一种基于植保和气象信息结合的水稻纹枯病预测方法与流程

本发明属于生物灾害预测技术领域，具体涉及一种将时间连续的气象信息和病害流行学过程结合，能够对水稻纹枯病发生发展过程进行连续预测的方法。

背景技术：

农作物病虫害是农业生产中的重要生物灾害，是制约农业高产、优质、高效、生态、安全的重要障碍。改善这一状况的一个关键问题是需要对作物病虫害进行准确有效地预测，并据此指导植保工作。

目前，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基于统计方法进行年际预测。这些预测方法的问题是主观性较强或结果较为粗放，未充分考虑病虫害发生发展的生物学规律和特点，通常只能反映年际或生育期内病虫害总体发生情况，无法对病虫害在作物生育期特定时段的发生情况以及连续时间上的演进过程进行有效预测。李淼等提出了大田作物病虫害智能预警系统,根据作物病虫害历史数据计算出作物病虫害预测模型，解决了对无人值守的大田进行低成本病虫害自动预警的技术问题。但此发明是针对温室大棚设计，无法适用大田环境。张竞成等提出了一种基于多源信息的区域尺度病虫害预测方法，但该方法是在年际尺度上给出病虫害发生概率。

技术实现要素：

本发明的目的在于提供一种基于植保和气象信息结合的水稻纹枯病预测方法。

本发明的具体步骤如下

步骤一、获取数据，拟合基础模型。

1.1、在被预测区域内选取z块采样水稻田。分别获取z块采样水稻田的前m年的水稻纹枯病采样集合和温湿度数据集，m≥5。温度数据集包括前m年内各采样水稻田的每天的日平均气温和日平均相对湿度。一块采样水稻田一年的水稻纹枯病数据包括该采样水稻田在n个采样时间采集的水稻纹枯病病害发生等级。采样时间间隔为g1；g1≤10天。

水稻纹枯病采样集合s如下：

其中，sijk为第i块采样水稻田在第j年第k个采样时间采集到的水稻纹枯病病害发生等级。i＝1,2,…,z，j＝1,2,…,m，k＝1,2,…,n。

1.2、建立水稻纹枯病均值集合s′；

其中，

1.3、将水稻纹枯病均值集合s′内的n个数据分别作为离散点绘入以时间为横坐标，水稻纹枯病病害发生等级为纵坐标的平面直角坐标系中，得到水稻纹枯病情况采集时间区间内水稻纹枯病发生情况离散点图。

1.4、用表达式对水稻纹枯病发生情况离散点图中的离散点进行拟合，获得水稻纹枯病情况采集时间区间内水稻纹枯病发生情况曲线图。其中，e为自然对数的底，a、b、c、d均为被拟合的模型系数。

步骤二、建立预测模型如式(1)所示：

式(1)中，r为湿度调节因子，t为温度调节因子。

步骤三、建立湿度调节因子表达式如式(2)所示：

式(2)中，a为湿度调节系数，的取值为80％；m′rx为被预测时间的前g2天的平均相对湿度；g2≥3。

步骤四、建立温度调节因子表达式如式(3)所示：

其中，b为温度调节系数，s′tx的表达式为tl为被预测时间之前的第l天的日平均气温。的表达式为t′ijl为第i块采样水稻田在第j年内与被预测时间对应的时间之前的第l天的日平均气温。

步骤五、确定湿度调节系数a及温度调节系数b。

5.1、将0.3赋值给a，将0赋值给b，将0赋值给r1和r2，将1赋值给i、j、k。

5.2、以sijk的采集时间作为被预测时间，联立式(1)、式(2)和式(3)，计算被预测时间的病害等级估计值yijk。若sjik＝yjik，则将r1及r2均增大1，之后进入步骤5.3；若|sijk-yijk|＝1，则将r2增大1，之后进入步骤5.3；若|sijk-yijk|>1，直接进入步骤5.3

5.3、若i<z，j<m，k<n，则将k增大1，并重复执行步骤5.2。若i<z，j<m，k＝n，则将1赋值给k，将j增大1，并重复执行步骤5.2。若i<z，j＝m，k＝n，则将1赋值给k，将1赋值给j，将i增大1，并重复执行步骤5.2。若i＝z，j＝m，k＝n，则计算精准准确率容错准确率容错特征值p″a,b＝pa,b+p′a,b

将1赋值给i、j、k，并进入步骤5.4。

5.4、若a<1.2，b<90，则将b增大1，并执行步骤5.2至5.4。若a<1.2，b＝90，则将0赋值给b，a增大0.05，并执行步骤5.2至5.4。若a＝1.2，b＝90，则进入步骤5.5。

5.5、找出所有容错特征值p″a,b中的最小值，以该容错特征值对应的a、b分别作为式(2)中的湿度调节系数、式(3)最终中的温度调节系数。

步骤六、将实际需要预测水稻纹枯病病害发生等级的时间作为被预测时间，联立式(1)、式(2)和式(3)，计算被预测时间的病害等级预测值。

本发明具有的有益效果是：

本发明能够根据过去几天的气温和相对湿度对当前水稻田的水稻纹枯病进行判断，或根据未来几天的气温预报和相对湿度预报对未来水稻田中水稻纹枯病的发生情况进行预测。此外，本发明能够结合气象数据对水稻各生育期纹枯病发生发展过程进行准确连续预测。

