本申请公开了一种预测沙漠蝗的方法及装置，该方法包括：获得目标地区的生境数据，生境数据包括降雨数据、土壤温度数据、土壤湿度数据和植被数据；通过小波变换提取生境数据对应的波动特征；波动特征包括降雨数据对应的降雨波动特征、土壤温度数据对应的土壤温度波动特征、土壤湿度数据对应的土壤湿度波动特征和植被数据对应的植被波动特征；根据波动特征预测目标地区的沙漠蝗的发生时间。本申请通过小波变换可以较为全面的探究沙漠蝗发生的规律，从而实现对沙漠蝗的发生时间进行较为准确且稳定的预测。定的预测。定的预测。
【技术实现步骤摘要】
一种预测沙漠蝗的方法及装置
[0001]本申请涉及计算机
，尤其涉及一种预测沙漠蝗的方法及装置。
技术介绍
[0002]当前多国普遍采取依赖于早期预警和提前反应的预防管理策略，组织有经验的野外调查人员和相关农业人员进行实地调查，通过监测沙漠蝗潜在繁殖区域的天气和生态条件，对可能的沙漠蝗进行预测。但目前预测沙漠蝗的方法，通常采用人工智能模型对相关数据进行分析，得到沙漠蝗的发生时间。但这种方法对沙漠虫潮的发生时间的预测普适性较差，对一些地区的预测准确率较低，本领域技术人员急需一种普适性较好，预测稳定性较好的预测沙漠蝗的方法。
技术实现思路
[0003]为了解决上述技术问题，本申请提供了一种预测沙漠蝗的方法及装置，用于预测沙漠蝗的发生时间。
[0004]为了实现上述目的，本申请实施例提供的技术方案如下：本申请实施例提供一种预测沙漠蝗的方法，包括：获得目标地区的生境数据，生境数据包括降雨数据、土壤温度数据、土壤湿度数据和植被数据；通过小波变换提取生境数据对应的波动特征；波动特征包括降雨数据对应的降雨波动特征、土壤温度数据对应的土壤温度波动特征、土壤湿度数据对应的土壤湿度波动特征和植被数据对应的植被波动特征；根据波动特征预测目标地区的沙漠蝗的发生时间。
[0005]作为一种可能的实施方式，波动特征包括目标地区在过去一段时间内的生境数据对应的第一波动特征，和目标地区在未来一段时间内的生境数据对应的第二波动特征；该方法还包括：根据目标地区过去一段时间内的沙漠蝗发生数据和第一波动特征，确定波动特征的滞后期；根据波动特征预测目标地区的沙漠蝗的发生时间，包括：根据第二波动特征和滞后期，预测目标地区的沙漠蝗的发生时间。
[0006]作为一种可能的实施方式，根据第二波动特征和滞后期，预测目标地区的沙漠蝗的发生时间，包括：根据滞后期调整第二波动特征；根据调整后的第二波动特征，预测目标地区的沙漠蝗的发生时间。
[0007]作为一种可能的实施方式，还包括：根据目标地区在过去一段时间内的生境数据和沙漠蝗发生数据之间的对应关系，将生境数据分为第一类数据和第二类数据；将第二类数据进行差分处理；通过小波变换提取生境数据对应的波动特征，包括：通过小波变换提取第一类数据和处理后的第二类数据对应的波动特征。
[0008]作为一种可能的实施方式，还包括：
获得目标地区对应的迁飞预测信息；根据波动特征预测目标地区的沙漠蝗的发生时间，包括：根据波动特征和迁飞预测信息，预测目标地区的沙漠蝗的发生时间。
[0009]作为一种可能的实施方式，根据波动特征和迁飞预测信息，预测目标地区的沙漠蝗的发生时间，包括：将迁飞预测信息进行二值化处理，获得虫源信息；根据波动特征和虫源信息，预测目标地区的沙漠蝗的发生时间。
[0010]根据上述的预测沙漠蝗的方法，本申请还提供了一种预测沙漠蝗的装置，包括：获得模块，用于获得目标地区的生境数据，生境数据包括降雨数据、土壤温度数据、土壤湿度数据和植被数据；提取模块，用于通过小波变换提取生境数据对应的波动特征；波动特征包括降雨数据对应的降雨波动特征、土壤温度数据对应的土壤温度波动特征、土壤湿度数据对应的土壤湿度波动特征和植被数据对应的植被波动特征；预测模块，用于根据波动特征预测目标地区的沙漠蝗的发生时间。
[0011]作为一种可能的实施方式，波动特征包括目标地区在过去一段时间内的生境数据对应的第一波动特征，和目标地区在未来一段时间内的生境数据对应的第二波动特征；装置还包括：确定模块，用于根据目标地区过去一段时间内的沙漠蝗发生数据和第一波动特征，确定波动特征的滞后期；预测模块，用于根据第二波动特征和滞后期，预测目标地区的沙漠蝗的发生时间。
[0012]作为一种可能的实施方式，还包括：分类模块，用于根据目标地区在过去一段时间内的生境数据和沙漠蝗发生数据之间的对应关系，将生境数据分为第一类数据和第二类数据；差分处理模块，用于将第二类数据进行差分处理；提取模块，用于通过小波变换提取第一类数据和处理后的第二类数据对应的波动特征。
[0013]作为一种可能的实施方式，还包括：迁飞预测信息获得模块，用于获得目标地区对应的迁飞预测信息；预测模块，用于根据波动特征和迁飞预测信息，预测目标地区的沙漠蝗的发生时间。
