基于移動(dòng)GIS的棉田朱砂葉螨預(yù)警系統(tǒng)

靳光才+趙慶展+周文杰+張清+許金霞

摘要： 為解決棉田朱砂葉螨預(yù)警中信息采集量少、短期預(yù)測(cè)不準(zhǔn)確、預(yù)警信息發(fā)布困難等問(wèn)題，設(shè)計(jì)并實(shí)現(xiàn)了基于馬爾科夫鏈和移動(dòng)GIS的棉田朱砂葉螨預(yù)警系統(tǒng)?；谝苿?dòng)GIS平臺(tái)實(shí)現(xiàn)了棉田朱砂葉螨信息的快速、準(zhǔn)確、實(shí)時(shí)采集，然后采用基于馬爾科夫鏈的方法對(duì)棉田朱砂葉螨蟲(chóng)情進(jìn)行短期預(yù)測(cè)，再使用克里格插值方法得到大范圍的預(yù)測(cè)結(jié)果?；赑ython語(yǔ)言建立耦合的預(yù)警模型，能夠?yàn)橛脩籼峁┐竺娣e的預(yù)警專題圖，同時(shí)可根據(jù)用戶輸入的棉田朱砂葉螨等級(jí)生成相應(yīng)的短期預(yù)測(cè)結(jié)果并推薦科學(xué)的防治措施。初步應(yīng)用表明，準(zhǔn)確度可達(dá)80%，系統(tǒng)具有簡(jiǎn)單實(shí)用、預(yù)測(cè)準(zhǔn)確、大眾參與等良好特性，可廣泛應(yīng)用于農(nóng)業(yè)病蟲(chóng)害預(yù)警系統(tǒng)的構(gòu)建。

關(guān)鍵詞： 棉田；朱砂葉螨；移動(dòng)地理信息系統(tǒng)；馬爾科夫鏈；空間插值；預(yù)警系統(tǒng)

中圖分類號(hào)： S127；S126 文獻(xiàn)標(biāo)志碼： A 文章編號(hào)：1002-1302（2016）03-0417-04

棉田朱砂葉螨俗稱紅蜘蛛，是棉花的三大蟲(chóng)害之一，平均每年使棉花減產(chǎn)可達(dá)10%～68%，給棉農(nóng)造成重大的經(jīng)濟(jì)損失。及時(shí)、準(zhǔn)確地掌握病蟲(chóng)害的發(fā)生發(fā)展情況非常必要[1-2]。目前，病蟲(chóng)害監(jiān)測(cè)及預(yù)警系統(tǒng)大多基于WebGIS（Web Geographic Information System）模式[3-4]，這種模式下的病蟲(chóng)害信息采集工作需野外填寫(xiě)蟲(chóng)害采集紙質(zhì)表格，在能夠連接網(wǎng)絡(luò)時(shí)通過(guò)瀏覽器登錄系統(tǒng)再提交數(shù)據(jù)，往往費(fèi)時(shí)費(fèi)力。目前，病蟲(chóng)害的GIS分析模型多用于中長(zhǎng)期預(yù)測(cè)，在短期預(yù)測(cè)方面，精確預(yù)測(cè)病蟲(chóng)害發(fā)生的地點(diǎn)及嚴(yán)重程度上還有所欠缺[5-6]。病蟲(chóng)害監(jiān)測(cè)及預(yù)測(cè)信息的發(fā)布主要通過(guò)網(wǎng)頁(yè)，而基層農(nóng)戶往往缺少計(jì)算機(jī)及網(wǎng)絡(luò)連接條件，也沒(méi)有習(xí)慣登錄某個(gè)網(wǎng)站查詢相關(guān)的信息，因此，病蟲(chóng)害測(cè)報(bào)信息鏈最后的信息發(fā)布環(huán)節(jié)是該類系統(tǒng)的瓶頸問(wèn)題。移動(dòng)GIS已廣泛應(yīng)用在野外數(shù)據(jù)采集、移動(dòng)辦公等領(lǐng)域[7-9]。目前，能夠通過(guò)移動(dòng)手機(jī)終端快速獲得病蟲(chóng)害發(fā)生位置和等級(jí)，但病蟲(chóng)害發(fā)生發(fā)展的預(yù)測(cè)仍然是該應(yīng)用領(lǐng)域的關(guān)鍵問(wèn)題。馬爾科夫鏈（Markov Chain）在病蟲(chóng)害預(yù)測(cè)領(lǐng)域已經(jīng)得到了廣泛應(yīng)用且取得了良好的效果[10-12]。克里格（Kriging）插值法可將采樣點(diǎn)的結(jié)果擴(kuò)展到整個(gè)區(qū)域[13]，適用于棉田朱砂葉螨發(fā)生與傳播存在空間相關(guān)性的特點(diǎn)。

