定目标昆虫沿该迁飞轨迹飞行时的气候是否适宜目标昆虫生长发育。
42.可选的，根据目标昆虫沿该迁飞轨迹飞行时的温度数据和土壤含水量数据，结合最低温度阈值、最高温度阈值、最小土壤水分阈值、设定时间内最低温度累计应力下的存活率、设定时间内最高温度累计应力下的存活率和设定时间内含水量累计应力下的存活率，确定该迁飞轨迹下目标昆虫的负生长速率，包括：
43.根据设定时间内最低温度累计应力下的存活率，确定目标昆虫每单位冷胁迫的死亡率，根据设定时间内最高温度累计应力下的存活率，确定目标昆虫每单位热胁迫的死亡率，根据设定时间内含水量累计应力下的存活率，确定目标昆虫每单位干旱胁迫的死亡率；
44.根据目标昆虫沿该迁飞轨迹飞行时的温度数据和土壤含水量数据，结合目标昆虫每单位冷胁迫的死亡率、每单位热胁迫的死亡率、每单位干旱胁迫的死亡率、最低温度阈值、最高温度阈值和最小土壤水分阈值，确定该迁飞轨迹下目标昆虫的负生长速率。
45.可选的，在确定目标昆虫沿多个迁飞轨迹飞行时是否处于寄主植物的生长期，并确定目标昆虫沿多个迁飞轨迹飞行时的气候是否适宜目标昆虫生长发育之前，还包括：
46.根据多个迁飞轨迹包含的迁飞地点是否为非水域，和/或多个迁飞轨迹包含的迁飞地点是否低于海拔数字高程模型的高度，对多个迁飞轨迹进行初筛。
47.可选的，迁飞行为参数包括以下参数中的一个或多个：飞行时间、飞行速度、飞行高度和迫降因素，其中，迫降因素是指导致目标昆虫不能在正常飞行期间飞行的因素。
48.一种迁飞性昆虫空间分布预测装置，包括：
49.第一获取模块，用于获取气象数据和目标昆虫的迁飞行为参数，其中，气象数据为时空不连续的气象数据；
50.迁飞轨迹预测模块，用于根据气象数据和迁飞行为参数，以预设地点为迁飞起点，对目标昆虫未来的迁飞地点进行连续预测，得到由迁飞起点和预测的迁飞地点组成的多个迁飞轨迹；
51.第一轨迹筛除模块，用于根据目标昆虫沿多个迁飞轨迹飞行时是否处于寄主植物的生长期，和目标昆虫沿多个迁飞轨迹飞行时的气候是否适宜目标昆虫生长发育，将多个迁飞轨迹中的无效轨迹筛除，得到目标有效迁飞轨迹；
52.空间分布预测模块，用于根据目标有效迁飞轨迹，确定目标昆虫未来的空间分布。
53.经由上述的技术方案可知，本技术提供的迁飞性昆虫空间分布预测方法，首先获取气象数据和目标昆虫的迁飞行为参数，然后根据气象数据和迁飞行为参数，以预设地点为迁飞起点，对目标昆虫未来的迁飞地点进行连续预测，得到由迁飞起点和预测的迁飞地点组成的多个迁飞轨迹，由于迁飞行为参数能够反映目标昆虫的迁飞扩散机制，基于目标昆虫的迁飞扩散机制对目标昆虫未来的迁飞轨迹进行动态预测，预测结果更准确。考虑到目标昆虫飞行时，迁飞轨迹下的环境气候和食物需要适合目标昆虫生存，否则目标昆虫不会按照迁飞轨迹进行飞行，因此本技术会根据目标昆虫沿多个迁飞轨迹飞行时是否处于寄主植物的生长期，和目标昆虫沿多个迁飞轨迹飞行时的气候是否适宜目标昆虫生长发育，将多个迁飞轨迹中的无效轨迹筛除，得到目标有效迁飞轨迹，最后根据目标有效迁飞轨迹，确定目标昆虫未来的空间分布。本技术综合考虑了目标昆虫的迁飞扩散机制、气候适宜性和寄主植物生长期，使得预测出的空间分布更准确，预测精度更高，且本技术预测的昆虫空间分布预测结果时空连续性更好。
附图说明
54.为了更清楚地说明本技术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技术的实施例，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，还可以根据提供的附图获得其他的附图。
55.图1为本技术实施例提供的一种迁飞性昆虫空间分布预测方法的流程示意图；
56.图2为每年首次实地捕获草地贪夜蛾的日期与本技术模拟的草地贪夜蛾最初迁入日期的比较结果图；
57.图3为本技术实施例提供的迁飞性昆虫空间分布预测装置的结构示意图；
58.图4为本技术实施例提供的迁飞性昆虫空间分布预测设备的硬件结构框图。
具体实施方式
59.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，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，都属于本技术保护的范围。
60.本技术提供了一种迁飞性昆虫空间分布预测方法，接下来通过下述实施例对本申
请提供的迁飞性昆虫空间分布预测方法进行详细介绍。
61.请参阅图1，示出了本技术实施例提供的迁飞性昆虫空间分布预测方法的流程示意图，该迁飞性昆虫空间分布预测方法可以包括：
62.步骤s101、获取气象数据和目标昆虫的迁飞行为参数。
63.其中，气象数据为时空不连续的气象数据，其中，空间不连续是指气象数据为水平和垂直方向均不连续。
64.可选的，本步骤可从国家环境预测中心(ncep)和国家大气研究中心(ncar)获取最终分析(fnl)数据，该最终分析数据即为本步骤中的气象数据。
65.可选的，迁飞行为参数包括以下参数中的一个或多个：飞行时间、飞行速度、飞行高度和迫降因素，其中，迫降因素是指导致目标昆虫不能在正常飞行期间飞行的因素。
