森林病虫害爆发风险预测的方法及装置的制造方法
【技术领域】
[0001] 本发明设及农业领域，具体而言，设及一种森林病虫害爆发风险预测的方法及装 置。
【背景技术】
[0002] 森林病虫害作为常见灾害一直严重影响着森林生态系统及物种的生存，相关技术 中的预测方法准确度不高。
[0003] 针对相关技术中森林病虫害爆发风险预测准确度不高的问题，目前尚未提出有效 的解决方案。
【发明内容】
[0004] 针对相关技术中森林病虫害爆发风险预测准确度不高的问题，本发明提供了一种 森林病虫害爆发风险预测的方法及装置，W至少解决上述问题。 阳〇化]根据本发明的一个方面，提供了一种森林病虫害爆发风险预测的方法，包括：获取 森林病虫害爆发已知分布区域；获取环境因子变量，其中，所述环境因子变量包括：生物气 候变量和叶面积指数；依据所述已知分布区域和所述环境因子变量，利用预先建立的生态 位模型预测所述森林虫害爆发风险。
[0006] 可选地，依据所述已知分布区域和所述环境因子变量，利用预先建立的生态位模 型预测所述森林虫害爆发风险之前，还包括：按照所述叶面积指数的空间分辨率对所述已 知分布区域进行分布点去重处理；依据所述已知分布区域和所述环境因子变量，利用预先 建立的生态位模型预测所述森林虫害爆发风险，包括：依据所述环境因子变量和去重处理 得到的分布区域，利用预先建立的生态位模型预测所述森林虫害爆发风险。
[0007] 可选地，获取环境因子变量，包括：利用月均值最高溫、最低溫及降水数据求解得 到生物气候变量，并获取叶面积指数；通过双线性插值使所述生物气候变量的空间分辨率 与所述叶面积指数的空间分辨率一致。
[0008] 可选地，获取叶面积指数，包括：获取预定时间序列内的叶面积指数；按照地表覆 盖分类数据从获取的叶面积指数中筛选所述森林虫害对应的叶面积指数；按照预设时间粒 度对筛选得到的叶面积指数进行平均合成，得到用于预测所述森林虫害爆发风险的叶面积 指数。
[0009] 可选地，获取环境因子变量之后，还包括：利用主成分分析法对所述环境因子变量 进行降维处理；依据所述已知分布区域和所述环境因子变量，利用预先建立的生态位模型 预测所述森林虫害爆发风险，包括：依据所述已知分布区域和降维处理得到的环境因子变 量，利用预先建立的生态位模型预测所述森林虫害爆发风险。
[0010] 根据本发明的另一个方面，提供了一种森林病虫害爆发风险预测的装置，包括：第 一获取模块，用于获取森林病虫害爆发已知分布区域；第二获取模块，用于获取环境因子变 量，其中，所述环境因子变量包括：生物气候变量和叶面积指数；预测模块，用于依据所述 已知分布区域和所述环境因子变量，利用预先建立的生态位模型预测所述森林虫害爆发风 险。
[0011] 可选地，所述装置还包括：去重模块，用于在依据所述已知分布区域和所述环境因 子变量，利用预先建立的生态位模型预测所述森林虫害爆发风险之前，按照所述叶面积指 数的空间分辨率对所述已知分布区域进行分布点去重处理；所述预测模块，用于依据所述 环境因子变量和去重处理得到的分布区域，利用预先建立的生态位模型预测所述森林虫害 爆发风险。
[0012] 可选地，所述第二获取模块，包括：第一获取单元，用于利用月均值最高溫、最低溫 及降水数据求解得到生物气候变量，并获取叶面积指数；第一处理单元，用于通过双线性插 值使所述生物气候变量的空间分辨率与所述叶面积指数的空间分辨率一致。
[0013] 可选地，所述第二获取模块，包括：第二获取单元，用于获取预定时间序列内的叶 面积指数；筛选单元，用于按照地表覆盖分类数据从获取的叶面积指数中筛选所述森林虫 害对应的叶面积指数；合成单元，用于按照预设时间粒度对筛选得到的叶面积指数进行平 均合成，得到用于预测所述森林虫害爆发风险的叶面积指数。