本研究提出基于移動(dòng)GIS進(jìn)行信息采集與服務(wù)接收的方法。對(duì)采集的棉田朱砂葉螨蟲(chóng)害發(fā)生數(shù)據(jù)首先用馬爾科夫鏈對(duì)發(fā)生趨勢(shì)進(jìn)行預(yù)測(cè)，然后運(yùn)用克里格插值法進(jìn)行插值處理，得到整體區(qū)域的棉田朱砂葉螨預(yù)測(cè)結(jié)果，再按照嚴(yán)重程度的分級(jí)標(biāo)準(zhǔn)對(duì)棉田朱砂葉螨蟲(chóng)害的發(fā)生情況進(jìn)行預(yù)警。系統(tǒng)在移動(dòng)端設(shè)計(jì)了棉田朱砂葉螨防治支持功能，能夠提供快速準(zhǔn)確的預(yù)測(cè)及推薦科學(xué)的防治信息。

1 系統(tǒng)結(jié)構(gòu)設(shè)計(jì)

本系統(tǒng)對(duì)棉田朱砂葉螨蟲(chóng)害信息進(jìn)行采集、存儲(chǔ)，運(yùn)用預(yù)測(cè)模型制作病蟲(chóng)害服務(wù)發(fā)布給用戶，并且為用戶提供防治建議。系統(tǒng)分為棉田朱砂葉螨信息采集、預(yù)警服務(wù)生成以及服務(wù)發(fā)布3個(gè)子模塊。系統(tǒng)采用C/S架構(gòu)，移動(dòng)端基于Android開(kāi)發(fā)App，一方面可實(shí)現(xiàn)棉田朱砂葉螨空間信息及屬性信息的采集，并通過(guò)網(wǎng)絡(luò)傳輸至服務(wù)端，另一方面可根據(jù)用戶輸入的蟲(chóng)害特征值快速地生成防治建議。服務(wù)端負(fù)責(zé)解析移動(dòng)端傳入的蟲(chóng)害數(shù)據(jù)并存儲(chǔ)到構(gòu)建的蟲(chóng)害時(shí)空數(shù)據(jù)庫(kù)中，管理人員以蟲(chóng)害數(shù)據(jù)庫(kù)中的信息作為輸入，病蟲(chóng)害分析模型作為工具，進(jìn)行分析、處理，并得到蟲(chóng)害監(jiān)測(cè)及預(yù)測(cè)結(jié)果，最后通過(guò)ArcGIS Server以專題圖形式發(fā)布給用戶。系統(tǒng)結(jié)構(gòu)見(jiàn)圖1。

2 系統(tǒng)功能設(shè)計(jì)

