一种蔬菜病虫害暴发流行预测方法、介质及系统

本发明属于农业蔬菜种植，具体而言，涉及一种蔬菜病虫害暴发流行预测方法、介质及系统。

背景技术：

1、我国蔬菜产业发展迅速，种植面积不断扩大。但由于适宜的温湿度条件，各类蔬菜病虫害频繁发生，造成严重损失。近十年来，菜青虫、斑潜蝇、蚜虫等都出现了范围更加广泛、危害更加严重的特征。这与全球气候变暖、种植模式演变等多重因素相关。另外，由于种植技术和管理水平参差不齐，不同产区和种植户的病虫害防治能力差异大，区域之间病虫害流行风险存在差异。所以预测判断和预警某一区域某一时段可能发生的主要病虫害，对指导种植生产至关重要。

2、目前，病虫害发生预测主要依赖于数学统计模型。这类模型主要应用于单一优势种群的短期预测。考虑到多种病虫害之间、病虫害与环境之间的复杂互作，仅凭传统统计方法无法实现对病虫害暴发的准确评估。多源异构数据的整合以及病虫害生物学特性的模型化也是当前研究的盲区。总体而言，现有病虫害风险预警技术与模型方法还比较粗放，很难适应现代化高效农业的需求。

技术实现思路

1、有鉴于此，本发明提供一种蔬菜病虫害暴发流行预测方法、介质及系统，能够准确评价病虫害暴发风险，指导病虫害防控。

2、本发明是这样实现的：

3、本发明的第一方面提供一种蔬菜病虫害暴发流行预测方法，其中，包括以下步骤：

4、s10、收集不同地区历史上蔬菜病虫害暴发流行的历史数据，包括病虫害种类、发生时间、发生地区、防治措施；

5、s20、根据所述历史数据，建立每个地区不同蔬菜病虫害之间的关联性模型；

6、s30、综合考虑每个地区的病虫害环境因素，包括气候条件、种植结构、防治能力，建立用于评价每个地区蔬菜病虫害风险的元胞自动机模型；

7、s40、利用所述历史数据对所述元胞自动机模型进行代入，得到所述元胞自动机模型的演化规则；

8、s50、在多个地区采集实时监测数据，包括气象、土壤等数据；

9、s60、将所述实时监测数据输入所述病虫害关联性模型和所述元胞自动机模型，预测各地区不同蔬菜的病虫害暴发概率；

10、s70、比较每个地区的病虫害暴发概率，判断可能暴发的关键地区。

11、在上述技术方案的基础上，本发明的一种蔬菜病虫害暴发流行预测方法还可以做如下改进：

12、其中，所述s20的具体步骤包括：基于所建历史数据库，统计分析不同地区不同蔬菜间各病虫害的发生频数、联合发生频数，构建病虫害关联矩阵；采用相关性分析、贝叶斯网络等算法，挖掘不同病虫害之间的关联模式，得到定量反映关联关系的模型。

13、采用上述改进方案的有益效果为：通过上述一系列数据分析与模型建立的步骤，可以深入挖掘不同地区蔬菜病虫害之间的内在联系，建立定量的关联性模型。这为后续的病虫害风险预测及防控决策提供依据。

14、进一步的，在s20步骤中，确定关联矩阵中矩阵元素值计算方法为pearson相关系数。

15、进一步的，所述s30的具体步骤包括：收集区域环境和病虫害生物学数据，建立综合反映环境要素和病原体特征的元胞自动机模型框架，基于复杂系统理论模拟区域病虫害暴发演化过程。

16、采用上述改进方案的有益效果为：通过上述方法，构建了连接病虫害环境因子和病虫害本身的元胞自动机模型，可以模拟病虫害在不同环境下暴发的动态过程，评价不同地区的病虫害风险。

17、进一步的，所述s40的具体步骤包括：迭代输入大量历史病虫害暴发样本，比较模型输出结果与实际发生结果差异，持续优化调整元胞自动机的状态转移矩阵，提高模型预测精度，得到优化的元胞自动机模型。

18、采用上述改进方案的有益效果为：通过使用实际数据训练元胞自动机模型，获得了能够较准确预测病虫害暴发的状态转移规则，实现了模型的验证。

19、进一步的，所述s60的具体步骤包括：将采集的环境数据输入优化的元胞自动机模型，模拟各区域病虫害在不同环境下的暴发与演化，统计多次仿真结果，获得病虫害暴发概率。

20、进一步的，所述s70的具体步骤包括：设置概率阈值，检索概率超过概率阈值的蔬菜-病虫害组合，判定为可能发生暴发情形；并根据严重程度评估，确定病虫害防控的关键区域。

