森林病虫害爆发风险预测的方法及装置制造方法及图纸

本发明专利技术公开了一种森林病虫害爆发风险预测的方法及装置，其中该方法包括：获取森林病虫害爆发已知分布区域；获取环境因子变量，其中，所述环境因子变量包括：生物气候变量和叶面积指数；依据所述已知分布区域和所述环境因子变量，利用预先建立的生态位模型预测所述森林虫害爆发风险。通过本发明专利技术，首次使用叶面积指数进行森林病虫害风险预测，提高了森林病虫害爆发风险预测的准确度。

【技术实现步骤摘要】

本专利技术涉及农业领域，具体而言，涉及一种森林病虫害爆发风险预测的方法及装置。
技术介绍
森林病虫害作为常见灾害一直严重影响着森林生态系统及物种的生存，相关技术中的预测方法准确度不高。针对相关技术中森林病虫害爆发风险预测准确度不高的问题，目前尚未提出有效的解决方案。
技术实现思路
针对相关技术中森林病虫害爆发风险预测准确度不高的问题，本专利技术提供了一种森林病虫害爆发风险预测的方法及装置，以至少解决上述问题。根据本专利技术的一个方面，提供了一种森林病虫害爆发风险预测的方法，包括：获取森林病虫害爆发已知分布区域；获取环境因子变量，其中，所述环境因子变量包括：生物气候变量和叶面积指数；依据所述已知分布区域和所述环境因子变量，利用预先建立的生态位模型预测所述森林虫害爆发风险。可选地，依据所述已知分布区域和所述环境因子变量，利用预先建立的生态位模型预测所述森林虫害爆发风险之前，还包括：按照所述叶面积指数的空间分辨率对所述已知分布区域进行分布点去重处理；依据所述已知分布区域和所述环境因子变量，利用预先建立的生态位模型预测所述森林虫害爆发风险，包括：依据所述环境因子变量和去重处理得到的分布区域，利用预先建立的生态位模型预测所述森林虫害爆发风险。可选地，获取环境因子变量，包括：利用月均值最高温、最低温及降水数据求解得到生物气候变量，并获取叶面积指数；通过双线性插值使所述生物气候变量的空间分辨率与所述叶面积指数的空间分辨率一致。可选地，获取叶面积指数，包括：获取预定时间序列内的叶面积指数；按照地表覆盖分类数据从获取的叶面积指数中筛选所述森林虫害对应的叶面积指数；按照预设时间粒度对筛选得到的叶面积指数进行平均合成，得到用于预测所述森林虫害爆发风险的叶面积指数。可选地，获取环境因子变量之后，还包括：利用主成分分析法对所述环境因子变量进行降维处理；依据所述已知分布区域和所述环境因子变量，利用预先建立的生态位模型预测所述森林虫害爆发风险，包括：依据所述已知分布区域和降维处理得到的环境因子变量，利用预先建立的生态位模型预测所述森林虫害爆发风险。根据本专利技术的另一个方面，提供了一种森林病虫害爆发风险预测的装置，包括：第一获取模块，用于获取森林病虫害爆发已知分布区域；第二获取模块，用于获取环境因子变量，其中，所述环境因子变量包括：生物气候变量和叶面积指数；预测模块，用于依据所述已知分布区域和所述环境因子变量，利用预先建立的生态位模型预测所述森林虫害爆发风险。可选地，所述装置还包括：去重模块，用于在依据所述已知分布区域和所述环境因子变量，利用预先建立的生态位模型预测所述森林虫害爆发风险之前，按照所述叶面积指数的空间分辨率对所述已知分布区域进行分布点去重处理；所述预测模块，用于依据所述环境因子变量和去重处理得到的分布区域，利用预先建立的生态位模型预测所述森林虫害爆发风险。可选地，所述第二获取模块，包括：第一获取单元，用于利用月均值最高温、最低温及降水数据求解得到生物气候变量，并获取叶面积指数；第一处理单元，用于通过双线性插值使所述生物气候变量的空间分辨率与所述叶面积指数的空间分辨率一致。可选地，所述第二获取模块，包括：第二获取单元，用于获取预定时间序列内的叶面积指数；筛选单元，用于按照地表覆盖分类数据从获取的叶面积指数中筛选所述森林虫害对应的叶面积指数；合成单元，用于按照预设时间粒度对筛选得到的叶面积指数进行平均合成，得到用于预测所述森林虫害爆发风险的叶面积指数。可选地，所述装置还包括：降维模块，用于在获取环境因子变量之后，利用主成分分析法对所述环境因子变量进行降维处理；所述预测模块，用于依据所述已知分布区域和所述环境因子变量，利用预先建立的生态位模型预测所述森林虫害爆发风险，包括：依据所述已知分布区域和降维处理得到的环境因子变量，利用预先建立的生态位模型预测所述森林虫害爆发风险。通过本专利技术，使用LAI数据进行森林病虫害爆发风险预测，分析表明该方法提高了森林病虫害爆发风险预测的精度。附图说明此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：图1是根据相关技术的；图2是根据本专利技术实施例的；图3是全球栎树猝死病爆发点地理分布位置图；图4a是美国/欧洲SOD爆发点生物气候变量对比图一；图4b是美国/欧洲SOD爆发点生物气候变量对比图二；图5是美国/欧洲SOD爆发点LAI对比图；图6是全球SOD存在点及伪不存在点分布图；图7a是基于MaxEnt模型–Bio的全球SOD爆发风险预测结果；图7b是基于MaxEnt模型–Bio+LAI的全球SOD爆发风险预测结果；图7c是基于GARP模型–Bio的全球SOD爆发风险预测结果；图7d是基于GARP模型–Bio+LAI的全球SOD爆发风险预测结果；图7e是基于GARP模型–Bio的全球SOD爆发风险预测结果；图7f是基于GLM模型–Bio+LAI的全球SOD爆发风险预测结果；图7g是基于SVM模型–Bio的全球SOD爆发风险预测结果；以及图7h是基于SVM模型–Bio+LAI的全球SOD爆发风险预测结果。具体实施方式下文中将参考附图并结合实施例来详细说明本专利技术。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。本专利技术实施例使用叶面积指数(LAI)数据进行森林病虫害爆发风险预测，并以一种森林病虫害——栎树猝死病为例，联合其他遥感数据、气象数据及爆发数据等，在对比分析多种生态位模型预测结果及精度的基础上，综合分析LAI的引入是否能够提高风险预测精度。图1是根据本专利技术实施例的森林病虫害爆发风险预测的方法的流程图，如图1所示，该方法包括步骤101至步骤103：步骤101，获取森林病虫害爆发已知分布区域；步骤102，获取环境因子变量，其中，所述环境因子变量包括：生物气候变量和叶面积指数；步骤103，依据所述已知分布区域和所述环境因子变量，利用预先建立的生态位模型预测所述森林虫害爆发风险。在本专利技术实施例中，叶面积指数为卫星遥感数据。在本专利技术实施例的一个实施方式中，上述步骤103依据所述已知分布区域和所述环境因子变量，利用预先建立的生态位模型预测所述森林虫害爆发风险之前，还包括：按照所述叶面积指数的空间分辨率对所述已知分布区域进行分...