系統(tǒng)功能結(jié)構(gòu)見(jiàn)圖2。主要分為蟲(chóng)害信息采集、防治措施推薦、服務(wù)發(fā)布3個(gè)模塊。用戶通過(guò)在移動(dòng)端安裝App，實(shí)現(xiàn)瀏覽棉田地圖、利用手機(jī)GPS定位及編輯蟲(chóng)害發(fā)生區(qū)域，實(shí)現(xiàn)蟲(chóng)害的空間信息及屬性信息采集，并提交到服務(wù)端的蟲(chóng)害數(shù)據(jù)庫(kù)中；通過(guò)讀取用戶輸入的蟲(chóng)害屬性信息（如紅葉株率），結(jié)合監(jiān)測(cè)及預(yù)測(cè)算法對(duì)數(shù)據(jù)進(jìn)行快速處理，以圖表形式展示病蟲(chóng)害預(yù)測(cè)結(jié)果，并根據(jù)結(jié)果提供預(yù)存在App中的防治措施，此外，還可以將系統(tǒng)生成的防治措施以短信的形式分享給其他用戶；服務(wù)發(fā)布功能處理流程為，管理員在后臺(tái)服務(wù)端連接蟲(chóng)害數(shù)據(jù)庫(kù)，運(yùn)用Python腳本語(yǔ)言編寫(xiě)的預(yù)測(cè)模型對(duì)數(shù)據(jù)進(jìn)行處理，將蟲(chóng)害發(fā)生情況按照標(biāo)準(zhǔn)生成預(yù)警服務(wù)專題圖向移動(dòng)端發(fā)布，提供在線瀏覽功能。

2.1 信息采集

ArcGIS Mobile是美國(guó)Esri公司的移動(dòng)GIS解決方案之一，可將ArcGIS 的應(yīng)用范圍擴(kuò)展到野外。本系統(tǒng)通過(guò)其提供的開(kāi)發(fā)工具包，調(diào)用相應(yīng)的API可實(shí)現(xiàn)個(gè)性化的地理空間信息采集功能。

對(duì)于位置信息，借助于ArcGIS提供的API加載棉田地圖，通過(guò)調(diào)用手機(jī)內(nèi)置的GPS模塊獲得經(jīng)緯度信息定位到當(dāng)前地點(diǎn)，農(nóng)戶根據(jù)病蟲(chóng)害發(fā)生的具體情況，在地圖上繪制幾何形狀，描述蟲(chóng)害的發(fā)生區(qū)域；對(duì)于屬性信息，主要為棉田朱砂葉螨發(fā)生的嚴(yán)重程度，用戶通過(guò)輸入特征信息，如紅葉株率，系統(tǒng)自動(dòng)判別其嚴(yán)重程度所屬等級(jí)。采集時(shí)間默認(rèn)為系統(tǒng)當(dāng)前時(shí)間，也可設(shè)置時(shí)間，方便后續(xù)補(bǔ)充數(shù)據(jù)。完成上述信息采集后，系統(tǒng)將三者封裝為JSON格式的數(shù)據(jù)，通過(guò)移動(dòng)網(wǎng)絡(luò)發(fā)送至服務(wù)端的數(shù)據(jù)服務(wù)器中并自動(dòng)錄入蟲(chóng)害數(shù)據(jù)庫(kù)[8]。

2.2 基于馬爾科夫鏈棉田朱砂葉螨發(fā)生預(yù)測(cè)

馬爾科夫鏈將時(shí)間序列數(shù)據(jù)看作是隨機(jī)變量的一個(gè)數(shù)列，具有“無(wú)后效性”的特點(diǎn)，即已知某隨機(jī)過(guò)程“當(dāng)前”的條件下，其“過(guò)去”和“將來(lái)”是獨(dú)立的。通過(guò)對(duì)事物不同狀態(tài)的初始概率和狀態(tài)之間轉(zhuǎn)移概率的研究，確定狀態(tài)變化的趨勢(shì)，從而預(yù)測(cè)事物的未來(lái)[11-12]。

農(nóng)作物病蟲(chóng)害的信息采集過(guò)程中，經(jīng)常使用定點(diǎn)采樣的方法，即在固定地點(diǎn)以相等時(shí)間間隔下連續(xù)采樣，其形成的病蟲(chóng)害時(shí)間序列數(shù)據(jù)，恰好可以運(yùn)用馬爾科夫法進(jìn)行病蟲(chóng)害發(fā)生發(fā)展情況的預(yù)測(cè)處理。