66.以目标昆虫为草地贪夜蛾为例，本技术设置的草地贪夜蛾迁飞行为参数可参见下表1所示，草地贪夜蛾的迁飞行为参数包括如下：(1)飞行时间。根据草地贪夜蛾生物学特性，草地贪夜蛾每晚可连续飞行10小时，可选的，本技术可设定草地贪夜蛾在当地黄昏时起飞(19:00)，在次日日出时(05:00)停止飞行，并在温度条件适宜的情况下可连续飞行3个夜晚；若草地贪夜蛾进入海域，则延长单次飞行时间，最长不超过36h。(2)飞行速度。与草地贪夜蛾体型相似的夜蛾类昆虫自主飞行速度为2.5～4m/s，可选的，本技术可设置草地贪夜蛾自身飞行速度为3m/s。(3)飞行高度。夜蛾类通常在低空急流(风速大于10m/s)所在高度迁飞，可选的，为确保能够找到最可能的飞行高度，可采用距海平面500、750、1000、1250、1500、1750、2000和2250m的高度结合地形高程数据dem分别进行轨迹计算。(4)迫降因素。空中温度低于其飞行低温阈值时，迁飞昆虫便会停止振翅，可选的，本技术可设置草地贪夜蛾所在飞行高度的温度低于飞行低温阈值13.8℃时，终止当晚轨迹计算，并且当每小时降雨量大于1毫米时(中雨及以上)，认为草地贪夜蛾会受到降雨的影响而迫降。
67.表1草地贪夜蛾迁飞行为参数设置表
68.[0069][0070]
步骤s102、根据气象数据和迁飞行为参数，以预设地点为迁飞起点，对目标昆虫未来的迁飞地点进行连续预测，得到由迁飞起点和预测的迁飞地点组成的多个迁飞轨迹。
[0071]
本步骤可以预设迁飞起点，并在该迁飞起点下，根据气象数据和迁飞行为参数对目标昆虫未来可能的降落区域(即迁飞地点)进行连续预测，在进行多次预测后，就可基于连续预测的迁飞地点以及迁飞起点得到多个迁飞轨迹。这里，迁飞地点是指目标昆虫可能的降落区域，也即目标昆虫未来可能的落点。
[0072]
以草地贪夜蛾为例，本步骤可以以草地贪夜蛾周年繁殖区，即一月(最冷月)均温大于10℃区域为迁飞起点进行连续预测。
[0073]
步骤s103、根据目标昆虫沿多个迁飞轨迹飞行时是否处于寄主植物的生长期，和目标昆虫沿多个迁飞轨迹飞行时的气候是否适宜目标昆虫生长发育，将多个迁飞轨迹中的无效轨迹筛除，筛除无效轨迹后的迁飞轨迹作为目标有效迁飞轨迹。
[0074]
这里，生长期是指寄主植物的生长季节开始至生长季节结束这一时期。寄主植物处于生长期时可以为目标昆虫提供食物，例如，以目标昆虫为草地贪夜蛾为例，寄主植物可以为玉米，玉米全生育期分为播种、出苗、三叶、七叶、拔节、抽穗、开花、灌浆、乳熟、成熟等主要发育时期，生长期指生长季节开始至生长季节结束，即三叶期至成熟期这段时期。
[0075]
可以理解的是，目标昆虫迁飞时会降落在有食物的区域，即目标昆虫迁入时刻至迁出时刻之间均需处于寄主植物生长期范围内，以确保食物能满足目标昆虫生长发育的需要。
[0076]
基于此，可通过本步骤研究若目标昆虫沿预测的迁飞轨迹飞行，则目标昆虫在迁飞地点降落时是否处于寄主食物的生长期，来确定目标昆虫是否会沿预测的迁飞轨迹飞行。如果根据目标昆虫沿多个迁飞轨迹飞行时未处于寄主植物的生长期，判断出目标昆虫不会沿预测的迁飞轨迹飞行，就说明该预测的迁飞轨迹为无效轨迹，此时可将该预测的迁飞轨迹筛除。
[0077]
同时，考虑到目标昆虫对生存环境(也即本步骤中的气候)有一定的要求，如果目标昆虫沿预测的迁飞轨迹飞行时，迁飞地点不符合目标昆虫对生存环境的要求，则目标昆虫在预测的迁飞轨迹落点区域无法生存。
[0078]
基于此，可通过本步骤研究若目标昆虫沿预测的迁飞轨迹飞行，则目标昆虫在迁飞地点降落时的气候是否适宜目标昆虫生长发育，来确定目标昆虫是否会沿预测的迁飞轨迹飞行。如果目标昆虫沿预测的迁飞轨迹飞行时，迁飞地点不符合目标昆虫对生存环境的要求，则目标昆虫在预测的迁飞轨迹落点区域无法生存，此时说明该预测的迁飞轨迹为无效轨迹，可将该预测的迁飞轨迹从多个迁飞轨迹中筛除。
[0079]
值得注意的是，可能存在一些迁飞轨迹对应的整个迁飞范围气候适宜，全年均可种植寄主植物，此时可以不基于寄主植物物候期来进行无效轨迹筛除操作，也即无需执行本步骤根据目标昆虫沿多个迁飞轨迹飞行时是否处于寄主植物的生长期，将多个迁飞轨迹中的无效轨迹筛除的过程。
[0080]
步骤s104、根据目标有效迁飞轨迹，确定目标昆虫未来的空间分布。
[0081]
目标有效迁飞轨迹为筛除无效轨迹后余下的寄主植物和环境均适宜目标昆虫生存的轨迹。
[0082]
可选的，本步骤可以对目标有效迁飞轨迹包含的迁飞地点进行核密度分析(kda)，采用silverman经验规则估计带宽，并根据密度分位数从小到大进行排序，以得到目标昆虫未来的空间分布。这里，目标昆虫未来的空间分布可以指示目标昆虫入侵的空间范围和在目的地的种群相对密度。
[0083]
