一种农作物病害风险评估方法及相关装置制造方法及图纸

本申请提供了一种农作物病害风险评估方法及相关装置，涉及农作物病害防治领域，包括：获取高程数据，以及各周期内的气象数据和植被数据；从各周期内的气象数据和植被数据中筛选两两之间的相关性小于预设的相关性阈值的目标气象数据和目标植被数据，以得到各周期内的目标气象数据和目标植被数据；根据高程数据、各周期内的目标气象数据和目标植被数据，确定各周期内的病害发生风险数据；根据各周期内的病害发生风险数据和各周期内目标农作物的分布数据，确定各周期内发生在目标农作物上的病害发生风险数据。由于高程数据、气象数据和植被数据会对病害分布产生影响，基于高程数据、气象数据和植被数据进行病害风险评估，提高了评估结果的准确性。评估结果的准确性。评估结果的准确性。

【技术实现步骤摘要】
一种农作物病害风险评估方法及相关装置


[0001]本申请涉及农作物病害防治领域，特别是涉及一种农作物病害风险评估方法及相关装置。

技术介绍

[0002]农作物在生长过程中可能染上各种病害，病害的发生会严重影响农作物的产量和质量，例如，条锈病的发生会严重影响小麦的产量及质量，流行年份小麦减产可至40％以上，为农业生产造成巨大损失。
[0003]对农作物病害进行风险评估，即确定农作物病害的分布可为决策者有效控制病害的发生提供科学依据，有利维护粮食生产安全。目前的研究中，通常基于一种或多种气象因子在某个时间段比如全年进行整体的病害风险评估，但是导致农作物病害发生的影响因素并非气象因子这一种，仅基于气象因子进行病害风险评估，导致评估结果不准确。