在棉田朱砂葉螨的馬爾科夫預(yù)測(cè)中，狀態(tài)可表示為他發(fā)生的不同等級(jí)，代表棉田朱砂葉螨的嚴(yán)重程度。狀態(tài)轉(zhuǎn)移概率為事件發(fā)展過(guò)程中，從某一狀態(tài)出發(fā)，下一刻轉(zhuǎn)移到其他狀態(tài)的可能性。棉田朱砂葉螨蟲(chóng)害的狀態(tài)轉(zhuǎn)移過(guò)程可對(duì)應(yīng)隨著時(shí)間推移，棉田朱砂葉螨嚴(yán)重或減弱的變化過(guò)程，即等級(jí)之間的狀態(tài)變化。每次狀態(tài)轉(zhuǎn)移只與前一時(shí)刻的狀態(tài)相關(guān)而與過(guò)去無(wú)關(guān)，即狀態(tài)轉(zhuǎn)移過(guò)程為無(wú)后效性。關(guān)鍵問(wèn)題則為計(jì)算棉田朱砂葉螨蟲(chóng)害等級(jí)的狀態(tài)轉(zhuǎn)移概率矩陣。根據(jù)條件概率的定義，由狀態(tài)Ei轉(zhuǎn)移至狀態(tài)Ej的狀態(tài)轉(zhuǎn)移概率P（Ei→Ej）就是條件概率P（Ei|Ej），即

將滿足條件式（3）的任何矩陣都稱為概率矩陣。如棉田朱砂葉螨共分5個(gè)等級(jí)，記為5種狀態(tài)，E1、E2、E3、E4、E5，由E1轉(zhuǎn)移到E2，記做P12，即為棉田朱砂葉螨蟲(chóng)害由等級(jí)1轉(zhuǎn)變?yōu)榈燃?jí)2，計(jì)算狀態(tài)轉(zhuǎn)移概率矩陣Pij，即求出每個(gè)狀態(tài)轉(zhuǎn)移到其他任何一個(gè)狀態(tài)的轉(zhuǎn)移概率Pij（i，j =1，2，…，n） 。為求出每一個(gè)Pij，可用頻率替代概率的方法實(shí)現(xiàn)，通過(guò)對(duì)歷史蟲(chóng)害信息統(tǒng)計(jì)，用狀態(tài)轉(zhuǎn)移的頻率來(lái)代替狀態(tài)轉(zhuǎn)移概率[10-11]。

2.3 棉田朱砂葉螨發(fā)生位置的空間插值方法

基于移動(dòng)GIS 的棉田朱砂葉螨信息采集方法提升了數(shù)據(jù)采集的數(shù)量并精確地定位了采樣點(diǎn)病蟲(chóng)害的發(fā)生位置，雖然基于這些采樣點(diǎn)能夠得到小范圍、小尺度的預(yù)測(cè)結(jié)果，但在實(shí)際工作中，農(nóng)作物病蟲(chóng)害防治往往需要掌握大范圍、大尺度的蟲(chóng)害發(fā)生情況。因此，我們運(yùn)用克里格插值方法將馬爾科夫鏈預(yù)測(cè)的結(jié)果進(jìn)行擴(kuò)展。

克里格插值法是空間統(tǒng)計(jì)分析方法中的重要內(nèi)容之一，是對(duì)有限區(qū)域內(nèi)的區(qū)域化變量取值進(jìn)行無(wú)偏最優(yōu)估計(jì)的一種方法?；谶@種方法不僅考慮了待測(cè)點(diǎn)與鄰近樣點(diǎn)數(shù)據(jù)的空間距離關(guān)系，還考慮了各參與預(yù)測(cè)的樣點(diǎn)間的位置關(guān)系，充分利用了各點(diǎn)數(shù)據(jù)的空間分布結(jié)構(gòu)特征，使其估計(jì)結(jié)果比傳統(tǒng)方法更精確，更符合實(shí)際，有效地避免了系統(tǒng)誤差的出現(xiàn)。

