一种基于生态位因子模型的松材线虫侵入风险预测方法技术

本发明专利技术属于松材线虫侵入风险预测技术领域，公开了一种基于生态位因子模型的松材线虫侵入风险预测方法，获取已发生的松材线虫病疫区的分布点数据和环境数据；对气候数据进行克里金插值处理，计算地形数据中的坡度和坡向，并得到植被类型和人类活动干扰数据；将分布点数据和各种环境数据导入到生态位因子模型中，计算松材线虫病风险预警；基于计算得到的特征矩阵和风险图，对松材线虫病侵入风险进行评价。本发明专利技术根据影响松材线虫传播的主要环境影响因子，因地制宜，为松材线虫病虫害的预警、监测和防治工作奠定了基础，也为森林生物多样性保护和生态环境保护的措施提供了科学依据，为森林病虫害的早期预警和防治工作提供依据和借鉴。

A prediction method of pine wood nematode invasion risk based on niche factor model

【技术实现步骤摘要】
一种基于生态位因子模型的松材线虫侵入风险预测方法
本专利技术属于松材线虫侵入风险预测
，尤其涉及一种基于生态位因子模型的松材线虫侵入风险预测方法。
技术介绍
目前，松材线虫(Bursaphelenchusxylophilus)，是一种原产地在美国的危害性极高的外来有害生物。也是我国林业检疫性有害生物。它主要通过松墨天牛(Monochamusalternatus)等媒介昆虫在松树体内传播，引发一种破坏性极强的松树病害——松材线虫病，这种病害可对36种松属树种和8种非松属树种造成危害。自首次发现被松材线虫感染的黑松以来，松材线虫病已经累计给中国造成直接和间接损失上千亿元。松材线虫病传播蔓延速度快，松树一旦染病，极易造成大片松林感染并死亡。松材线虫病已经蔓延至部分地区，造成了林业经济和生态上的重大损失，给自然景观造成了严重的破坏，严重威胁着我国林业的经济发展和生态安全。目前现有技术采取的防控技术主要是围绕3个关键环节，即病害检疫和疫情监测、疫木处理、媒介昆虫防治。病害检疫和疫情监测是松材线虫防控工作的基础，松材线虫病感染初期很难被察觉，现阶段监测松材线虫病的主流方法是人工对松树进行抽样调查，分析松树是否染病，这些监测手段效率低、耗时长、准确性也差，且往往具有滞后性，发现松材线虫的时候往往已经造成了大量松树的感染和死亡，不能及时有效地放映松林病虫害的问题。当前，对森林病虫害进行早期预警，是控制森林病虫害大范围蔓延、维护森林健康与持续发展的重要内容之一；在松材线虫还未入侵的时候，预测松材线虫侵入的风险，是制定松材线虫病防治和管理工作的前提。综上所述，现有技术存在的问题是：现阶段监测松材线虫病的主流方法是人工对松树进行抽样调查，分析松树是否染病，这些监测手段效率低、耗时长、准确性也差，且往往具有滞后性，发现松材线虫的时候往往已经造成了大量松树的感染和死亡，不能及时有效地放映松林病虫害的问题。解决上述技术问题的难度：现阶段松材线虫病疫情的检疫和监测技术具有滞后性，且效率较低、成本较高，不能及时反映病虫害的状况，容易造成松材线虫的大面积感染。解决上述技术问题的意义：对松材线虫病的早期预警，预测松材线虫侵入的风险，是制定松材线虫病防治和管理工作的前提。根据预测结果，在高风险区加大监测和防治的力度，合理分配各个区域的人力、物力资源，从而提高工作效率，降低病虫害处理的成本。
技术实现思路
