一种基于气象和景观信息的水稻纹枯病发病峰值预测方法技术

本发明专利技术公开了一种基于气象和景观信息的水稻纹枯病发病峰值预测方法，该方法采集了待预测地区过往病害实际发生峰值数据，以及对应时期的气象信息和遥感景观信息，提取关键气象因子与关键景观因子。然后利用相关性分析方法，对提取的关键因子进行选择，将与水稻纹枯病发病峰值具有显著相关性的因子用于预测模型的建立。利用偏最小二乘回归法得到历史水稻纹枯病发生峰值与气象、景观因素的数学关系，据此对待预测地区未来一年内水稻纹枯病发病峰值进行预测。本方法在水稻纹枯病还未发病或发病初始阶段就能够预测未来发病峰值，能够为后续稻田的防控强度等行为提供指导。后续稻田的防控强度等行为提供指导。后续稻田的防控强度等行为提供指导。

【技术实现步骤摘要】
一种基于气象和景观信息的水稻纹枯病发病峰值预测方法


[0001]本方法属于植被病害预测
，涉及结合病害病理特征、气象信息和遥感景观信息的预测方法，具体涉及一种基于气象和景观信息的水稻纹枯病发病峰值预测方法

技术介绍

[0002]近年来，受气候变化、栽培方式、生态环境和品种多样化等影响，水稻病害频发，严重影响水稻的产量和品质。传统的水稻病害防治，普遍存在农药滥用等问题，不仅造成农田环境污染，而且容易导致稻谷农残超标，造成较严重的食品安全问题。在水稻植保管理中，对病害进行早期预警，并在早期指导病害防控，是提高防效和控制农药用量的关键。
[0003]随着数学建模、气象传感和卫星遥感技术的更新迭代，水稻病害预测迎来了前所未有的机遇。现有技术中，包括水稻纹枯病在内的多数病虫害预测主要依赖专家经验或仅基于气象因素、遥感因素等单一条件进行预测。这些预测方法的缺点是主观性较强，或预测模型因子单一且未充分考虑人类活动及景观格局变化对于病害流行的影响，人类对土地利用方式以及作物种植模式的调整，包括对农田景观进行开垦、分割或改造所导致的农田景观的改变，能够通过遥感数据提取地表覆盖类型，观测寄主作物分布变化，为病害流行提供景观格局分析的空间信息。因此，结合气象因素及遥感因素在病害预测领域具有很大的潜力。