在克里格插值中，待估點(diǎn)的估計(jì)值為其周圍由n個(gè)已知的樣點(diǎn)觀測(cè)值構(gòu)成的線性組合，即：

本系統(tǒng)充分利用二者的特點(diǎn)，在小的采樣點(diǎn)范圍，運(yùn)用馬爾科夫鏈預(yù)測(cè)方法預(yù)測(cè)未來(lái)病蟲(chóng)害等級(jí)的轉(zhuǎn)移狀況，然后通過(guò)普通克里格插值，對(duì)未采集到的區(qū)域進(jìn)行插值處理，得到整個(gè)區(qū)域的病蟲(chóng)害預(yù)測(cè)分布情況。系統(tǒng)采用Esri公司推出的基于Python的腳本工具箱ArcPy，能夠執(zhí)行地理數(shù)據(jù)分析、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)管理和地圖自動(dòng)化。在計(jì)算出棉田朱砂葉螨狀態(tài)轉(zhuǎn)移矩陣的基礎(chǔ)上，采用Python語(yǔ)言，借助ArcPy編寫(xiě)耦合的預(yù)測(cè)方法腳本，實(shí)現(xiàn)基于馬爾科夫鏈預(yù)測(cè)并進(jìn)行插值，經(jīng)過(guò)處理后得出棉田朱砂葉螨預(yù)警專題圖。

3 系統(tǒng)實(shí)現(xiàn)與應(yīng)用

3.1 研究區(qū)概述

本系統(tǒng)以新疆生產(chǎn)建設(shè)兵團(tuán)第七師一二五團(tuán)為示范區(qū)，于2014年5月上旬至2014年9月上旬進(jìn)行了推廣試用。一二五團(tuán)位于新疆烏蘇縣境內(nèi)，氣候比較干燥，無(wú)霜期長(zhǎng)、降雨量少、熱量適中、日照充足。全團(tuán)總面積約4.73萬(wàn)hm2，棉花種植面積常年在0.67萬(wàn)hm2以上，是最重要的經(jīng)濟(jì)作物。棉田朱砂葉螨一直為該種植區(qū)棉花的主要蟲(chóng)害。一二五團(tuán)設(shè)有植保站，有植保員負(fù)責(zé)對(duì)病蟲(chóng)害信息進(jìn)行采樣、監(jiān)測(cè)及發(fā)布病蟲(chóng)害監(jiān)測(cè)及預(yù)測(cè)報(bào)告，積累了2004—2014年的病蟲(chóng)害數(shù)據(jù)以及氣象信息，在棉花病蟲(chóng)害防治方面已構(gòu)建了知識(shí)庫(kù)。

3.2 棉田朱砂葉螨信息采集

該模塊開(kāi)發(fā)環(huán)境為JDK 6.0+Android SDK+ArcGIS for Android+Eclipse 6.0，開(kāi)發(fā)平臺(tái)操作系統(tǒng)為Window 8，開(kāi)發(fā)語(yǔ)言為Java，移動(dòng)終端測(cè)試環(huán)境為三星Galaxy S3，系統(tǒng)為 Android 4.3。田間信息采集點(diǎn)按“Z”字形設(shè)計(jì)。每塊田查 8～10點(diǎn)，每點(diǎn)查100株，按照紅葉株率進(jìn)行分級(jí)。紅葉株率≤5%為1級(jí)，6%～10%為2級(jí)，11%～20%為3級(jí)，21%～40%為4級(jí)，>40%為5級(jí)。

具體信息采集功能實(shí)現(xiàn)見(jiàn)圖3，位置信息通過(guò)ArcGIS for Android提供的MapView類可加載矢量或者影像地圖（離線方式或在線方式）。通過(guò)調(diào)用LocationListener可實(shí)現(xiàn)讀取GPS當(dāng)前位置，并且讓地圖移動(dòng)到當(dāng)前位置，用戶可根據(jù)棉田朱砂葉螨發(fā)生情況，繪制點(diǎn)或者多邊形；屬性信息主要為棉田朱砂葉螨發(fā)生的嚴(yán)重程度，用戶可按照紅葉株率選擇對(duì)應(yīng)的棉田朱砂葉螨發(fā)生等級(jí)。通過(guò)調(diào)用Android系統(tǒng)的Calendar提供的API可讀取系統(tǒng)當(dāng)前時(shí)間，也可通過(guò)實(shí)現(xiàn)DatePickerDialog類，向用戶提供時(shí)間設(shè)定功能。當(dāng)用戶錄入所有采集的信息后，系統(tǒng)自動(dòng)將信息按照J(rèn)SON格式封裝，開(kāi)啟一個(gè)線程，通過(guò)HttpClient類，用HttpPost類將信息發(fā)送至服務(wù)端制定的Servlet地址，服務(wù)端通過(guò)JDBC（Java Data Base Connectivity）技術(shù)將信息插入到棉田朱砂葉螨時(shí)空數(shù)據(jù)庫(kù)中。

