基于无人机航拍的草原毛虫宜生区划分方法、系统及终端技术方案

本发明专利技术公开了基于无人机航拍的草原毛虫宜生区划分方法、系统及终端，包括：设置观测样点，并利用无人机航拍获取所述观测样点的草原毛虫数据；获取所述观测样点对应的环境因子；基于BIOMOD模拟软件,利用草原毛虫数据和环境因子构建生态位模型；根据Kappa、TSS和AUC三种指标评价所述生态位模型，筛选出最优生态位模型；利用最优生态位模型预测草原毛虫的空间分布概率，并根据空间分布概率划分草原毛虫宜生区。本发明专利技术基于无人机航拍技术高效的提供了草原毛虫空间分布研究的基础数据，结合BIOMOD和观测样点所对应的环境因子，划分草原虫害宜生区，为进一步定量认识草原毛虫的生态学地位及虫害预警、防控措施的制定提供理论和实践基础。础。础。

【技术实现步骤摘要】
基于无人机航拍的草原毛虫宜生区划分方法、系统及终端


[0001]本专利技术涉及生物生态分布
，尤其涉及基于无人机航拍的草原毛虫宜生区划分方法、系统及终端。

技术介绍

[0002]草原毛虫(Gynaephora alpheraki)别名红头黑毛虫、草原毒蛾，隶属鳞翅目(Lepidoptera)毒蛾科(Lymantriidae)草原毛虫属(Gynaephora)。我国青藏高原高寒草地是其主要分布地区之一。草原毛虫对小嵩草、矮嵩草、紫羊茅、垂穗披碱草等莎草和禾草植物表现出很强的取食偏好，由叶片顶尖而向基部取食，优先采食植被嫩枝绿叶。近年来，在全球气候变化和人类活动干扰的双重影响下，青藏高原草原毛虫发生频繁，爆发成灾。草原毛虫灾害爆发后，每平方米可达五百头以上，严重毁坏的草地植被在两年内难以恢复，单位面积草地生产能力和载畜量大幅度下降。此外，草原毛虫还富含毒素，家畜采食后可导致中毒，牧民接触后若不采用防护措施或清洗不及时，会引起中毒现象。草原毛虫对我国青藏高原高寒草地造成了巨大的危害。自20世纪60年代以来，国家每年都要投入大量的人力、物力和财力防治草原毛虫，特别是对杀虫剂药效和生物杀虫剂新药的开发进行了大量的研究。但是仍然未能从根本上有效地控制该害虫的危害。
[0003]虫害的发生有其适应的环境，了解其生物学特性、发生规律、数量变化以及影响其发生的主导因素，是监测预报和防治的重要理论基础和依据。目前草原毛虫的调查与研究仍然在站点尺度基于传统的样方调查为主，例如对草原毛虫食性特征、生长发育和空间分布格局影响因素等研究。样方调查法在大尺度的调查中通常要求大量时间、人力和资金投入，难以在有限的时间内大面积开展调查工作。而草原毛虫幼虫虫体较小，卫星遥感受分辨率限制而无法对其进行识别和测定。此外，传统方法的调查位点和观测人员不固定、测定标准不统一，导致获取样本的时空代表性和可比性受限。受限于有限的观测手段，目前对区域尺度草原毛虫空间分异特征和宜生区分布等信息尚不清楚。