21、进一步的，所述概率阈值设定为0.8。

22、本发明的第二方面提供一种计算机可读存储介质，其中，所述计算机可读存储介质中存储有程序指令，所述程序指令运行时，用于执行上述的一种蔬菜重大病虫害暴发流行模型建立方法。

23、本发明的第三方面提供一种蔬菜病虫害暴发流行预测系统，其中，包含上述的计算机可读存储介质。

24、相较于现有技术，本发明的技术效果具体体现在以下几个方面：

25、1. 收集和建立了规范化的多源病虫害发生历史数据库，为模型建立提供了数据基础；

26、2. 挖掘不同地区不同蔬菜间病虫害的内在统计关联模式，建立了定量反映关联关系的模型。为病虫害风险评估奠定基础；

27、3. 应用元胞自动机理论，结合病虫害生物学特性，建立起新的时空动态风险评估模型。实现对病虫害暴发整个过程的模拟；

28、4. 模型综合考虑气候、土壤、种植结构等多个环境变量，评估结果更接近实际。并实现对环境变化的灵敏响应；

29、5. 最终可以实现对关键地区关键时期病虫害高发的精准预警，防控效率显著提高，减少因病虫害造成的损失。

技术特征：

1.一种蔬菜病虫害暴发流行预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种蔬菜病虫害暴发流行预测方法，其特征在于，所述s20的具体步骤包括：基于所建历史数据库，统计分析不同地区不同蔬菜间各病虫害的发生频数、联合发生频数，构建病虫害关联矩阵；采用相关性分析、贝叶斯网络等算法，挖掘不同病虫害之间的关联模式，得到定量反映关联关系的模型。

3.根据权利要求2所述的一种蔬菜病虫害暴发流行预测方法，其特征在于，在s20步骤中，确定关联矩阵中矩阵元素值计算方法为pearson相关系数。

4.根据权利要求3所述的一种蔬菜病虫害暴发流行预测方法，其特征在于，所述s30的具体步骤包括：收集区域环境和病虫害生物学数据，建立综合反映环境要素和病原体特征的元胞自动机模型框架，基于复杂系统理论模拟区域病虫害暴发演化过程。

5.根据权利要求4所述的一种蔬菜病虫害暴发流行预测方法，其特征在于，所述s40的具体步骤包括：迭代输入大量历史病虫害暴发样本，比较模型输出结果与实际发生结果差异，持续优化调整元胞自动机的状态转移矩阵，提高模型预测精度，得到优化的元胞自动机模型。

6.根据权利要求5所述的一种蔬菜病虫害暴发流行预测方法，其特征在于，所述s60的具体步骤包括：将采集的环境数据输入优化的元胞自动机模型，模拟各区域病虫害在不同环境下的暴发与演化，统计多次仿真结果，获得病虫害暴发概率。

7.根据权利要求6所述的一种蔬菜病虫害暴发流行预测方法，其特征在于，所述s70的具体步骤包括：设置概率阈值，检索概率超过概率阈值的蔬菜-病虫害组合，判定为可能发生暴发情形；并根据严重程度评估，确定病虫害防控的关键区域。

8.根据权利要求7所述的一种蔬菜病虫害暴发流行预测方法，其特征在于，所述概率阈值设定为0.8。

9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有程序指令，所述程序指令运行时，用于执行权利要求1-8任一项所述的一种蔬菜重大病虫害暴发流行模型建立方法。

10.一种蔬菜病虫害暴发流行预测系统，其特征在于，包含权利要求9所述的计算机可读存储介质。

技术总结
本发明提供了一种蔬菜病虫害暴发流行预测方法、介质及系统，属于农业蔬菜种植技术领域，该蔬菜病虫害暴发流行预测方法包括以下步骤：收集不同地区蔬菜病虫害暴发历史数据；根据历史数据，建立每个地区关联性模型；综合考虑每个地区病虫害环境因素，建立评价每个地区虫害风险的元胞自动机模型；利用历史数据对所述元胞自动机模型进行代入，得到所述元胞自动机模型的演化规则；在多个地区采集实时监测数据，包括气象、土壤等数据；将实时监测数据输入所述病虫害关联性模型和所述元胞自动机模型，预测各地区不同蔬菜的病虫害暴发概率；比较每个地区的病虫害暴发概率，判断可能暴发的关键地区；本发明能够准确评价病虫害暴发风险，指导病虫害防控。

技术研发人员：李莹,李晓东,杨金广,焦裕冰,申莉莉,王英文,王连刚
受保护的技术使用者：中国农业科学院烟草研究所（中国烟草总公司青州烟草研究所）
技术研发日：
技术公布日：2024/4/17