3.3 棉田朱砂葉螨預(yù)警專題圖生成

實(shí)現(xiàn)基于馬爾科夫鏈和克里格插值的耦合方法為制作預(yù)警專題圖的核心，而計(jì)算棉田朱砂葉螨等級(jí)的概率轉(zhuǎn)移矩陣是前提條件。本研究收集并整理了一二五團(tuán)2004—2014年的棉田朱砂葉螨定點(diǎn)采樣數(shù)據(jù)，對(duì)同一采樣點(diǎn)，時(shí)間間隔為5 d的棉田朱砂葉螨等級(jí)數(shù)據(jù)計(jì)入頻率矩陣（圖4-a），最終得出棉田朱砂葉螨等級(jí)概率轉(zhuǎn)移矩陣（圖4-b）。由棉田朱砂葉螨等級(jí)的概率轉(zhuǎn)移矩陣可得到，若當(dāng)前發(fā)生的等級(jí)為1級(jí)的時(shí)候，那么5 d后等級(jí)為1的概率為0.79，遠(yuǎn)遠(yuǎn)高于矩陣中的其他值，一方面是因?yàn)樵趯?shí)際計(jì)算中，一般默認(rèn)棉田朱砂葉螨發(fā)生等級(jí)為1，另一方面，在棉田朱砂葉螨發(fā)生初期，有個(gè)緩慢的增長(zhǎng)過(guò)程；等級(jí)為2～4時(shí)未來(lái)將會(huì)向嚴(yán)重一級(jí)發(fā)展，等級(jí)為5時(shí)則基本會(huì)保持在該程度。

在計(jì)算出采樣點(diǎn)未來(lái)5 d棉田朱砂葉螨發(fā)生情況的基礎(chǔ)上，為了對(duì)整個(gè)種植區(qū)域進(jìn)行預(yù)測(cè)，如前所述，使用克里格插值方法來(lái)實(shí)現(xiàn)。本系統(tǒng)運(yùn)用Esri公司提供的Python工具箱ArcPy，調(diào)用克里格插值A(chǔ)PI實(shí)現(xiàn)棉田朱砂葉螨的空間插值，用Python語(yǔ)言編寫(xiě)馬爾科夫鏈和克里格插值的耦合腳本。核心代碼示例如下：

import arcpy

>>> fc=“xpcc/cotton.gdb/spider/20140715.shp”

>>> f1=“等級(jí)”

>>> f2=“mar”