技术实现思路

[0004]本专利技术的目的在于克服现有观测手段对草原毛虫的空间分布不清楚、不准确的问题，提供了基于无人机航拍的草原毛虫宜生区划分方法、系统及终端。
[0005]本专利技术的目的是通过以下技术方案来实现的：
[0006]在第一方案中，提供一种基于无人机航拍的草原毛虫宜生区划分方法，所述方法包括：
[0007]设置观测样点，并利用无人机航拍获取所述观测样点的草原毛虫数据；
[0008]获取所述观测样点对应的环境因子；
[0009]基于BIOMOD模拟软件,利用所述草原毛虫数据和环境因子构建生态位模型；
[0010]根据Kappa、TSS和AUC三种指标评价所述生态位模型，筛选出最优生态位模型；
[0011]利用最优生态位模型预测草原毛虫的空间分布概率，并根据所述空间分布概率划
分草原毛虫宜生区。
[0012]作为一优选项，一种基于无人机航拍的草原毛虫宜生区划分方法，所述观测样点的大小为250m
×
250m，每个观测样点中设置一个200m
×
200m的Grid飞行航线和3个40m
×
40m的Belt飞行航线。
[0013]作为一优选项，一种基于无人机航拍的草原毛虫宜生区划分方法，所述利用无人机航拍获取所述观测样点的草原毛虫数据，包括：
[0014]通过FragMAP将每次飞行的航拍照片、航点和航线信息上传；
[0015]基于协同分析平台及时定位和分析草原毛虫数据，其中，由不同的分析人员同时进行毛虫数量提取工作，并对比不同人员的草原毛虫分析结果。
[0016]作为一优选项，一种基于无人机航拍的草原毛虫宜生区划分方法，所述环境因子包括气象、土壤、遥感植被指数和地形。
[0017]作为一优选项，一种基于无人机航拍的草原毛虫宜生区划分方法，所述利用所述草原毛虫数据和环境因子构建生态位模型，包括：
[0018]结合Pearson相关系数和因子重要性指标Importance，对所有环境因子进行筛选。
[0019]作为一优选项，一种基于无人机航拍的草原毛虫宜生区划分方法，Kappa用来评价预测结果的一致性，所述TSS的计算公式如下：
[0020]TSS＝Sensitivity+Specificity
‑
1＝TPR
‑
FPR
[0021]其中，Sensitivity为敏感性，Specificity为特异性，TPR(true positive rate)真阳性率，FPR(falsepositive rate)假阳性率，所述TSS取值范围为(0，1)；所述AUC被定义为ROC曲线下与坐标轴围成的面积，AUC的取值范围为(0.5，1)。
[0022]作为一优选项，一种基于无人机航拍的草原毛虫宜生区划分方法，所述根据所述空间分布概率划分草原毛虫宜生区，包括：
[0023]根据空间分布概率的大小将草原毛虫宜生区划分成不同的等级。
[0024]作为一优选项，一种基于无人机航拍的草原毛虫宜生区划分方法，所述根据Kappa、TSS和AUC三种指标评价所述生态位模型，筛选出最优生态位模型，包括：
[0025]RF模型对草原毛虫生态位模拟精度最高。
[0026]在第二方案中，提供一种基于无人机航拍的草原毛虫宜生区划分系统，所述系统包括：
[0027]草原毛虫数据获取模块，用于设置观测样点，并利用无人机航拍获取所述观测样点的草原毛虫数据；
[0028]环境因子获取模块，用于获取所述观测样点对应的环境因子；
[0029]生态位模型构建模块，基于BIOMOD模拟软件,利用所述草原毛虫数据和环境因子构建生态位模型；
[0030]生态位模型筛选模块，用于根据Kappa、TSS和AUC三种指标评价所述生态位模型，筛选出最优生态位模型；
[0031]草原毛虫宜生区划分模块，利用最优生态位模型预测草原毛虫的空间分布概率，并根据所述空间分布概率划分草原毛虫宜生区。
[0032]在第三方案中，提供一种终端，包括存储器和处理器，存储器上存储有可在处理器上运行的计算机指令，处理器运行计算机指令时执行任意一项所述草原毛虫宜生区划分方
法的相关步骤。
[0033]需要进一步说明的是，上述各选项对应的技术特征在不冲突的情况下可以相互组合或替换构成新的技术方案。
[0034]与现有技术相比，本专利技术有益效果是：
[0035](1)本专利技术野外草原毛虫观测采用无人机航拍照片获取，无人机效率高，操作方便，照片分辨率高，从而克服了传统样方调查的诸多困难，节省了大量人力、物力的同时，增加了草原毛虫调查的范围和样点数量。为草原毛虫宜生区研究提供可大量真实可靠的野外观测数据。相较于传统宜生区划分方法，本研究利用生态位模型预估草原毛虫为害区域，进而定量分析各生态因子宜生指数，减少了传统区划分析中因样方选择随机本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于无人机航拍的草原毛虫宜生区划分方法，其特征在于，所述方法包括：设置观测样点，并利用无人机航拍获取所述观测样点的草原毛虫数据；获取所述观测样点对应的环境因子；基于BIOMOD模拟软件,利用所述草原毛虫数据和环境因子构建生态位模型；根据Kappa、TSS和AUC三种指标评价所述生态位模型，筛选出最优生态位模型；利用最优生态位模型预测草原毛虫的空间分布概率，并根据所述空间分布概率划分草原毛虫宜生区。2.根据权利要求1所述的一种基于无人机航拍的草原毛虫宜生区划分方法，其特征在于，所述观测样点的大小为250m
×
250m，每个观测样点中设置一个200m
×
200m的Grid飞行航线和3个40m
×
40m的Belt飞行航线。3.根据权利要求1所述的一种基于无人机航拍的草原毛虫宜生区划分方法，其特征在于，所述利用无人机航拍获取所述观测样点的草原毛虫数据，包括：通过FragMAP将每次飞行的航拍照片、航点和航线信息上传；基于协同分析平台及时定位和分析草原毛虫数据，其中，由不同的分析人员同时进行毛虫数量提取工作，并对比不同人员的草原毛虫分析结果。4.根据权利要求1所述的一种基于无人机航拍的草原毛虫宜生区划分方法，其特征在于，所述环境因子包括气象、土壤、遥感植被指数和地形。5.根据权利要求1所述的一种基于无人机航拍的草原毛虫宜生区划分方法，其特征在于，所述利用所述草原毛虫数据和环境因子构建生态位模型，包括：结合Pearson相关系数和因子重要性指标Importance，对所有环境因子进行筛选。6.根据权利要求1所述的一种基于无人机航拍的草原毛虫宜生区划分方法，其特征在于，Kappa用来评价预测结果的一致性，所述TSS的计算公式如下：TSS＝Sensitivit...

【专利技术属性】
技术研发人员：于红妍，吕燕燕，马旭康，宜树华，王贤颖，雅琴，孟宝平，赵宝伟，于瑶，宋锡康，
申请(专利权)人：祁连山国家公园青海服务保障中心，
类型：发明
国别省市：