本技术提供的迁飞性昆虫空间分布预测方法，首先获取气象数据和目标昆虫的迁飞行为参数，然后根据气象数据和迁飞行为参数，以预设地点为迁飞起点，对目标昆虫未来的迁飞地点进行连续预测，得到由迁飞起点和预测的迁飞地点组成的多个迁飞轨迹，由于迁飞行为参数能够反映目标昆虫的迁飞扩散机制，基于目标昆虫的迁飞扩散机制对目标昆虫未来的迁飞轨迹进行动态预测，预测结果更准确。考虑到目标昆虫飞行时，迁飞轨迹下的环境气候和食物需要适合目标昆虫生存，否则目标昆虫不会按照迁飞轨迹进行飞行，因此本技术会根据目标昆虫沿多个迁飞轨迹飞行时是否处于寄主植物的生长期，和/或目标昆虫沿多个迁飞轨迹飞行时的气候是否适宜目标昆虫生长发育，将多个迁飞轨迹中的无效轨迹筛除，得到目标有效迁飞轨迹，最后根据目标有效迁飞轨迹，确定目标昆虫未来的空间分布。本技术综合考虑了目标昆虫的迁飞扩散机制、气候适宜性和寄主植物生长期，使得预测出的空间分布更准确，预测精度更高，且本技术预测的昆虫空间分布预测结果时空连续性更好。
[0084]
本技术的一个实施例，对“步骤s102、根据气象数据和迁飞行为参数，以预设地点为迁飞起点，对目标昆虫未来的迁飞地点进行连续预测，得到由迁飞起点和预测的迁飞地点组成的多个迁飞轨迹”的过程进行介绍。
[0085]
在一可选实施例中，本步骤可以通过天气研究和预报模型(wrf)对气象数据进行处理，得到处理后的时空连续的气象数据，然后再通过时空连续的气象数据和迁飞行为参数，以预设地点为迁飞起点，对目标昆虫未来的迁飞地点进行连续预测，得到由迁飞起点和预测的迁飞地点组成的多个迁飞轨迹。
[0086]
这里，天气研究和预报模型(wrf)是一种先进的中尺度数值天气预报系统，可为昆虫轨迹分析提供每小时的气象背景场，也即，将气象数据输入到wrf模型中，可以每隔1小时输出一次水平和垂直的风速、降水等模拟的时空连续的气象数据。
[0087]
本实施例能够将时空不连续的气象数据转换为时空连续的气象数据，然后再基于
时空连续的气象数据和迁飞行为参数进行连续预测，使得本技术的预测结果能够保持时空连续。
[0088]
以下实施例对“步骤s103、根据目标昆虫沿多个迁飞轨迹飞行时是否处于寄主植物的生长期，和目标昆虫沿多个迁飞轨迹飞行时的气候是否适宜目标昆虫生长发育，将多个迁飞轨迹中的无效轨迹筛除，筛除无效轨迹后的迁飞轨迹作为目标有效迁飞轨迹”的过程进行说明。
[0089]
可选的，“步骤s103、根据目标昆虫沿多个迁飞轨迹飞行时是否处于寄主植物的生长期，和目标昆虫沿多个迁飞轨迹飞行时的气候是否适宜目标昆虫生长发育，将多个迁飞轨迹中的无效轨迹筛除，筛除无效轨迹后的迁飞轨迹作为目标有效迁飞轨迹”的过程可以包括：
[0090]
步骤s1、确定目标昆虫沿多个迁飞轨迹飞行时是否处于寄主植物的生长期，并确定目标昆虫沿多个迁飞轨迹飞行时的气候是否适宜目标昆虫生长发育。以下对“确定目标昆虫沿多个迁飞轨迹飞行时是否处于寄主植物的生长期”的过程进行说明。
[0091]
考虑到寄主植物处于不同物候期时，叶面积指数可能不同。基于此，本实施例可以基于目标昆虫沿多个迁飞轨迹飞行时的叶面积指数，确定目标昆虫在降落时是否处于寄主植物的生长期。
[0092]
那么，可选的，“确定目标昆虫沿多个迁飞轨迹飞行时是否处于寄主植物的生长期”的过程可以包括：
[0093]
步骤a1、获取多个迁飞轨迹包含的迁飞地点下的各时期叶面积指数。
[0094]
这里，叶面积指数具体是指全球陆地表面卫星(glass)叶面积指数(lai)。全球陆地表面卫星(glass)叶面积指数(lai)产品被用于监测作物的长势和生育期，与modis和cyclopes等全球lai产品相比，glass lai产品精度最优且更具有空间完整性和时间连续性。可选的，本步骤中的glass lai产品可以通过融合的lai数据(包括modis lai产品、cyclopes lai产品、belmanip站点的再处理modis反射率)输入到回归神经网络(grnn)中得到。
[0095]
可选的，glass lai产品的空间分辨率为1km，时间分辨率为8天，则本步骤可以每隔8天获取一次迁飞地点下的叶面积指数，由此得到各时期叶面积指数。这里，“各时期”具体可以为一年。
[0096]
步骤a2、将各时期叶面积指数对应到预设的农田网格下，得到各农田网格下的各时期叶面积指数。
[0097]
本步骤中的农田网格可以为1km国家土地覆盖数据集(nlcd)中的栅格。这里，nlcd是国家土地覆盖数据(指示某一个地点是建筑物、水体、还是植被的数据)，其为一种栅格数据，能够将地面分为很多个栅格，每一个栅格(网格)被定义为一个确定的类别。
[0098]
本步骤可以将各时期叶面积指数按照所在区域对应到nlcd中农田类型的网格下，得到各农田网格下的各时期叶面积指数。
[0099]
步骤a3、根据各农田网格下的各时期叶面积指数，生成各农田网格分别对应的叶面积指数年度时间序列曲线。
[0100]
本步骤可以针对每个农田网格，生成该农田网络对应的叶面积指数年度时间序列曲线。
[0101]
步骤a4、针对各农田网格中的每个农田网格，采用该农田网格对应的平滑方法对该农田网格对应的叶面积指数年度时间序列曲线进行平滑处理，得到该农田网格对应的平滑后叶面积指数年度时间序列曲线。
[0102]
本步骤会预先为每个农田网格确定一个最优的平滑方法，然后再基于最优平滑方法对农田网格对应的叶面积指数年度时间序列曲线进行平滑处理。
[0103]
在一可选实施例中，本步骤可以预先将待研究地面划分为若干范围，每个范围内的所有农田网格对应相同的平滑方法，例如，以省份进行划分，每个省份范围内的所有农田网格对应相同的平滑方法。为便于后续描述，将任一农田网格所在范围定义为目标范围，则目标范围内的所有农田网格对应相同的平滑方法。