技术实现思路

[0004]有鉴于此，本申请提供了一种农作物病害风险评估方法及相关装置，用于解决现有技术存在的仅基于气象因子进行病害风险评估导致的评估结果不准确的问题，其技术方案如下：
[0005]一种农作物病害风险评估方法，包括：
[0006]获取高程数据，以及各周期内的气象数据和植被数据，其中，各周期为处于目标农作物的生育期内的连续周期；
[0007]从各周期内的气象数据和植被数据中筛选两两之间的相关性小于预设的相关性阈值的目标气象数据和目标植被数据，以得到各周期内的目标气象数据和目标植被数据；
[0008]根据高程数据、各周期内的目标气象数据和目标植被数据，确定各周期内的病害发生风险数据；
[0009]根据各周期内的病害发生风险数据和各周期内目标农作物的分布数据，确定各周期内发生在目标农作物上的病害发生风险数据。
[0010]可选的，一周期内的气象数据包括以下数据中的一种或多种：该周期内的平均最低气温、平均气温、平均最高气温、平均降水量、降水日数、相对湿度和日照时数；
[0011]一周期内的植被数据包括以下数据中的一种或多种：该周期内的增强植被指数、叶面积指数和植被覆盖度。
[0012]可选的，从各周期内的气象数据和植被数据中筛选两两之间的相关性小于预设的相关性阈值的目标气象数据和目标植被数据，以得到各周期内的目标气象数据和目标植被数据，包括：
[0013]针对每个周期：
[0014]计算该周期内的气象数据和植被数据中两两数据之间的相关性，将相关性大于或等于相关性阈值的数据作为待筛除数据；
[0015]根据待筛除数据中两两数据之间的相关性对待筛除数据进行聚类，得到至少一组聚类数据；
[0016]采用随机森林算法计算每组聚类数据包含的各数据的权重，将每组聚类数据中权重低于最高权重的数据作为该周期内的目标筛除数据；
[0017]将该周期内的目标筛除数据从该周期内的气象数据和植被数据中筛除，余下的数据作为该周期内的目标气象数据和目标植被数据；
[0018]以得到各周期内的目标气象数据和目标植被数据。
[0019]可选的，根据高程数据、各周期内的目标气象数据和目标植被数据，确定各周期内的病害发生风险数据，包括：
[0020]将高程数据、各周期内的目标气象数据和目标植被数据输入预先构建的病害风险评估模型中，得到模型输出的各周期内的病害发生风险数据，其中，病害风险评估模型为以标注真实病害发生风险数据标签的训练高程数据、训练气象数据和训练植被数据为训练数据训练得到，真实病害发生风险数据由发病点数据和未发病点数据组成。
[0021]可选的，病害风险评估模型的构建过程，包括：
[0022]获取各周期内目标农作物的历史病害发生数据和历史分布数据；
[0023]根据获取的历史病害发生数据和历史分布数据，确定各周期内目标农作物的历史发病点数据；
[0024]随机生成各周期内目标农作物的至少一组历史未发病点数据，将至少一组历史未发病点数据和各周期内目标农作物的历史发病点数据作为各周期内的至少一个训练标签；
[0025]构建至少一个初始算法模型；
[0026]获取各周期内的至少一个训练标签分别对应的历史气象数据和历史植被数据，将高程数据以及获取的历史气象数据和历史植被数据作为训练样本，基于训练样本和标注的至少一个训练标签分别训练至少一个初始算法模型的网络参数，得到至少一个预训练算法模型；
[0027]基于至少一个预训练算法模型构建病害风险评估模型。
[0028]可选的，根据获取的历史病害发生数据和历史分布数据，确定各周期内目标农作物的历史发病点数据，包括：
[0029]根据获取的历史病害发生数据和历史分布数据，确定各周期内目标农作物的初始发病点数据；
[0030]按照预设的稀疏度阈值对各周期内目标农作物的初始发病点数据进行稀疏化处理，得到各周期内目标农作物的历史发病点数据。
[0031]可选的，构建至少一个初始算法模型，包括：
[0032]构建基于回归算法的初始算法模型、基于分类算法的初始算法模型、基于机器学习算法的初始算法模型和基于最大熵的初始算法模型；
[0033]其中，回归算法包括广义线性模型算法、广义加性模型算法和多元自适应回归样条算法，分类算法包括分类树分析算法和灵活判别分析算法，机器学习算法包括随机森林算法、人工神经网络算法和通用梯度模型算法。
[0034]可选的，基于至少一个预训练算法模型构建病害风险评估模型，包括：
[0035]将训练样本分别输入至少一个预训练算法模型，得到至少一个预训练模型分别输
出的病害发生风险数据；
[0036]根据至少一个预训练模型分别输出的病害发生风险数据和真实病害发生风险数据，计算至少一个预训练模型分别对应的真实技能统计TSS值；
[0037]将至少一个预训练模型中TSS值大于预设的统计阈值的预训练模型作为待处理模型，根据待处理模型对应的TSS值确定待处理模型的权重，根据确定出的权重和待处理模型，构建病害风险评估模型。
[0038]可选的，一周期内目标农作物的分布数据的确定过程，包括：
[0039]在该周期内每隔预设天数获取一次目标农作物的物候数据，以得到该周期内目标农作物的物候数据集；
[0040]根据物候数据集，确定该周期内目标农作物的分布数据，其中，该周期内目标农作物的分布数据对应的分布面积为该周期内目标农作物的最大种植面积。
[0041]一种农作物病害风险评估装置，包括：
[0042]数据获取模块，用于获取高程数据，以及各周期内的气象数据和植被数据，其中，各周期为处于目标农作物的生育期内的连续周期；
[0043]数据筛选模块，用于从各周期内的气象数据和植被数据中筛选两两之间的相关性小于预设的相关性阈值的目标气象数据和目标植被数据，以得到各周期内的目标气象数据和目标植被数据；
[0044]病害风险初步确定模块，用于根据高程数据、各周期内的目标气象数据和目标植被数据，确定各周期内的病害发生风险数据；
[0045]农作物病害风险确定模块，用本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种农作物病害风险评估方法，其特征在于，包括：获取高程数据，以及各周期内的气象数据和植被数据，其中，所述各周期为处于目标农作物的生育期内的连续周期；从所述各周期内的气象数据和植被数据中筛选两两之间的相关性小于预设的相关性阈值的目标气象数据和目标植被数据，以得到所述各周期内的目标气象数据和目标植被数据；根据所述高程数据、所述各周期内的目标气象数据和目标植被数据，确定所述各周期内的病害发生风险数据；根据所述各周期内的病害发生风险数据和所述各周期内所述目标农作物的分布数据，确定所述各周期内发生在所述目标农作物上的病害发生风险数据。2.根据权利要求1所述的农作物病害风险评估方法，其特征在于，一所述周期内的气象数据包括以下数据中的一种或多种：该周期内的平均最低气温、平均气温、平均最高气温、平均降水量、降水日数、相对湿度和日照时数；一所述周期内的植被数据包括以下数据中的一种或多种：该周期内的增强植被指数、叶面积指数和植被覆盖度。3.根据权利要求1或2所述的农作物病害风险评估方法，其特征在于，所述从所述各周期内的气象数据和植被数据中筛选两两之间的相关性小于预设的相关性阈值的目标气象数据和目标植被数据，以得到所述各周期内的目标气象数据和目标植被数据，包括：针对每个所述周期：计算该周期内的气象数据和植被数据中两两数据之间的相关性，将相关性大于或等于所述相关性阈值的数据作为待筛除数据；根据所述待筛除数据中两两数据之间的相关性对所述待筛除数据进行聚类，得到至少一组聚类数据；采用随机森林算法计算每组所述聚类数据包含的各数据的权重，将每组所述聚类数据中权重低于最高权重的数据作为该周期内的目标筛除数据；将该周期内的目标筛除数据从该周期内的气象数据和植被数据中筛除，余下的数据作为该周期内的目标气象数据和目标植被数据；以得到所述各周期内的目标气象数据和目标植被数据。4.根据权利要求1所述的农作物病害风险评估方法，其特征在于，所述根据所述高程数据、所述各周期内的目标气象数据和目标植被数据，确定所述各周期内的病害发生风险数据，包括：将所述高程数据、所述各周期内的目标气象数据和目标植被数据输入预先构建的病害风险评估模型中，得到模型输出的所述各周期内的病害发生风险数据，其中，所述病害风险评估模型为以标注真实病害发生风险数据标签的训练高程数据、训练气象数据和训练植被数据为训练数据训练得到，所述真实病害发生风险数据由发病点数据和未发病点数据组成。5.根据权利要求4所述的农作物病害风险评估方法，其特征在于，所述病害风险评估模型的构建过程，包括：获取所述各周期内所述目标农作物的历史病害发生数据和历史分布数据；
根据获取的所述历史病害发生数据和所述历史分布数据，确定所述各周期内所述目标农作物的历史发病点数据；随机生成所述各周期内所述目标农作物的至少一组历史未发病点数据，将所述至少一组历史未发病点数据和所述各周期内所述目标农作物的历史发病点数据作为所述各周期内的至少一个训练标签；构建至少一个初始算法模型；获取所述各周期内的至少一个训练标签分别对应的历史气象数据和历史植被数据，将所述高程数据...

【专利技术属性】
技术研发人员：陈鑫雨，董莹莹，黄文江，黄林生，马慧琴，黄滟茹，
申请(专利权)人：中国科学院空天信息创新研究院，
类型：发明
国别省市：