[0014]作为一种可能的实施方式，预测模块，用于根据滞后期调整第二波动特征；根据调整后的第二波动特征，预测目标地区的沙漠蝗的发生时间。
[0015]作为一种可能的实施方式，预测模块，用于将迁飞预测信息进行二值化处理，获得虫源信息；根据波动特征和虫源信息，预测目标地区的沙漠蝗的发生时间。
[0016]通过上述技术方案可知，本申请具有以下有益效果：本申请实施例提供了一种预测沙漠蝗的方法，包括：获得目标地区的生境数据，生境数据包括降雨数据、土壤温度数据、土壤湿度数据和植被数据；通过小波变换提取生境数据对应的波动特征；波动特征包括降雨数据对应的降雨波动特征、土壤温度数据对应的土壤温度波动特征、土壤湿度数据对应的土壤湿度波动特征和植被数据对应的植被波动特
征；根据波动特征预测目标地区的沙漠蝗的发生时间。
[0017]由此可知，本申请实施例提供的预测沙漠蝗的方法，通过小波变换提取生境数据对应的波动特征，然后通过波动特征预测目标地区的沙漠蝗的发生时间。需要说明的是，在通过小波变换提取生境数据中的波动特征时，由于小波变化的特性，可以提取到生境数据中时间序列变量的相对位置和变量间的相互关系，即可以提取到生境数据中的变化趋势数据。生境数据中变化趋势数据与沙漠蝗的发生时间之间存在较强的映射关系，因此，本申请通过小波变换可以较为全面的探究沙漠蝗发生的规律，从而实现对沙漠蝗的发生时间进行较为准确且稳定的预测。
附图说明
[0018]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0019]图1为本申请实施例提供的一种预测沙漠蝗的方法的流程图；图2为本申请实施例提供的生境数据与沙漠蝗发生数据对应关系的示意图；图3为本申请实施例提供的一种波动特征与沙漠蝗发生数据对应关系的示意图；图4为本申请实施例提供的一种精度检测结果的示意图；图5为本申请实施例提供的一种预测沙漠蝗的方法的示意图；图6为本申请实施例提供的一种预测沙漠蝗的装置的示意图。
具体实施方式
[0020]为了帮助更好地理解本申请实施例提供的方案，在介绍本申请实施例提供的方法之前，先介绍本申请实施例方案的应用的场景。
[0021]沙漠蝗的生长发育过程受降雨、土壤湿度、土壤温度和植被生长状况等因素的影响。相关技术中评估了七种卫星传感器的降雨数据监测沙漠蝗衰退区域的能力，发现这些降雨数据的表现较为平均。相关技术中用欧空局土壤湿度产品（ESA CCI SM）评估了用土本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种预测沙漠蝗的方法，其特征在于，包括：获得目标地区的生境数据，所述生境数据包括降雨数据、土壤温度数据、土壤湿度数据和植被数据；通过小波变换提取所述生境数据对应的波动特征；所述波动特征包括所述降雨数据对应的降雨波动特征、所述土壤温度数据对应的土壤温度波动特征、所述土壤湿度数据对应的土壤湿度波动特征和所述植被数据对应的植被波动特征；根据所述波动特征预测所述目标地区的沙漠蝗的发生时间。2.根据权利要求1所述的方法，其特征在于，所述波动特征包括所述目标地区在过去一段时间内的生境数据对应的第一波动特征，和所述目标地区在未来一段时间内的生境数据对应的第二波动特征；所述方法还包括：根据所述目标地区过去一段时间内的沙漠蝗发生数据和所述第一波动特征，确定所述波动特征的滞后期；所述根据所述波动特征预测所述目标地区的沙漠蝗的发生时间，包括：根据所述第二波动特征和所述滞后期，预测所述目标地区的沙漠蝗的发生时间。3.根据权利要求2所述的方法，其特征在于，所述根据所述第二波动特征和所述滞后期，预测所述目标地区的沙漠蝗的发生时间，包括：根据所述滞后期调整所述第二波动特征；根据调整后的第二波动特征，预测所述目标地区的沙漠蝗的发生时间。4.根据权利要求1所述的方法，其特征在于，还包括：根据所述目标地区在过去一段时间内的生境数据和所述沙漠蝗发生数据之间的对应关系，将所述生境数据分为第一类数据和第二类数据；将所述第二类数据进行差分处理；所述通过小波变换提取所述生境数据对应的波动特征，包括：通过小波变换提取所述第一类数据和处理后的第二类数据对应的波动特征。5.根据权利要求1所述的方法，其特征在于，还包括：获得所述目标地区对应的迁飞预测信息；根据所述波动特征预测所述目标地区的沙漠蝗的发生时间，包括：根据所述波动特征和所述迁飞预测信息，预测所述目标地区的沙漠蝗的发生时间。6.根据权利要求5所...
【专利技术属性】
技术研发人员：董莹莹，邹玉珍，李雪玲，刘林毅，黄文江，赵星，
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：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。