>>> cursor=arcpy.UpdateCursor（fc）

>>> row = cursor.next（）

>>> while row：

... x = row.getValue（f1）

... if x == 1：

... row.setValue（f2，1）

... cursor.updateRow（row）

... elif x == 2：

... row.setValue（f2，3）

... cursor.updateRow（row）

... elif x == 3：

... row.setValue（f2，4）

... cursor.updateRow（row）

... elif x == 4：

... row.setValue（f2，5）

... cursor.updateRow（row）

... elif x == 5：

... row.setValue（f2，5）

... cursor.updateRow（row）

... row = cursor.next（）

... oking = KrigingModelOrdinary（“CIRCULAR”，70000，250000，180000，34000）

... outking = Kriging（“20140715.shp “，”等級(jí)“，oking，200，RadiusVariable（），”“）

...outking.save（”xpcc/cotton.gdb/prewarning/spider/20140715.shp“）

本系統(tǒng)參照棉田朱砂葉螨蟲(chóng)害分級(jí)標(biāo)準(zhǔn)，將預(yù)警結(jié)果劃分為5級(jí)，分別為白色、綠色、黃色、橙色、紅色預(yù)警。白色代表棉田朱砂葉螨尚未發(fā)生或發(fā)生比較輕微；綠色預(yù)警為棉田朱砂葉螨已經(jīng)有生長(zhǎng)擴(kuò)散的趨勢(shì)，需要重點(diǎn)關(guān)注；黃色預(yù)警為棉田朱砂葉螨發(fā)生比較嚴(yán)重，需要進(jìn)行藥物防治；橙色和紅色預(yù)警表示非常嚴(yán)重，已經(jīng)造成災(zāi)情，必須進(jìn)行藥物防治。圖5-a為某一天的棉田朱砂葉螨監(jiān)測(cè)信息，圖5-b為其5 d后的預(yù)警專題圖， 實(shí)際應(yīng)用中，等級(jí)誤差為1級(jí)可算作有效，該條件下預(yù)測(cè)精度達(dá)到80%。

3.4 棉田朱砂葉螨防治建議生成

棉田朱砂葉螨預(yù)警專題圖可在大尺度下反映棉田朱砂葉螨等級(jí)的整體狀況，但往往需要一定的時(shí)間且空間插值難免出現(xiàn)誤差。棉田朱砂葉螨防治措施推薦模塊為用戶提供了防治措施及建議，該模塊是馬爾科夫鏈預(yù)測(cè)在移動(dòng)端應(yīng)用的一個(gè)延伸。棉田朱砂葉螨的分級(jí)臨界點(diǎn)、等級(jí)概率轉(zhuǎn)移矩陣、防治知識(shí)存儲(chǔ)于SQLite數(shù)據(jù)庫(kù)中。軟件開(kāi)發(fā)過(guò)程中建立數(shù)據(jù)操作層實(shí)現(xiàn)具體的數(shù)據(jù)讀取操作，使用業(yè)務(wù)邏輯層調(diào)用數(shù)據(jù)操作層并增加輸入判別等條件實(shí)現(xiàn)業(yè)務(wù)邏輯操作，在Android中的Activity類中實(shí)現(xiàn)對(duì)頁(yè)面輸入的讀取。創(chuàng)建控制層，當(dāng)用戶輸入棉田朱砂葉螨紅葉株率并點(diǎn)擊確定按鈕時(shí)，控制層讀取輸入的數(shù)據(jù)當(dāng)做參數(shù)，調(diào)用業(yè)務(wù)邏輯層的劃分病蟲(chóng)害等級(jí)業(yè)務(wù)進(jìn)行處理，通過(guò)數(shù)據(jù)操作層讀取病蟲(chóng)害防治知識(shí)，并將其顯示到界面中。

當(dāng)用戶點(diǎn)擊預(yù)測(cè)按鈕時(shí)，控制層將劃分的病蟲(chóng)害等級(jí)當(dāng)做參數(shù)，通過(guò)業(yè)務(wù)邏輯層調(diào)用數(shù)據(jù)層的棉田朱砂葉螨等級(jí)概率轉(zhuǎn)移矩陣，讀取5 d后每個(gè)等級(jí)發(fā)生的概率，并開(kāi)啟新的界面繪制柱狀圖，同時(shí)提供未來(lái)5 d的棉田朱砂葉螨防治措施。系統(tǒng)可將預(yù)測(cè)的信息存入SQLite數(shù)據(jù)庫(kù)中，方便后續(xù)查看。點(diǎn)擊發(fā)送即可將防治建議、時(shí)間、條田名稱等信息以短信的形式發(fā)送給其他人，方便信息傳播，棉田朱砂葉螨防治服務(wù)查看界面見(jiàn)圖6。

3.5 系統(tǒng)測(cè)試

信息采集方面，地圖的加載、屬性選擇、棉田朱砂葉螨發(fā)生區(qū)域編輯、發(fā)送可在3～5 s時(shí)間完成，實(shí)現(xiàn)了蟲(chóng)害信息的實(shí)時(shí)采集，并且耗費(fèi)的網(wǎng)絡(luò)流量十分有限。棉田朱砂葉螨預(yù)測(cè)專題圖方面，管理員只需執(zhí)行寫(xiě)好的Python腳本即可輕松實(shí)現(xiàn)數(shù)據(jù)處理，再經(jīng)過(guò)渲染等處理生成棉田朱砂葉螨預(yù)警專題圖并將其發(fā)布到ArcGIS Server中，用戶在移動(dòng)端即可瀏覽預(yù)警信息，并根據(jù)GPS定位到當(dāng)前位置。棉田朱砂葉螨防治措施生成方面，界面交互友好，處理迅速，可快速生成棉田朱砂葉螨防治建議及未來(lái)5 d各個(gè)等級(jí)發(fā)生概率及防治建議，在實(shí)際應(yīng)用中，準(zhǔn)確度可達(dá)80%以上。