针对现有技术存在的问题，本专利技术提供了一种基于生态位因子模型的松材线虫侵入风险预测方法。本专利技术是这样实现的，一种基于生态位因子模型的松材线虫侵入风险预测方法，所述基于生态位因子模型的松材线虫侵入风险预测方法包括以下步骤：步骤一，松材线虫病数据采集：获取已发生的松材线虫病疫区的分布点数据和环境数据；所述环境数据包括气候数据、基础地形数据、植被数据、人类活动数据。步骤二，数据预处理：对气候数据进行克里金插值处理；利用ArcGIS的空间分析模块计算地形数据中的坡度和坡向；通过遥感技术得到植被类型和人类活动干扰数据。步骤三，松材线虫病风险预警计算：将分布点数据和各种环境数据导入到生态位因子模型中进行计算，并对结果进行检验；根据检验生成的P/E曲线对风险等级图的风险等级进行分类。步骤四，松材线虫病侵入风险评价：基于步骤三计算得到的结果，进行统计和分析，对松材线虫的现状和影响松材线虫病传播的主要环境影响因子以及风险较高的地区进行分析和评价。进一步，步骤一中，所述环境数据中：①气候数据包括：年均气温、年均降水量、年均日照时数、年均水汽压、年均相对湿度；②基础地形数据包括：海拔、坡度、坡向、河流；③植被数据包括：植被覆盖度、植被类型，所述植被类型包括针叶林、阔叶林、灌丛、栽培植被；④人类活动数据包括：人口密度、道路、居民点、农田。进一步，步骤二中，所述数据预处理的方法具体包括：对气候数据进行克里金插值处理，地形数据中的坡度和坡向利用ArcGIS的空间分析模块从DEM数据中计算得到；通过遥感图像解译得到土地利用分类，从中得到植被类型和人类活动干扰数据中的居民点、农田、道路数据，植被类型数据和人类活动干扰数据需转换为距离数据或者频率数据，所有数据转换为相同的空间分辨率和相同的投影，并将栅格数据(RasterFormat)转换为生态位因子模型所能使用的栅格数据格式(IdrisiGridFormat)。进一步，步骤三中，所述松材线虫病风险预警的计算方法如下：将分布点数据和各种环境数据导入到生态位因子模型中进行计算，先对导入的数据进行Box-Cox标准化转换，确保数据格式一致；然后计算特征矩阵，提取累计贡献率到达需求的前n个因子生成松材线虫病入侵风险等级图；最后利用交叉检验(Cross-Validation)方法对结果进行检验，并根据检验生成的P/E曲线对风险等级图的风险等级进行分类。进一步，步骤三中，所述生态位因子(Ecological-NicheFactorAnalysis，ENFA)模型主要计算3个指标边际性(Marginality)、特殊性(Specialisation)和耐受性(Tolerance)来确定松材线虫的侵入与环境之间的关系，计算公式如下：(1)边际性系数M(Marginality)：式中，mS是松材线虫病疫区内的环境数据的平均值，sS是其标准差；mG为整个研究区内的环境数据的平均值，sG是其标准差。(2)特殊性系数S(Specialisation)：(3)耐受性系数T(Tolerance)是S的倒数：进一步，步骤三中，所述根据生态位因子模型计算得到的特征矩阵可以得到松材线虫的侵入与各个环境之间的关系，可以分析出在各个区域内影响松材线虫病传播侵入的主要环境影响因素。在模型中通过计算出特征矩阵提取累计贡献率达到要求的前N个因子生成风险等级图，风险等级图可以确定各个区域内松材线虫的侵入风险程度和分布状况。本专利技术的另一目的在于提供一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施所述的基于生态位因子模型的松材线虫侵入风险预测方法。本专利技术的另一目的在于提供一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行所述的基于生态位因子模型的松材线虫侵入风险预测方法。本专利技术的另一目的在于提供一种所述的基于生态位因子模型的松材线虫侵入风险预测方法的松材线虫侵入风险预测仪。综上所述，本专利技术的优点及积极效果为：本专利技术提供的基于生态位因子模型的松材线虫侵入风险预测方法，选取了影响松材线虫的传播和定殖的4类主要环境影响因素(气候因素、地形因素、植被因素、人类活动影响因素)，以生态位因子模型为基础，通过计算松材线虫分布点的环境因素数据来确定松材线虫的生态位(ecologicalniche)，然后利用生态位预测研究松材线虫在研究区域内的侵入风险，模型计算得到的特征矩阵可本文档来自技高网...

