当前位置: 首页 > 关键技术 > 自然灾害评估  
收藏此页 | 保护视力色:
农作物病害预警技术
日期:2014-10-15     来源:杨凌示范区科技信息中心    
 
        针对不同数据获取能力,为实现病害区域遥感监测能力,构建了分区基础上的专家知识预测模型,可以实现病害发病规律相对一致区域预测能力,减少对密集的灾害历史数据、气象数据的依赖;提出了Fuzzy综合评判的作物病害发生气象预测模型,可用于构建县域尺度以下的病害预测系统,可以满足地面调查数据充分、气象资料完整条件下的病害预测,是对区域病害预警技术的补充。总体上,形成中、低尺度互补的病害预警体系。
       1.基于专家知识的病害预测研究
       系统总体上通过收集病害基础数据、病害监测数据、气象数据、专家经验数据、历史案例数据、遥感数据等其他数据,利用多源数据,采用模糊推理、案例信息提取、因果关系网等技术提取出相关的规则性知识,组合生成专家知识库(知识模型),通过对模型进行灵敏度分析以及有效性验证等方式,使模型最大程度的与客观规律相拟合,最后用程序实现对于模型的调用与维护,开发出原型系统,从而构建出农业病害的预测预报评价模型。首先是根据发病程度的差异将研究区域进行分区,然后通过分析病害的历史发病数据和对应年份的气象数据,建立病害发生程度和气象因子之间的对应关系并针对每个分区构建病害预测专家系统。专家系统中主要包括知识库和案例库两部分数据,知识库包括病害发生的适宜温湿度环境等数据,案例库是指病害发生的具体案例。专家系统构建完成后,用户只需根据提示填入预测所需的气象因子的值即可产生预测结果。模型构建的总体流程如下图1:
 

图1 农作物病害预测模型构建流程图

 

       

      基于知识的专家系统模型可视化过程,将训练好的模型通过PHP语言开发,实现基于B/S模式的病害预测专家系统。系统中用以模型训练的发病数据将进入案例库,预测时如果用户输入的条件与训练模型的数据相同或相似,将直接显示该案例的发病情况,如果用户输入的发病环境与案例库中的不一致,将通过逻辑判断进行预测。通过模型预测和验证后的数据也将进入案例库进而充实案例库的案例数量,达到提高预测精度的目的。
  模型的操作界面如下(图2):

图2 农作物主要病害预测专家系统操作步骤
 
       2 基于模糊综合评判分析的作物病害气象预测研究
       从气象数据中提取影响病害发生的评价气象因子,包括:平均温度、平均相对湿度、平均日照时数、平均降水量、最低温度和最高温度等。
       根据病害评价气象因子与病害发生程度数据对模糊综合评判模型进行标定。
       利用标定后模型采用评价气象因子及植保数据预测病害适宜发生范围。
       对预测数据与实测数据进行对比并做精度评价分析。
 
图3 基于模糊综合评判分析的作物病害气象预警研究路线
 
(资料来源:中国农科院资源与农业区划研究所,北京农业信息技术研究中心)