【技术实现步骤摘要】
本专利技术涉及农业生态监测与评价，特别涉及一种中稻缘蝽对水稻产量影响的评估方法。
技术介绍
1、农业病虫害是我国农业生产的重要生物灾害，气象条件与病虫害发生消长有着密切的关系。作为我国南方稻区重要的水稻害虫之一，中稻缘蝽通常以若虫或成虫群集于灌浆期稻穗上取食，从而降低水稻产量和品质。目前，有关中稻缘蝽对水稻产量影响的评估方法大致包括田间实验法和模型模拟法。具体而言：（1）田间实验法主要是在水稻种植区内设置实验区和对照区，通过在实验区开展中稻缘蝽的防治，而对照区不防治，并保证其他条件在实验区和对照区相同的情况下，对比收获时实验区和对照区的水稻产量差异，从而评估中稻缘蝽的影响。由于实验过程比较复杂，且受限于人、财、物等因素的困扰，使得实验结果大多只能反映当前条件下有限空间范围内中稻缘蝽对水稻产量的影响，难以对不同区域、不同气候条件下的影响进行评估。（2）模型模拟法主要是将中稻缘蝽影响水稻生长的机理过程与现有作物模型进行耦合，实现对中稻缘蝽影响下的水稻产量进行模拟。虽然可以通过输入不同气候数据来模拟变化环境下中稻缘蝽对水稻产量的影响，但模型中涉及的参数较多，调参过程繁琐，且目前中稻缘蝽影响水稻生长的机理过程还不完善，使其建模效果一般。
2、气象条件对虫害发生具有重要影响，如何构建一套基于数理统计方法的评估模型，从而定量表征中稻缘蝽对水稻产量的影响，已成为该领域亟待解决的重要问题之一。
3、申请人试图基于数据-模型融合技术，建立一种中稻缘蝽对水稻产量影响的评估方法，使其既考虑中稻缘蝽发生潜势与水稻减产之间的关系，
技术实现思路
1、本专利技术为提高中稻缘蝽对水稻产量影响评估的准确性，并降低评估流程的复杂性，提供了一种融合气象条件、虫害发生潜势、水稻产量信息的中稻缘蝽对水稻产量影响的评估方法，该方法在考虑中稻缘蝽发生潜势与水稻减产关系的基础上，利用气象、农业等输入数据，实现了中稻缘蝽对水稻产量影响的定量评估。
2、本专利技术的一种中稻缘蝽对水稻产量影响的评估方法，包括如下步骤：
3、a)选定研究区域，搜集该区域内中稻缘蝽的发生信息，所述发生信息包括不同的发生年份、不同发生点的经纬度和受中稻缘蝽影响的水稻产量数据；
4、b)根据步骤a）选定的研究区域，获得该研究区域内水稻种植的空间分布数据，并确定水稻生育期信息，所述水稻生育期信息为从返青期至成熟期的时间信息；
5、c)根据步骤a）选定的研究区域，获得该区域内所有国家级气象站经过质量控制后的逐日平均气温、最高气温、最低气温、降水数据；
6、d)根据步骤b）确定的水稻生育期信息，以旬作为统计时段，确定可能影响中稻缘蝽发生的气象指标，计算该区域各气象站不同年份生育期内各气象指标的统计结果；再利用空间插值方法，生成空间分辨率与步骤b）水稻种植空间分布数据和水稻生育期数据相一致的该区域各气象指标栅格数据；
7、e)根据步骤a）中稻缘蝽的发生年份和发生点的经纬度数据，提取步骤d）中该区域对应年份和发生点的生育期内各气象指标的统计结果，生成空间分辨率与步骤b）水稻种植空间分布数据和水稻生育期数据相一致的气象指标栅格数据；
8、f)将步骤a）中发生点的经纬度数据和步骤e）中对应发生点的生育期内各气象指标的栅格数据，通过最大熵模型以及pearson相关分析方法，筛选并保留适当数量的气象指标用于后续的模型分析；