【技术保护点】
1.一种基于生态位因子模型的松材线虫侵入风险预测方法，其特征在于，所述基于生态位因子模型的松材线虫侵入风险预测方法包括以下步骤：/n步骤一，松材线虫病数据采集：获取已发生的松材线虫病疫区的分布点数据和环境数据；所述环境数据包括气候数据、基础地形数据、植被数据、人类活动数据；/n步骤二，数据预处理：对气候数据进行克里金插值处理；利用ArcGIS的空间分析模块计算地形数据中的坡度和坡向；通过遥感技术得到植被类型和人类活动干扰数据；/n步骤三，松材线虫病风险预警计算：将分布点数据和各种环境数据导入到生态位因子模型中进行计算，并对结果进行检验；根据检验生成的P/E曲线对风险等级图的风险等级进行分类；/n步骤四，松材线虫病侵入风险评价：基于步骤三计算得到的结果，进行统计和分析，对松材线虫的现状和影响松材线虫病传播的主要环境影响因子以及风险较高的地区进行分析和评价。/n

【技术特征摘要】
1.一种基于生态位因子模型的松材线虫侵入风险预测方法，其特征在于，所述基于生态位因子模型的松材线虫侵入风险预测方法包括以下步骤：
步骤一，松材线虫病数据采集：获取已发生的松材线虫病疫区的分布点数据和环境数据；所述环境数据包括气候数据、基础地形数据、植被数据、人类活动数据；
步骤二，数据预处理：对气候数据进行克里金插值处理；利用ArcGIS的空间分析模块计算地形数据中的坡度和坡向；通过遥感技术得到植被类型和人类活动干扰数据；
步骤三，松材线虫病风险预警计算：将分布点数据和各种环境数据导入到生态位因子模型中进行计算，并对结果进行检验；根据检验生成的P/E曲线对风险等级图的风险等级进行分类；
步骤四，松材线虫病侵入风险评价：基于步骤三计算得到的结果，进行统计和分析，对松材线虫的现状和影响松材线虫病传播的主要环境影响因子以及风险较高的地区进行分析和评价。


2.如权利要求1所述的基于生态位因子模型的松材线虫侵入风险预测方法，其特征在于，步骤一所述环境数据包括：
①气候数据：年均气温、年均降水量、年均日照时数、年均水汽压、年均相对湿度；
②基础地形数据：海拔、坡度、坡向、河流；
③植被数据：植被覆盖度、植被类型，所述植被类型包括针叶林、阔叶林、灌丛、栽培植被；
④人类活动数据：人口分布密度、主要道路、城镇居民点、农田。


3.如权利要求1所述的基于生态位因子模型的松材线虫侵入风险预测方法，其特征在于，步骤二中，所述数据预处理的方法包括：
对气候数据进行克里金插值处理，地形数据中的坡度和坡向利用ArcGIS的空间分析模块从DEM数据中计算得到；通过遥感图像解译得到土地利用分类，从中得到植被类型和人类活动干扰数据中的居民点、农田、道路数据，植被类型数据和人类活动干扰数据需转换为距离型数据或者频率型数据，所有数据转换为相同的空间分辨率和相同的投影，并将栅格数据转换为生态位因子模型所能使用的栅格数据格式。


4.如权利要求1所述的基于生态位因子模型的松材线虫侵入风...

【专利技术属性】
技术研发人员：李功权，沈鹏，袁杰祺，
申请(专利权)人：长江大学，
类型：发明
国别省市：湖北;42