附图说明

图1为以一个实例中的数据执行本发明时湿度调节系数、最终中的温度调节系数、精准准确率的关系图；

图2为以一个实例中的数据执行本发明时湿度调节系数、最终中的温度调节系数、容错准确率的关系图。

具体实施方式

以下结合附图对本发明作进一步说明。

如图1所示，一种基于植保和气象信息结合的水稻纹枯病预测方法，具体如下：

步骤一、获取数据，拟合基础模型。

1.1、在被预测区域内选取z块采样水稻田。分别获取z块采样水稻田的前m年的水稻纹枯病采样集合和温湿度数据集，m＝20(水稻纹枯病参照国家农业行业标准(ny/t613-2002)“水稻纹枯病测报调查规范”进行调查)。温度数据集包括前m年内各采样水稻田的每天的日平均气温和日平均相对湿度。一块采样水稻田一年的水稻纹枯病数据包括植保站在n个采样时间采集的水稻纹枯病病害发生等级(该等级分为一至五级，为现有公知的水稻纹枯病病害严重程度的评估方式)。采样时间间隔为g1；g1＝5天。水稻纹枯病病害发生等级采集时间区间为每年的6月30日～9月30日。

水稻纹枯病采样集合s如下：

其中，sijk为第i块采样水稻田在第j年第k个采样时间采集到的水稻纹枯病病害发生等级。i＝1,2,…,z，j＝1,2,…,m，k＝1,2,…,n。

1.2、建立水稻纹枯病均值集合s′；

其中，

1.3、将水稻纹枯病病害发生等级采集时间区间等分为n-1个时相，水稻纹枯病均值集合s′内的n个均值数据与第一个时相的起始时间、n-1个时相的结束时间分别对应。将水稻纹枯病均值集合s′内的n个数据分别作为离散点绘入以时间(单位为时相)为横坐标，水稻纹枯病病害发生等级为纵坐标的平面直角坐标系中，得到水稻纹枯病情况采集时间区间内水稻纹枯病发生情况离散点图。

1.4、用logistic方程表达式对水稻纹枯病发生情况离散点图中的离散点进行拟合，获得水稻纹枯病情况采集时间区间内水稻纹枯病发生情况曲线图。其中，e为自然对数的底，a、b、c、d均为被拟合的模型系数。a、b、c、d的数值根据水稻纹枯病情况采集时间区间内水稻纹枯病发生情况曲线图确定。

步骤二、建立预测模型如式(1)所示：

其中，a、b、c、d为步骤1.4中求得的被拟合的模型系数；r为湿度调节因子，t为温度调节因子。

步骤三、建立湿度调节因子表达式如式(2)所示：

其中，a为湿度调节系数(为待求值，下文将求出)，的取值为80％；m′rx为被预测时间(即未进行等级判定的情况下，需要预测出一块水稻田水稻纹枯病发病情况的时刻)的前g2天的平均相对湿度，即ml为被预测时间之前的第l天的日平均相对湿度；g2＝7。

步骤四、建立温度调节因子表达式如式(3)所示：

其中，b为温度调节系数(为待求值，下文将求出)，s′tx为被预测时间的积温；s′tx的表达式为tl为被预测时间之前的第l天的日平均气温。为z块采样水稻田在前m年的与被预测时间相同的时间点的积温均值，的表达式为t′ijl为第i块采样水稻田在第j年内与被预测时间对应的时间之前的第l天的日平均气温(即若预测时间为9月5日，t′1,20,1为第一块采样水稻田在采样的第20年的9月4日的日平均气温)。

步骤五、确定湿度调节系数a及温度调节系数b。

5.1、将0.3赋值给a，将0赋值给b，将0赋值给r1和r2，将1赋值给i、j、k。

5.2、以sijk的采集时间作为被预测时间，联立式(1)、式(2)和式(3)，计算被预测时间的病害等级估计值yijk。此时式(1)中的x即为sijk的采集时间(仅考虑月份和日期，不考虑年份)，求出的y即为yijk。若sijk＝yijk，则将r1及r2均增大1，之后进入步骤5.3；若|sijk-yijk|＝1，则将r2增大1，之后进入步骤5.3；若|sijk-yijk|>1，直接进入步骤5.3

5.3、若i<z，j<m，k<n，则将k增大1，并重复执行步骤5.2。若i<z，j<m，k＝n，则将1赋值给k，将j增大1，并重复执行步骤5.2。若i<z，j＝m，k＝n，则将1赋值给k，将1赋值给j，将i增大1，并重复执行步骤5.2。若i＝z，j＝m，k＝n，则计算精准准确率容错准确率容错特征值p″a,b＝pa,b+p′a,b

将1赋值给i、j、k，并进入步骤5.4。

5.4、若a<1.2，b<90，则将b增大1，并执行步骤5.2至5.4。若a<1.2，b＝90，则将0赋值给b，a增大0.05，并执行步骤5.2至5.4。若a＝1.2，b＝90，则进入步骤5.5。

5.5、找出所有容错特征值p″a,b中的最小值，以该容错特征值(最小值)对应的a、b分别作为式(2)中的湿度调节系数、式(3)最终中的温度调节系数。

步骤六、将实际需要预测水稻纹枯病病害发生等级的时间作为被预测时间，联立式(1)、式(2)和式(3)，计算被预测时间的病害等级预测值。

以申请人在步骤五中安徽、江苏、浙江、上海的多个采样水稻田获取的水稻纹枯病采样集合和温湿度数据集，执行本发明，以步骤五得到的不同的(a,b,pa,b)为三维坐标绘入第一空间直角坐标系中，得到图1；以不同的(a,b,p′a,b)为三维坐标绘入第二空间直角坐标系中，得到图2；从图1和图2中可以看出，pa,b的最大值为0.36，p′a,b的最大值为0.78，a的值取0.65，b的值取10。