9、g）以步骤f）中最后筛选出的气象指标，获得步骤e）中对应发生点的生育期内各气象指标的栅格数据，并将步骤a）中发生点的经纬度数据，通过最大熵模型进行建模，得到中稻缘蝽的发生潜势；
10、h）根据步骤a）中发生点受中稻缘蝽影响的水稻产量数据（y）和步骤g）中对应发生点的中稻缘蝽发生潜势（x），建立产量-发生潜势统计模型y=ax+b，代入x和y数据后，确定待定系数a和b的具体数值；
11、i)根据步骤f）中最终确定的气象指标，从步骤d)中提取任一年份的气象指标栅格数据，代入步骤g)的最大熵模型和步骤h)的产量-发生潜势统计模型中，即可得到该区域某一年份中稻缘蝽对水稻产量的影响。
12、本专利技术的评估方法，相对于现有技术中的中稻缘蝽对水稻产量影响的评估方法而言的有益效果在于：田间实验数据的时空不连续、作物模型表征中稻缘蝽影响过程的不完善等都会增大中稻缘蝽对水稻产量影响评估的复杂性。本专利技术的评估方法，在考虑中稻缘蝽发生潜势与水稻减产关系的基础上，利用数据-模型融合技术，建立了中稻缘蝽对水稻产量影响的评估方法，使其既能描述中稻缘蝽对水稻产量的影响，又能简化估算过程的复杂性；同时本专利技术的估计方法，在定量评估中稻缘蝽对水稻产量的影响、探索农业病虫害影响的监测与预警问题等具有重要的指导价值。在中稻缘蝽对水稻产量影响估算与评价领域具有重要的实用意义和应用性，可以实现特定研究区域内在不同地点产量的评估和预测。
13、进一步地，步骤a)中研究区域为省、市或县行政区，发生信息条数大于30条并且涵盖不同年份和经纬度；发生信息来源包括：国内外公开发表的文献、各省、市、自治区的农业部门、科研院所、实地调查采集数据及国内外相关网站记录的数据；并对数据进行质量控制和筛选：删除错误和重复的分布点的重复信息，删除单条发生信息中发生年份、发生点的经纬度数据或受中稻缘蝽影响的水稻产量数据存在部分缺失的发生信息数据。
14、进一步地，步骤b)中，研究区域内水稻种植的空间分布数据的空间分辨率小于或等于1 km×1 km的栅格。
15、进一步地，步骤c)中，研究区域的气象数据来源于国省市县的气象部门提供的数据。
16、进一步地，步骤d)中，可能影响中稻缘蝽发生的气象指标包括：生育期内旬平均气温、生育期内平均气温最高旬的最高气温、生育期内平均气温最低旬的最低气温、生育期内降水量最高旬的平均气温、生育期内降水量最低旬的平均气温、生育期内平均气温最高旬的平均气温、生育期内平均气温最低旬的平均气温、生育期内旬平均降水量、生育期内降水量最高旬的降水量、生育期内降水量最低旬的降水量、生育期内平均气温最高旬的降水量、生育期内平均气温最低旬的降水量。
17、进一步地，步骤e），如果某个发生点存在多个发生年份，则将该发生点的生育期内的气象指标取各年份的平均值，对于该发生点，步骤a）中发生点受中稻缘蝽影响的水稻产量数据也同时取平均值进行处理。
18、进一步地，步骤f)中，气象指标的筛选方法为：首先利用最大熵模型法获取可能影响中稻缘蝽发生的气象指标的贡献率，并剔除贡献率小于2.0%的气象指标；再运用spss软件对贡献率大于或等于2.0%的气象指标进行pearson相关分析，若两个气象指标间的相关系数的绝对值大于或等于0.8，则保留贡献率大的气象指标，若两个气象指标的相关系数的绝对值小于0.8，则保留两个气象指标，对保留的气象指标用于后续的模型分本文档来自技高网...
