[发明专利]基于多源信息的区域尺度病虫害预测方法

说明书

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S1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S1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S1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S1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。

附图说明

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；