[0104]
可选的，目标范围内的农田网格对应的平滑方法(即最优平滑方法)的确定过程可以包括：
[0105]
步骤a41、针对预设的平滑方法集合中的每个平滑方法，根据目标范围内的农田网格对应的叶面积指数年度时间序列曲线，确定该平滑方法对应的均方根误差均值，以得到平滑方法集合中所有平滑方法分别对应的均方根误差均值。
[0106]
可选的，平滑方法集合中包括：双逻辑(dl)方法、savitzky-golay(sg)滤波器方法和基于小波的滤波器(wf)方法。当然，平滑方法集合中还可以包括其他平滑方法，本技术对此不进行限定。
[0107]
具体的，步骤a41“根据目标范围内的农田网格对应的叶面积指数年度时间序列曲线，确定该平滑方法对应的均方根误差均值”的过程可以包括：
[0108]
步骤a411、采用该平滑方法对目标范围内的每个农田网格对应的叶面积指数年度时间序列曲线进行平滑处理，得到该平滑方法下每个农田网格对应的平滑后叶面积指数年度时间序列曲线。
[0109]
步骤a412、根据该平滑方法下每个农田网格对应的平滑后叶面积指数年度时间序列曲线，确定该平滑方法下每个农田网格对应的寄主植物关键物候期。
[0110]
可选的，寄主植物关键物候期包括第一关键物候期、第二关键物候期和第三关键物候期，以寄主植物为玉米为例，第一关键物候期是指三叶期，第二关键物候期是指抽穗期，第三关键物候期是指成熟期。
[0111]
则本步骤可以将该平滑方法下每个农田网格对应的平滑后叶面积指数年度时间序列曲线中，一阶导数递增且二阶导数等于0的拐点对应的日期确定为该平滑方法下每个农田网格对应的寄主植物第一关键物候期，并将该平滑方法下每个农田网格对应的平滑后叶面积指数年度时间序列曲线中，最大值对应的日期确定为该平滑方法下每个农田网格对应的寄主植物第二关键物候期，以及，将该平滑方法下每个农田网格对应的平滑后叶面积指数年度时间序列曲线中，一阶导数为负值且绝对值最大的拐点对应的日期确定为该平滑方法下每个农田网格对应的寄主植物第三关键物候期。
[0112]
例如，通过lai年度时间序列曲线的拐点和阈值识别玉米关键物候阶段，即一阶导数不断增加且二阶导数等于0的拐点定义为玉米三叶期，lai达到最大值的日期定义为抽穗期，一阶导数为负且绝对值最大的拐点定义为成熟期。
[0113]
步骤a413、计算该平滑方法下每个农田网格对应的寄主植物关键物候期与寄主植物的实际关键物候期的均方根误差，将得到的均方根误差作为该平滑方法下每个农田网格
对应的均方根误差。
[0114]
可选的，本步骤可通过国家气象中心(cma)的数据确定每个农田网格对应的寄主植物的实际关键物候期。
[0115]
本步骤可通过对比估计该平滑方法下每个农田网格对应的寄主植物关键物候期与寄主植物的实际关键物候期(即cma整理出的观测物候日期)的均方根误差(rmse)，该rmse值即为该平滑方法下每个农田网格对应的均方根误差。
[0116]
步骤a414、计算该平滑方法下目标范围内的所有农田网格分别对应的均方根误差的平均值，得到该平滑方法对应的均方根误差均值。
[0117]
前述步骤已经计算出该平滑方法下每个农田网格对应的均方根误差，本步骤可以将目标范围内的所有农田网格分别对应的均方根误差求平均，得到该平滑方法对应的均方根误差均值(即平均rmse值)。
[0118]
本步骤对平滑方法集合中的每个平滑方法均采用上述步骤a411～a414进行计算，就可以得到平滑方法集合中所有平滑方法分别对应的均方根误差均值。
[0119]
步骤a42、从平滑方法集合中的所有平滑方法分别对应的均方根误差均值中确定最小的均方根误差均值，最小的均方根误差均值对应的平滑方法作为目标范围内的农田网格对应的平滑方法。
[0120]
例如，本步骤可以在省级范围内选择具有最小平均rmse值的平滑方法，作为省级范围内的农田网格对应的平滑方法。
[0121]
步骤a5、根据各农田网格分别对应的平滑后叶面积指数年度时间序列曲线，提取寄主植物关键物候期，以根据提取的寄主植物关键物候期确定目标昆虫沿多个迁飞轨迹飞行时是否处于寄主植物的生长期。
[0122]
本步骤可以采用与上述步骤a412相同的方法确定各农田网格分别对应的寄主植物关键物候期，以确定目标昆虫沿多个迁飞轨迹飞行时是否处于寄主植物的生长期。
[0123]
需要说明的是，本实施例为了配合迁飞轨迹的计算，可以使用栅格统计方法，在1
°×1°
尺度上计算寄主植物关键物候期的doy(day of year，一年中的某一天)均值，若存在数据缺失则使用邻域均值插值。
[0124]
也即，本步骤的过程可以包括：
[0125]
步骤a51、确定各农田网格分别对应的平滑后叶面积指数年度时间序列曲线中一阶导数递增且二阶导数等于0的拐点，将该拐点对应的日期作为各农田网格分别对应的寄主植物第一关键物候期。
[0126]
这里，第一关键物候期例如为玉米的三叶期。
[0127]
步骤a52、确定各农田网格分别对应的平滑后叶面积指数年度时间序列曲线中的最大值，将最大值对应的日期作为各农田网格分别对应的寄主植物第二关键物候期。