[0014] 可选地，所述装置还包括：降维模块，用于在获取环境因子变量之后，利用主成分 分析法对所述环境因子变量进行降维处理；所述预测模块，用于依据所述已知分布区域和 所述环境因子变量，利用预先建立的生态位模型预测所述森林虫害爆发风险，包括：依据所 述已知分布区域和降维处理得到的环境因子变量，利用预先建立的生态位模型预测所述森 林虫害爆发风险。
[0015] 通过本发明，使用LAI数据进行森林病虫害爆发风险预测，分析表明该方法提高 了森林病虫害爆发风险预测的精度。
【附图说明】
[0016] 此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发 明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
[0017] 图1是根据相关技术的； 阳01引图2是根据本发明实施例的；
[0019] 图3是全球栋树巧死病爆发点地理分布位置图；
[0020] 图4a是美国/欧洲SOD爆发点生物气候变量对比图一；
[0021] 图4b是美国/欧洲SOD爆发点生物气候变量对比图二； 阳02引图5是美国/欧洲SOD爆发点LAI对比图；
[0023] 图6是全球SOD存在点及伪不存在点分布图；
[0024] 图7a是基于MaxEnt模型-Bio的全球SOD爆发风险预测结果； 阳0巧]图化是基于MaxEnt模型-Bio+LAI的全球SOD爆发风险预测结果； 阳0%] 图7c是基于GARP模型-Bio的全球SOD爆发风险预测结果；
[0027] 图7d是基于GARP模型-Bio+LAI的全球SOD爆发风险预测结果；
[0028] 图7e是基于GARP模型-Bio的全球SOD爆发风险预测结果；
[0029] 图7f是基于GLM模型-Bio+LAI的全球SOD爆发风险预测结果；
[0030] 图7g是基于SVM模型-Bio的全球SOD爆发风险预测结果；W及 阳03U 图化是基于SVM模型-Bio+LAI的全球SOD爆发风险预测结果。
【具体实施方式】
[0032] 下文中将参考附图并结合实施例来详细说明本发明。需要说明的是，在不冲突的 情况下，本申请中的实施例及实施例中的特征可W相互组合。
[0033] 本发明实施例使用叶面积指数（LAI)数据进行森林病虫害爆发风险预测，并W- 种森林病虫害一一栋树巧死病为例，联合其他遥感数据、气象数据及爆发数据等，在对比分 析多种生态位模型预测结果及精度的基础上，综合分析LAI的引入是否能够提高风险预测 精度。
[0034] 图1是根据本发明实施例的森林病虫害爆发风险预测的方法的流程图，如图1所 示，该方法包括步骤101至步骤103 :
[0035] 步骤101，获取森林病虫害爆发已知分布区域；
[0036] 步骤102,获取环境因子变量，其中，所述环境因子变量包括：生物气候变量和叶 面积指数；
[0037] 步骤103,依据所述已知分布区域和所述环境因子变量，利用预先建立的生态位模 型预测所述森林虫害爆发风险。
[0038] 在本发明实施例中，叶面积指数为卫星遥感数据。
[0039] 在本发明实施例的一个实施方式中，上述步骤103依据所述已知分布区域和所述 环境因子变量，利用预先建立的生态位模型预测所述森林虫害爆发风险之前，还包括：按照 所述叶面积指数的空间分辨率对所述已知分布区域进行分布点去重处理。上述步骤103依 据所述已知分布区域和所述环境因子变量，利用预先建立的生态位模型预测所述森林虫害 爆发风险，包括：依据所述环境因子变量和去重处理得到的分布区域，利用预先建立的生态 位模型预测所述森林虫害爆发风险。通过该实施方式，可W保证分布区域与环境因子变量 的空间分辨率一致。
[0040] 在本发明实施例的一个实施方式中，上述步骤102获取环境因子变量可W包括：