技术实现思路

[0004]针对现有技术的不足，本专利技术提出了一种基于气象和景观信息的水稻纹枯病发病峰值预测方法，综合运用气象因素及遥感景观信息，在未发病时期或发病初期，对病害发病峰值进行预测，为后期病害的防控力度、防控工作提供重要依据。
[0005]一种基于气象和景观信息的水稻纹枯病发病峰值预测方法，具体包括以下步骤：
[0006]步骤一、采集过往病害实际发生峰值数据，以及对应的气象数据和地表覆盖类型遥感数据，构建数据集。
[0007]s1.1、在被测稻区内采集过往数年内每块采样稻田在生育期的水稻纹枯病病株率的发生峰值P。
[0008]s1.2、采集过往数年内每块采样稻田的日平均气温、日平均降水量，根据s1.1得到的峰值P，构建植保
‑
气象关联数据集。
[0009]s1.3、采集过往数年内被测稻区所在位置的移栽期物候数据与土地覆盖类型数据，根据s1.1得到的峰值P，建立植保
‑
物候数据集与植保
‑
景观数据集。
[0010]步骤二、根据步骤一采集的植保
‑
气象关联数据集，提取水稻不同生育期内的活动积温、降水量、雨日数，作为关键气象因子。
[0011]步骤三、根据步骤一采集的植保
‑
景观数据集，提取被测稻区所在位置的景观指数斑块密度PD、最大斑块指数LPI、边界密度ED、景观形状指数LSI、聚集度指数C、平均斑块面积MPS、斑块面积标准差PSSD、斑块面积变异系数PSCV、斑块丰富度谜底PRD、多样性指数H、
类别比例PLAND、平均斑块分维数FRAC、聚集指数AI和丛生指数CLUMPY，作为关键景观因子。
[0012]步骤四、利用相关性分析方法，对步骤二、三提取的关键气象因子、关键景观因子进行选择。
[0013]s4.1、对水稻纹枯病的发生峰值与生育期内关键气象因子进行相关性分析，提取显著相关的气象因子。
[0014]s4.2、对水稻纹枯病的发生峰值与被测稻区所在位置的关键景观因子进行相关性分析，提取显著相关的景观因子。
[0015]步骤五、根据步骤四提取到的显著相关的气象因子和景观因子，以及被测稻区的历史发病情况，利用偏最小二乘回归法建立历史水稻纹枯病发生峰值与气象、景观因素的关系，得到水稻纹枯病发病峰值预测模型。
[0016]步骤六、计算待预测区域的关键气象因子与关键景观因子，输入步骤五得到的预测模型中，得到该区域的水稻纹枯病发病峰值预测值。
[0017]本专利技术具有以下有益效果：
[0018]本方法能够根据过往水稻生育期内的气象条件以及的景观特征信息，对预测地区的水稻纹枯病当年发病的峰值进行预测。在水稻纹枯病还未发病或发病初始阶段就能够预测未来发病峰值，能够为后续稻田的防控强度等行为提供指导。
附图说明
[0019]图1为实施例中被测稻区的水稻纹枯病实际发生峰值与预测结果散点对比图。
[0020]图2为实施例中被测稻区在2013年的水稻纹枯病实际发生峰值与预测结果对比图。
具体实施方式
[0021]以下结合附图对本专利技术作进一步的解释说明。
[0022]一种基于气象和景观信息的水稻纹枯病发病峰值预测方法，具体包括以下步骤：
[0023]步骤一、采集过往病害实际发生峰值数据，以及对应的气象数据和地表覆盖类型遥感数据，构建数据集。
[0024]s1.1、在被测稻区内选取n块采样稻田，根据国家农业行业标准(GB/T 15791
‑
1995)“水稻纹枯病测报调查规范”，以5天为周期，在每年的6月30日
‑
9月30日，对过往5年以上n块采样稻田生育期内的水稻纹枯病病株率进行采样，并记录测报时间、观测点地理信息、稻作类型和病株率等信息。然后根据采集数据对水稻纹枯病在生育期内的发病峰值P进行统计。
[0025]s1.2、根据n块采样稻田的地理位置信息，通过国家气象科学数据中心空间分辨率为0.5
°×
0.5
°
的气温、降水格网日值产品，采集过往5年以上每块采样稻田的日平均气温和日平均降水量，根据s1.1得到的峰值P，构建植保
‑
气象关联数据集。
[0026]s1.3、以被测稻区所在县界为边界，利用MODIS系列的MCD12Q1数据产品、基于全球陆地表面特征参量(GLASS)叶面积指数产品生产的中国水稻高分辨率物候数据集ChinaCropPhen1km，提取过往5年以上被测稻区所在县市的物候、土地覆盖类型数据，根据s1.1得到的峰值P，建立植保
‑
物候数据集与植保
‑
景观数据集。
[0027]步骤二、气象因素在水稻不同生育期内对病害发生发展会起到不同程度的影响，因此需确定气象因子作用的关键生育期时间。水稻在完成秧苗移栽后，主要分为幼苗期、分蘖期、拔节期、孕穗期和抽穗期等，而水稻纹枯病通常在分蘖期出现发病症状，于孕穗期至抽穗期达到病害发生最大值。因此，本实施例选取水稻移栽后到孕穗期之间的关键生育期，包括水稻分蘖前期(0
‑
15天)、分蘖后期(15
‑
30天)、分蘖期(0
‑
30天)、拔节期(30
‑
45天)、分蘖后期至拔节期(15
‑
45天)，进行关键气象因子的提取。所述关键气象因子包括活动积温、降雨量以及雨日数。
[0028]活动积温A
a
(Active Accumulated Temperature)是指某个指定的时间段内，超过作本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于气象和景观信息的水稻纹枯病发病峰值预测方法，其特征在于：具体包括以下步骤：步骤一、采集过往病害实际发生峰值数据，以及对应的气象数据和地表覆盖类型遥感数据，构建植保
‑
气象关联数据集、植保
‑
物候数据集与植保
‑
景观数据集；步骤二、根据步骤一采集的植保
‑
气象关联数据集，提取水稻不同生育期内的活动积温、降水量、雨日数，作为关键气象因子；步骤三、根据步骤一采集的植保
‑
景观数据集，提取被测稻区所在位置的景观指数斑块密度PD、最大斑块指数LPI、边界密度ED、景观形状指数LSI、聚集度指数C、平均斑块面积MPS、斑块面积标准差PSSD、斑块面积变异系数PSCV、斑块丰富度谜底PRD、多样性指数H、类别比例PLAND、平均斑块分维数FRAC、聚集指数AI和丛生指数CLUMPY，作为关键景观因子；步骤四、分别对步骤二、三提取的关键气象因子、关键景观因子与水稻纹枯病的发生峰值进行相关性计算，选择其中具有显著相关性的因子；步骤五、根据步骤四选择的具有显著相关性的气象因子和景观因子，以及被测稻区的历史发病情况，利用偏最小二乘回归法建立历史水稻纹枯病发生峰值与气象、景观因素的关系，得到水稻纹枯病发病峰值预测模型；步骤六、计算待预测区域的关键气象因子与关键景观因子，输入步骤五得到的预测模型中，得到该区域的水稻纹枯病发病峰值预测值。2.如权利要求1所述一种基于气象和景观信息的水稻纹枯病发病峰值预测方法，其特征在于：所述步骤一具体包括：s1.1、在被测稻区内采集过往5年以上的每块采样稻田在生育期的水稻纹枯病病株率的发生峰值P；s1.2、采集过往5年以上的每块采样稻田的日平均气温、日平均降水量，根据s1.1得到的峰值P，构建植保
‑
气象关联数据集；s1.3、采集过往5年以上的被测稻区所在位置的移栽期物候数据与土地覆盖类型数据，根据s1.1得到的峰值P，建立植保
‑
物候数据集与植保
‑
景观数据集。3.如权利要求1所述一种基于气象和景观信息的水稻纹枯病发病峰值预测方法，其特征在于：所述水稻不同生育期包括水稻分蘖前期、分蘖后期、分蘖期、拔节期以及分蘖后期至拔节期。4.如权利要求1所述一种基于气象和景观信息的水稻纹枯病发病峰值预测方法，其特征在于：步骤二中活动积温A
a
的计算方法为：s.t.TEM
d
∈[TEM
low
,TEM
high
]其中，D
start
为生育期起始日期，D
end
是生育期结束日期，TEM
d
是第d日的平均气温，TEM
low
为病害的发病温度下限，TEM
high<...

【专利技术属性】
技术研发人员：张竞成，张静文，沈艳艳，李惠紫，周行健，黄玉娟，陈冬梅，黄然，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：