[0128]
这里，第二关键物候期例如为玉米的抽穗期。
[0129]
步骤a53、确定各农田网格分别对应的平滑后叶面积指数年度时间序列曲线中一阶导数为负值且绝对值最大的拐点，将该拐点对应的日期作为各农田网格分别对应的寄主植物第三关键物候期。
[0130]
这里，第三关键物候期例如为玉米的成熟期。步骤a51～a53的过程与前述步骤a412的过程对应，详细可参照前述步骤中的介绍，在此不再赘述。
[0131]
值得注意的是，因气候条件和种植习惯的不同，根据cma整理的调查数据确定了各省春玉米和夏玉米的三个关键生育期的受限时间窗口(即实际关键物候期有一个时间窗口限制)，则步骤a51～a53确定出的三个关键物候期需要在对应受限时间窗口的时间范围内。
[0132]
步骤a54、根据各农田网格分别对应的寄主植物第一关键物候期、寄主植物第二关键物候期和寄主植物第三关键物候期，确定目标昆虫沿多个迁飞轨迹飞行时是否处于寄主植物的生长期，即生长季节开始(例如，玉米的三叶期)至生长季节结束(例如，玉米的成熟期)的时期。
[0133]
本步骤可以将目标昆虫沿多个迁飞轨迹飞行时，降落在迁飞地点的具体时间与寄主植物第一关键物候期、寄主植物第二关键物候期和寄主植物第三关键物候期进行比较，以此确定出目标昆虫沿多个迁飞轨迹飞行时是否处于寄主植物的生长期。
[0134]
本实施例考虑了寄主植物的关键物候期这一因素，使得后续可以将预测的多个迁飞轨迹中的一部分无效轨迹剔除，从而空间分布的预测结果更精确。
[0135]
以下对“确定目标昆虫沿多个迁飞轨迹飞行时的气候是否适宜目标昆虫生长发育”的过程进行说明。
[0136]
可选的，“确定目标昆虫沿多个迁飞轨迹飞行时的气候是否适宜目标昆虫生长发育”的过程包括：
[0137]
步骤b1、获取目标昆虫沿多个迁飞轨迹飞行时的气候数据。
[0138]
其中，气候数据包括温度数据和土壤含水量数据。
[0139]
可选的，本实施例可通过欧洲中期天气预报中心(ecmwf)、第五代ecmwf全球气候大气再分析(era5-land)获得全球网格化气候数据，其中，空间分辨率为0.1弧度
×
0.1弧度。
[0140]
可选的，上述全球网格化气候数据包括2m空气温度“temperature_2m”和土壤层(0～7cm)中的含水量“volumetric_soil_water_layer_1”的逐日平均数据，以基于获得的2m空气温度和土壤含水量数据(即上述逐日平均数据)来评估迁飞轨迹下的环境对目标昆虫生长发育的影响。
[0141]
步骤b2、获取目标昆虫相关的温度发育依赖参数、最低温度阈值、最高温度阈值、最小土壤水分阈值、设定时间内最低温度累计应力下的存活率、设定时间内最高温度累计应力下的存活率和设定时间内含水量累计应力下的存活率。
[0142]
可选的，本实施例可引入昆虫种群自然增长率模型来确定目标昆虫的生长速率，然后再基于确定的生长速率确定多个迁飞轨迹中的部分无效轨迹。
[0143]
这里，昆虫种群自然增长率模型为：式中，r表示稳定昆虫种群n通过t时间的内在增长速率，根据环境因子(即气候数据)对草地贪夜蛾发生发展的影响将r分为了正生长速率r
p
和负生长速率rn。
[0144]
本步骤可以获取目标昆虫相关的温度发育依赖参数、最低温度阈值、最高温度阈值、最小土壤水分阈值、设定时间内最低温度累计应力下的存活率、设定时间内最高温度累计应力下的存活率和设定时间内含水量累计应力下的存活率，从而后续步骤可通过获取的参数确定出正生长速率r
p
和负生长速率rn。
[0145]
步骤b3、针对多个迁飞轨迹中的每个迁飞轨迹：根据目标昆虫沿该迁飞轨迹飞行
时的温度数据，结合温度发育依赖参数，确定该迁飞轨迹下目标昆虫的正生长速率；根据目标昆虫沿该迁飞轨迹飞行时的温度数据和土壤含水量数据，结合最低温度阈值、最高温度阈值、最小土壤水分阈值、设定时间内最低温度累计应力下的存活率、设定时间内最高温度累计应力下的存活率和设定时间内含水量累计应力下的存活率，确定该迁飞轨迹下目标昆虫的负生长速率；计算该迁飞轨迹下目标昆虫的正生长速率与负生长速率的差值，将该差值作为该迁飞轨迹下的生长速率；根据该迁飞轨迹下的生长速率是否大于预设生长速率阈值，确定目标昆虫沿该迁飞轨迹飞行时的气候是否适宜目标昆虫生长发育。
[0146]
具体的，本步骤可使用改进的sharpe and demichele模型，研究温度数据对目标昆虫从卵发育至成虫的发育速率的影响，构建目标昆虫的生物温度发育依赖模型，以通过生物温度发育依赖模型确定正生长速率。
[0147]
这里，生物温度发育依赖模型的公式如下：
[0148][0149]
下面结合表2对公式(1)中的各项参数(即温度发育依赖参数)进行介绍如下：
[0150]
表2目标昆虫生物温度发育依赖模型的参数
[0151][0152]
由此，根据目标昆虫沿该迁飞轨迹飞行时的温度数据t，结合表2示出的温度发育依赖参数，即可以确定出该迁飞轨迹下目标昆虫的正生长速率。
[0153]
对于负生长速率的计算，本步骤综合考虑了冷热胁迫应力和干旱胁迫应力对目标昆虫发育的影响后，提供了一种基于冷热和干旱胁迫的临界阈值和死亡率参数来确定负生长速率的方法。