【技术保护点】
1.一种中稻缘蝽对水稻产量影响的评估方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的中稻缘蝽对水稻产量影响的评估方法，其特征在于，步骤a)中研究区域为省、市或县行政区，发生信息条数大于30条并且涵盖不同年份和经纬度；发生信息来源包括：国内外公开发表的文献、各省、市、自治区的农业部门、科研院所、实地调查采集数据及国内外相关网站记录的数据；并对数据进行质量控制和筛选：删除错误和重复的分布点的重复信息，删除单条发生信息中发生年份、发生点的经纬度数据或受中稻缘蝽影响的水稻产量数据存在部分缺失的发生信息数据。
3.根据权利要求1所述的中稻缘蝽对水稻产量影响的评估方法，其特征在于，步骤b)中，研究区域内水稻种植的空间分布数据的空间分辨率小于或等于1 km×1 km的栅格。
4.根据权利要求1所述的中稻缘蝽对水稻产量影响的评估方法，其特征在于，步骤c)中，研究区域的气象数据来源于国省市县的气象部门提供的数据。
5.根据权利要求1所述的中稻缘蝽对水稻产量影响的评估方法，其特征在于，步骤d)中，可能影响中稻缘蝽发生的气象指标包括：生育期内旬
6.根据权利要求1所述的中稻缘蝽对水稻产量影响的评估方法，其特征在于，步骤e），如果某个发生点存在多个发生年份，则将该发生点的生育期内的气象指标取各年份的平均值，对于该发生点，步骤a）中发生点受中稻缘蝽影响的水稻产量数据也同时取平均值进行处理。
7.根据权利要求6所述的中稻缘蝽对水稻产量影响的评估方法，其特征在于，步骤f)中，气象指标的筛选方法为：首先利用最大熵模型法获取可能影响中稻缘蝽发生的气象指标的贡献率，并剔除贡献率小于2.0%的气象指标；再运用SPSS软件对贡献率大于或等于2.0%的气象指标进行Pearson相关分析，若两个气象指标间的相关系数的绝对值大于或等于0.8，则保留贡献率大的气象指标，若两个气象指标的相关系数的绝对值小于0.8，则保留两个气象指标，对保留的气象指标用于后续的模型分析，最终确定影响中稻缘蝽分布的主要气象因子包括生育期内平均气温最高旬的最高气温、生育期内降水量最低旬的平均气温、生育期内降水量最低旬的降水量和生育期内平均气温最低旬的降水量四个气象指标。
8.根据权利要求7所述的中稻缘蝽对水稻产量影响的评估方法，其特征在于，步骤g)中，在建模时，将中稻缘蝽发生点和四个气象指标导入最大熵模型中，并设置最大熵模型参数：随机选取75%的发生点作为训练集，剩下25%的发生点作为测试集；重复运行10次，重复运行规则为Subsample，结果输出格式为Logistic格式，最大迭代次数设置为5000次，其余参数采用默认值。采用受试者工作特征曲线下面积值，即AUC值判断模型模拟结果。AUC值取值范围为0～1，当AUC值超过0.9时，则说明最大熵模型的模拟效果较好，通过建立的最大熵模型，得到中稻缘蝽的发生潜势。
...【技术特征摘要】
1.一种中稻缘蝽对水稻产量影响的评估方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的中稻缘蝽对水稻产量影响的评估方法，其特征在于，步骤a)中研究区域为省、市或县行政区，发生信息条数大于30条并且涵盖不同年份和经纬度；发生信息来源包括：国内外公开发表的文献、各省、市、自治区的农业部门、科研院所、实地调查采集数据及国内外相关网站记录的数据；并对数据进行质量控制和筛选：删除错误和重复的分布点的重复信息，删除单条发生信息中发生年份、发生点的经纬度数据或受中稻缘蝽影响的水稻产量数据存在部分缺失的发生信息数据。
3.根据权利要求1所述的中稻缘蝽对水稻产量影响的评估方法，其特征在于，步骤b)中，研究区域内水稻种植的空间分布数据的空间分辨率小于或等于1 km×1 km的栅格。
4.根据权利要求1所述的中稻缘蝽对水稻产量影响的评估方法，其特征在于，步骤c)中，研究区域的气象数据来源于国省市县的气象部门提供的数据。
5.根据权利要求1所述的中稻缘蝽对水稻产量影响的评估方法，其特征在于，步骤d)中，可能影响中稻缘蝽发生的气象指标包括：生育期内旬平均气温、生育期内平均气温最高旬的最高气温、生育期内平均气温最低旬的最低气温、生育期内降水量最高旬的平均气温、生育期内降水量最低旬的平均气温、生育期内平均气温最高旬的平均气温、生育期内平均气温最低旬的平均气温、生育期内旬平均降水量、生育期内降水量最高旬的降水量、生育期内降水量最低旬的降水量、生育期内平均气温最高旬的降水量、生育期内平均气温最低旬的降水量。
6.根据权利要求1所述的中稻缘蝽对水稻产量影响的评估...
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。