[发明专利]一种基于空间异质特征的县域尺度森林病虫害预测方法

说明书

本发明涉及空间数据分析处理和农学技术领域，公开了一种基于空间异质特征的县域尺度森林病虫害预测方法。本发明将县域尺度病虫害灾情数据、社会经济要素以及气候环境要素数据结合GWR模型综合运用于病虫害预测，从而克服传统病虫害预测模型忽略病虫害分布的区域差异与环境因子空间异质性的缺陷，为病虫害预测提供更精细准确的信息输出。

一、技术领域

本发明涉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空间异质特征的县域尺度森林病虫害预测方法。

二、技术背景

森林病虫害是林业生产中的重要生物灾害，对森林有着毁灭性的破坏，也极易引起地区间的纠纷，严重威胁着受灾国家的林业生产、生态环境及经济发展。据国家林业局森林病虫害防治总站统计，1996-2001年间，全国森林病虫害导致我国每年损失约880亿元。森林病虫害防治是国家减灾工程的重要组成部分，为了减轻或控灭森林病虫害，有必要为森林病虫害预警和防控提供技术支撑。

目前对森林病虫害的预测主要通过：(1)传统的森林病虫害调查，利用性引诱剂实现，这种方法费时费力，大面积预测比较困难。(2)利用遥感方法进行监测，此方法仅利用植被的光谱反射值作为森林病虫害预测的输入变量，而忽视了其他社会经济因素的影响。(3)采用特定形式的非线性模型或局部模型来进行森林病虫害灾情的预测。这种预测方式通常忽略了病虫害分布的区域差异与环境因子的空间异质性，模型的估计参数则是整个研究区域内的平均值，不能准确反映不同区域内环境因子对虫害发生的不同影响，也暂未考虑到环境要素间相互作用对森林病虫害灾情发生的影响。

三、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忽略病虫害分布的区域差异以及忽略环境因子空间异质性特征的缺陷，提供县域尺度上更为精确的预测结果。

(二)技术方案

为了解决上述技术问题，本发明提供一种基于空间异质特征的县域尺度森林病虫害预测方法，包括以下步骤：

S1、获取县域尺度森林病虫害监测统计数据，包括寄主树种面积、合计发生面积、监测面积等，然后对该数据进行预处理；

S2、获取反映植被生理状态的空间连续的卫星遥感数据、反映气象条件的气象数据和社会经济数据，并分别对卫星遥感数据、气象数据和社会经济数据进行预处理；

S3、从S2中所述卫星遥感数据中获取县域尺度的植被指数数据；

S4、构建预测模型；

S5、将不同时相的卫星遥感数据、气象数据、人口数、地区生产总值、第一产业中、第二产业值、区县行政区划面积，作为步骤S5中所述模型的输入数据，输出森林病虫害发生率预测结果。

优选地，步骤S1中，县域尺度单元森林病虫害的发生率由发生面积除以监测面积得到。

优选地，步骤S2中，对所属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，对所属区域尺度气象数据进行预处理包括数据检查、异常值去除和空间插值。

优选地，步骤S2中，对符合正态分布检验的气象数据选用克里金方法进行空间插值，对于未通过正态分布检验的气象数据采用反距离加权方法进行空间插值。

优选地，步骤S2中，研究区域内社会经济数据的内容包括县域尺度人口数、地区生产总值、第一产业值、第二产业值、县域面积。

优选地，步骤S3中，利用区域统计方法获取县域尺度的植被指数。

优选地，步骤S4中选用地理加权回归模型(GWR)构建所述预测模型。先进行单因子GWR分析，检验其地理可变性，未通过检验的单因子回归系数为常数。随后应用剩余的因子进行多因子GWR回归分析，得到多个因子与发生率之间的多变量地理加权回归模型系数。