[0154]
具体来说，本步骤“根据目标昆虫沿该迁飞轨迹飞行时的温度数据和土壤含水量数据，结合最低温度阈值、最高温度阈值、最小土壤水分阈值、设定时间内最低温度累计应力下的存活率、设定时间内最高温度累计应力下的存活率和设定时间内含水量累计应力下
的存活率，确定该迁飞轨迹下目标昆虫的负生长速率”的过程可以包括：
[0155]
步骤b21、根据设定时间内最低温度累计应力下的存活率，确定目标昆虫每单位冷胁迫的死亡率，根据设定时间内最高温度累计应力下的存活率，确定目标昆虫每单位热胁迫的死亡率，根据设定时间内含水量累计应力下的存活率，确定目标昆虫每单位干旱胁迫的死亡率。
[0156]
可以理解的是，当环境不适宜目标昆虫生长发育时会造成胁迫死亡。本步骤可通过量化超过阈值sc(本实施例中，sc具体是指最低温度阈值s
tmin
、最高温度阈值s
tmax
和最小土壤水分阈值s
wmin
)造成的每单位压力每单位时间的平均死亡率ms(本实施例中，ms具体是指每单位冷胁迫的死亡率m
tmin
、每单位热胁迫的死亡率m
tmax
和每单位干旱胁迫的死亡率m
wmin
)，采用公式来推导rn，式中，p是在t时间内累计应力as下的存活率。
[0157]
具体到本步骤中，针对最低温度，p是指设定时间t内最低温度累计应力下的存活率；针对最高温度，p是指设定时间t内最高温度累计应力下的存活率；针对土壤含水量，p是指设定时间t内含水量累计应力下的存活率。设定时间t为1天或1小时，具体与获取的p有关。由此，在p、t和as均为已知量的情况下，可以根据p得到ms，也即，根据设定时间内最低温度累计应力下的存活率，确定目标昆虫每单位冷胁迫的死亡率m
tmin
，根据设定时间内最高温度累计应力下的存活率，确定目标昆虫每单位热胁迫的死亡率m
tmax
，根据设定时间内含水量累计应力下的存活率，确定目标昆虫每单位干旱胁迫的死亡率m
wmin
。
[0158]
经由实验计算，本步骤确定出的m
tmin
为0.2(参考依据为-5℃下3小时死亡率为36％)，m
tmax
为0.02(参考依据为45℃时每日死亡率为10％)，m
wmin
为1.05(参考依据为0.1m3/m3的每日死亡率为10％)。
[0159]
步骤b22、根据目标昆虫沿该迁飞轨迹飞行时的温度数据和土壤含水量数据，结合目标昆虫每单位冷胁迫的死亡率、每单位热胁迫的死亡率、每单位干旱胁迫的死亡率、最低温度阈值、最高温度阈值和最小土壤水分阈值，确定该迁飞轨迹下目标昆虫的负生长速率。
[0160]
在本步骤可将所有不利条件造成目标昆虫胁迫死亡的情况累计相加，得到rn＝(|t
min-s
tmin
|)m
tmin
+(|t
max-s
tmax
|)m
tmin
+(|w
min-s
wmin
|)m
wmin
，式中，最低温度阈值s
tmin
可以为12.97℃、最高温度阈值s
tmax
可以为39.8℃，最小土壤水分阈值s
wmin
可以为0.1m3/m3。
[0161]
经由前述介绍得到正生长速率和负增长速率后，可以计算正生长速率与负增长速率的差值，得到r，也即该迁飞轨迹下的生长速率。然后再根据r是否大于预设的生长速率阈值(例如，生长速率阈值为0.01)，来确定目标昆虫沿该迁飞轨迹飞行时的气候是否适宜目标昆虫生长发育。
[0162]
针对每个迁飞轨迹，如果r大于预设的生长速率阈值，则确定目标昆虫沿该迁飞轨迹飞行时的气候适宜目标昆虫生长发育，如果r小于或等于生长速率阈值，则确定目标昆虫沿该迁飞轨迹飞行时的气候不适宜目标昆虫生长发育。
[0163]
综上，本实施例考虑了气候环境这一因素，使得后续可以将预测的多个迁飞轨迹中的一部分无效轨迹剔除，从而空间分布的预测结果更精确。
[0164]
步骤s2、针对多个迁飞轨迹中的每个迁飞轨迹，若目标昆虫沿该迁飞轨迹飞行时未处于寄主植物的生长期，和/或目标昆虫沿该迁飞轨迹飞行时的气候不适宜目标昆虫生长发育，则将该迁飞轨迹从多个迁飞轨迹中筛除。
[0165]
综上，本实施例考虑了寄主植物生长期、气候适宜性对目标昆虫生长发育的因素，
对预测的多个迁飞轨迹中的无效轨迹进行筛除，使得后续能够对目标昆虫未来的空间分布进行精准预测。
[0166]
在一种可能的实现方式中，针对草地贪夜蛾，飞行活动加速了卵巢发育，草地贪夜蛾雌虫通常在飞行后呈现产卵高峰。因此，从迁入日起算，当累计日生长率rc＝∑r等于1时，认为草地贪夜蛾在该时段内从卵发育为成虫，具备远距离迁飞能力。同时，环境适宜性草地贪夜蛾累计最长发育时限不超过90天，否则认为该区域当前生境不适宜草地贪夜蛾生长发育。
[0167]
为了验证草地贪夜蛾动态空间分布预测模型的准确度，本技术使用在文献、新闻报道、植保站调查等资料中收集的草地贪夜蛾入侵我国以来125个市的每年首次实地捕获草地贪夜蛾的日期，与本技术模拟的草地贪夜蛾最初迁入日期进行比较，并建立线性回归(y＝10.01+0.54
×
x，其中，y是指首次实际地面调查捕获草地贪夜蛾的时间，x为本技术模拟的草地贪夜蛾扩散至对应区域的时间)，可得到图2。如图2所示，本技术的模拟结果和实地观察结果的均值不存在统计学意义的显著差异，说明本技术的预测结果良好，精准度较高。