【技术保护点】
一种森林病虫害爆发风险预测的方法，其特征在于，包括：获取森林病虫害爆发已知分布区域；获取环境因子变量，其中，所述环境因子变量包括：生物气候变量和叶面积指数；依据所述已知分布区域和所述环境因子变量，利用预先建立的生态位模型预测所述森林虫害爆发风险。

【技术特征摘要】
1.一种森林病虫害爆发风险预测的方法，其特征在于，包括：
获取森林病虫害爆发已知分布区域；
获取环境因子变量，其中，所述环境因子变量包括：生物气候变量和叶面
积指数；
依据所述已知分布区域和所述环境因子变量，利用预先建立的生态位模型
预测所述森林虫害爆发风险。
2.根据权利要求1所述的方法，其特征在于，
依据所述已知分布区域和所述环境因子变量，利用预先建立的生态位模型
预测所述森林虫害爆发风险之前，还包括：按照所述叶面积指数的空间分辨率
对所述已知分布区域进行分布点去重处理；
依据所述已知分布区域和所述环境因子变量，利用预先建立的生态位模型
预测所述森林虫害爆发风险，包括：依据所述环境因子变量和去重处理得到的
分布区域，利用预先建立的生态位模型预测所述森林虫害爆发风险。
3.根据权利要求1所述的方法，其特征在于，获取环境因子变量，包括：
利用月均值最高温、最低温及降水数据求解得到生物气候变量，并获取叶
面积指数；
通过双线性插值使所述生物气候变量的空间分辨率与所述叶面积指数的空
间分辨率一致。
4.根据权利要求1所述的方法，其特征在于，获取叶面积指数，包括：
获取预定时间序列内的叶面积指数；
按照地表覆盖分类数据从获取的叶面积指数中筛选所述森林虫害对应的叶
面积指数；
按照预设时间粒度对筛选得到的叶面积指数进行平均合成，得到用于预测

\t所述森林虫害爆发风险的叶面积指数。
5.根据权利要求1、3或4所述的方法，其特征在于，
获取环境因子变量之后，还包括：利用主成分分析法对所述环境因子变量
进行降维处理；
依据所述已知分布区域和所述环境因子变量，利用预先建立的生态位模型
预测所述森林虫害爆发风险，包括：依据所述已知分布区域和降维处理得到的
环境因子变量，利用预先建立的生态位模型预测所述森林虫害爆发风险。
6.一种森林病虫害爆发风险预测的装置，其特征在于，包括：

【专利技术属性】
技术研发人员：方舟，姬伟，熊金国，李小文，曹春香，
申请(专利权)人：航天恒星科技有限公司，
类型：发明
国别省市：北京;11