[0168]
在一可选实施例中，考虑到目标昆虫的迁飞起点和降落终点均需在地面，而非水域，并且目标昆虫不会在地面以下飞行，可以此为筛选依据，对多个迁飞轨迹中的部分无效轨迹进行筛除，也即，本实施例可在“步骤s103、根据目标昆虫沿多个迁飞轨迹飞行时是否处于寄主植物的生长期，和目标昆虫沿多个迁飞轨迹飞行时的气候是否适宜目标昆虫生长发育，将多个迁飞轨迹中的无效轨迹筛除，得到目标有效迁飞轨迹”之前，根据多个迁飞轨迹包含的迁飞地点是否为非水域，和/或多个迁飞轨迹包含的迁飞地点是否低于海拔数字高程模型dem的高度(即正常迁飞轨迹)，对多个迁飞轨迹进行初筛。
[0169]
具体的，若一迁飞地点为水域，则将多个迁飞轨迹中包含该迁飞地点的迁飞轨迹作为无效轨迹进行筛除；若一迁飞地点低于海拔数字高程模型dem的高度，则将多个迁飞轨迹中包含该迁飞地点的迁飞轨迹作为无效轨迹进行筛除。在本实施例进行初筛后再执行后续步骤s103～s104。
[0170]
综上，本实施例能够综合考虑迁飞地点(降落地点)是否为非水域、迁飞轨迹是否为正常迁飞轨迹的因素，将无效轨迹剔除，使得后续能够对目标昆虫未来的空间分布进行精准预测。
[0171]
本技术实施例还提供了一种迁飞性昆虫空间分布预测装置，下面对本技术实施例提供的迁飞性昆虫空间分布预测装置进行描述，下文描述的迁飞性昆虫空间分布预测装置与上文描述的迁飞性昆虫空间分布预测方法可相互对应参照。
[0172]
请参阅图3，示出了本技术实施例提供的迁飞性昆虫空间分布预测装置的结构示意图，如图3所示，该迁飞性昆虫空间分布预测装置可以包括：第一获取模块301、迁飞轨迹预测模块302、第一轨迹筛除模块303和空间分布预测模块304。
[0173]
第一获取模块301，用于获取气象数据和目标昆虫的迁飞行为参数，其中，气象数据为时空不连续的气象数据。
[0174]
迁飞轨迹预测模块302，用于根据气象数据和迁飞行为参数，以预设地点为迁飞起点，对目标昆虫未来的迁飞地点进行连续预测，得到由迁飞起点和预测的迁飞地点组成的多个迁飞轨迹。
[0175]
第一轨迹筛除模块303，用于根据目标昆虫沿多个迁飞轨迹飞行时是否处于寄主植物的生长期，和目标昆虫沿多个迁飞轨迹飞行时的气候是否适宜目标昆虫生长发育，将多个迁飞轨迹中的无效轨迹筛除，得到目标有效迁飞轨迹。
[0176]
空间分布预测模块304，用于根据目标有效迁飞轨迹，确定目标昆虫未来的空间分布。
[0177]
本技术提供的迁飞性昆虫空间分布预测装置，首先获取气象数据和目标昆虫的迁飞行为参数，然后根据气象数据和迁飞行为参数，以预设地点为迁飞起点，对目标昆虫未来的迁飞地点进行连续预测，得到由迁飞起点和预测的迁飞地点组成的多个迁飞轨迹，由于迁飞行为参数能够反映目标昆虫的迁飞扩散机制，基于目标昆虫的迁飞扩散机制对目标昆虫未来的迁飞轨迹进行动态预测，预测结果更准确。考虑到目标昆虫飞行时，迁飞轨迹下的环境气候和食物需要适合目标昆虫生存，否则目标昆虫不会按照迁飞轨迹进行飞行，因此本技术会根据目标昆虫沿多个迁飞轨迹飞行时是否处于寄主植物的生长期，和/或目标昆虫沿多个迁飞轨迹飞行时的气候是否适宜目标昆虫生长发育，将多个迁飞轨迹中的无效轨迹筛除，得到目标有效迁飞轨迹，最后根据目标有效迁飞轨迹，确定目标昆虫未来的空间分布。本技术综合考虑了目标昆虫的迁飞扩散机制、气候适宜性和寄主植物生长期，使得预测出的空间分布更准确，预测精度更高，且本技术预测的昆虫空间分布预测结果时空连续性更好。
[0178]
在一种可能的实现方式中，上述第一轨迹筛除模块303可以包括：生长期及气候判断模块和无效轨迹筛除模块。
[0179]
生长期及气候判断模块，用于确定目标昆虫沿多个迁飞轨迹飞行时是否处于寄主植物的生长期，并确定目标昆虫沿多个迁飞轨迹飞行时的气候是否适宜目标昆虫生长发育。
[0180]
无效轨迹筛除模块，用于针对多个迁飞轨迹中的每个迁飞轨迹，若目标昆虫沿该迁飞轨迹飞行时未处于寄主植物的生长期，和/或目标昆虫沿该迁飞轨迹飞行时的气候不适宜目标昆虫生长发育，则将该迁飞轨迹从多个迁飞轨迹中筛除。
[0181]
在一种可能的实现方式中，上述生长期及气候判断模块在确定目标昆虫沿多个迁飞轨迹飞行时是否处于寄主植物的生长期时，可以包括：第二获取模块、网格映射模块、曲线生成模块、曲线平滑模块和平滑曲线参考模块。
[0182]
第二获取模块，用于获取多个迁飞轨迹包含的迁飞地点下的各时期叶面积指数。
[0183]
网格映射模块，用于将各时期叶面积指数对应到预设的农田网格下，得到各农田网格下的各时期叶面积指数。
[0184]
曲线生成模块，用于根据各农田网格下的各时期叶面积指数，生成各农田网格分别对应的叶面积指数年度时间序列曲线。
[0185]
曲线平滑模块，用于针对各农田网格中的每个农田网格，采用该农田网格对应的平滑方法对该农田网格对应的叶面积指数年度时间序列曲线进行平滑处理，得到该农田网格对应的平滑后叶面积指数年度时间序列曲线。
[0186]
平滑曲线参考模块，用于根据各农田网格分别对应的平滑后叶面积指数年度时间序列曲线，提取寄主植物关键物候期，以根据提取的寄主植物关键物候期确定目标昆虫沿多个迁飞轨迹飞行时是否处于寄主植物的生长期。
[0187]
在一种可能的实现方式中，任一农田网格所在目标范围内的所有农田网格对应相同的平滑方法。
[0188]
基于此，曲线平滑模块中目标范围内的农田网格对应的平滑方法的确定过程可以包括：均方根误差平均模块和平滑方法确定模块。
[0189]
均方根误差平均模块，用于针对预设的平滑方法集合中的每个平滑方法，采用该平滑方法对目标范围内的每个农田网格对应的叶面积指数年度时间序列曲线进行平滑处理，得到该平滑方法下每个农田网格对应的平滑后叶面积指数年度时间序列曲线，根据该平滑方法下每个农田网格对应的平滑后叶面积指数年度时间序列曲线，确定该平滑方法下每个农田网格对应的寄主植物关键物候期，计算该平滑方法下每个农田网格对应的寄主植物关键物候期与寄主植物的实际关键物候期的均方根误差，将得到的均方根误差作为该平滑方法下每个农田网格对应的均方根误差，计算该平滑方法下目标范围内的所有农田网格分别对应的均方根误差的平均值，得到该平滑方法对应的均方根误差均值；以得到平滑方法集合中所有平滑方法分别对应的均方根误差均值。
[0190]
平滑方法确定模块，用于从平滑方法集合中的所有平滑方法分别对应的均方根误差均值中确定最小的均方根误差均值，最小的均方根误差均值对应的平滑方法作为目标范围内的农田网格对应的平滑方法。
[0191]
在一种可能的实现方式中，上述平滑曲线参考模块可以包括：第一关键物候期确定模块、第二关键物候期确定模块、第三关键物候期确定模块和关键物候期参考模块。
[0192]
第一关键物候期确定模块，用于确定各农田网格分别对应的平滑后叶面积指数年度时间序列曲线中一阶导数递增且二阶导数等于0的拐点，将该拐点对应的日期作为各农田网格分别对应的寄主植物第一关键物候期。
[0193]
第二关键物候期确定模块，用于确定各农田网格分别对应的平滑后叶面积指数年度时间序列曲线中的最大值，将最大值对应的日期作为各农田网格分别对应的寄主植物第二关键物候期。
[0194]
第三关键物候期确定模块，用于确定各农田网格分别对应的平滑后叶面积指数年度时间序列曲线中一阶导数为负值且绝对值最大的拐点，将该拐点对应的日期作为各农田网格分别对应的寄主植物第三关键物候期。
[0195]
关键物候期参考模块，用于根据各农田网格分别对应的寄主植物第一关键物候期、寄主植物第二关键物候期和寄主植物第三关键物候期，确定目标昆虫沿多个迁飞轨迹飞行时是否处于寄主植物的生长期。
[0196]
在一种可能的实现方式中，上述生长期及气候判断模块在确定目标昆虫沿多个迁飞轨迹飞行时的气候是否适宜目标昆虫生长发育时，可以包括：气候数据获取模块、第三获取模块和获取参数参考模块。
[0197]
气候数据获取模块，用于获取目标昆虫沿所述多个迁飞轨迹飞行时的气候数据，其中，所述气候数据包括温度数据和土壤含水量数据。
[0198]
第三获取模块，用于获取目标昆虫相关的温度发育依赖参数、最低温度阈值、最高温度阈值、最小土壤水分阈值、设定时间内最低温度累计应力下的存活率、设定时间内最高温度累计应力下的存活率和设定时间内含水量累计应力下的存活率。
[0199]
获取参数参考模块，用于针对多个迁飞轨迹中的每个迁飞轨迹，根据目标昆虫沿
volatile memory)等，例如至少一个磁盘存储器；
[0210]
其中，存储器403存储有程序，处理器401可调用存储器403存储的程序，所述程序用于：
[0211]
获取气象数据和目标昆虫的迁飞行为参数，其中，所述气象数据为时空不连续的气象数据；
[0212]
根据所述气象数据和所述迁飞行为参数，以预设地点为迁飞起点，对所述目标昆虫未来的迁飞地点进行连续预测，得到由所述迁飞起点和预测的迁飞地点组成的多个迁飞轨迹；
[0213]
根据目标昆虫沿多个迁飞轨迹飞行时是否处于寄主植物的生长期，和目标昆虫沿多个迁飞轨迹飞行时的气候是否适宜目标昆虫生长发育，将多个迁飞轨迹中的无效轨迹筛除，得到目标有效迁飞轨迹；
[0214]
根据目标有效迁飞轨迹，确定目标昆虫未来的空间分布。
[0215]
可选的，所述程序的细化功能和扩展功能可参照上文描述。
[0216]
本技术实施例还提供一种可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上述迁飞性昆虫空间分布预测方法。
[0217]
可选的，所述程序的细化功能和扩展功能可参照上文描述。
[0218]
最后，还需要说明的是，在本文中，诸如和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0219]
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
[0220]
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本技术。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本技术的精神或范围的情况下，在其它实施例中实现。因此，本技术将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。