4 結(jié)論與討論

系統(tǒng)采用移動(dòng)GIS模式使棉田朱砂葉螨信息采集點(diǎn)及預(yù)測(cè)樣本大為增多，使用馬爾科夫鏈的棉田朱砂葉螨預(yù)警方法可為用戶提供準(zhǔn)確度可達(dá)80%的預(yù)警服務(wù)。運(yùn)用克里格插值則將預(yù)警服務(wù)擴(kuò)展至大范圍，得到大尺度的預(yù)警信息，用戶可在第一時(shí)間通過(guò)手機(jī)瀏覽預(yù)警專題圖服務(wù)。

棉田朱砂葉螨的發(fā)生發(fā)展與氣象因素存在很大的相關(guān)性，下一步擬結(jié)合氣象信息，運(yùn)用隱馬爾科夫鏈等方法，提供更準(zhǔn)確的預(yù)測(cè)服務(wù)。此外在預(yù)警信息發(fā)布方面應(yīng)更加具有針對(duì)性，如農(nóng)戶在某個(gè)區(qū)域上傳棉田朱砂葉螨蟲(chóng)害信息，可默認(rèn)該區(qū)域?yàn)樵撧r(nóng)戶的興趣點(diǎn)，若隨后的預(yù)警分析得出該區(qū)域?yàn)槌壬蚣t色預(yù)警則自動(dòng)向該農(nóng)戶推送預(yù)警結(jié)果。

參考文獻(xiàn)：

[1]曹 煥. 棉田朱砂葉螨發(fā)生規(guī)律及綜合防治技術(shù)[J]. 農(nóng)村科技，2014（12）：45-45，46.

[2]楊 軍. 滴灌棉田棉葉螨的發(fā)生與綜合防治[J]. 現(xiàn)代農(nóng)業(yè)科技，2011（24）：192，194.

[3]楊澤平，劉德強(qiáng)，王 茜，等. 基于地理信息系統(tǒng)技術(shù)的數(shù)據(jù)采集與監(jiān)視控制系統(tǒng)設(shè)計(jì)[J]. 計(jì)算機(jī)應(yīng)用，2013，33（2）：567-570，574.

[4]Petros T D，Matilda S S. Development and statistical evaluation ofmodels in forecasting moth phenology of major lepidopterous peachpest complex for Integrated Pest Management programs[J]. Crop Protection，2010，29（10）：1190-1199.

[5]Wang N H，Li D，Pan H. Information service platform of forest pest forecast based on WebGIS[J]. Journal of Forestry Research，2009，20（3）：275-278.

[6]張競(jìng)成，袁 琳，王紀(jì)華，等. 作物病蟲(chóng)害遙感監(jiān)測(cè)研究進(jìn)展[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2012，28（20）：1-11.

[7]郭 琳，王 飛，張 寅，等. 農(nóng)作物遙感監(jiān)測(cè)業(yè)務(wù)管理系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2013，29（3）：132-138.

[8]陳桂鵬，嚴(yán)志雁，瞿華香，等. 基于Android手機(jī)的農(nóng)業(yè)環(huán)境信息采集系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)[J]. 廣東農(nóng)業(yè)科學(xué)，2014，41（13）：178-181，219.

[9]趙慶展，靳光才，周文杰，等. 基于移動(dòng)GIS的棉田病蟲(chóng)害信息采集系統(tǒng)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2015，31（4）：183-190.

[10]張 碩，羅阿理. 基于Android平臺(tái)的天文觀測(cè)信息集成系統(tǒng)[J]. 計(jì)算機(jī)應(yīng)用，2014，34（增刊2）：339-343.

[11]占衛(wèi)國(guó). 基于馬爾科夫模型的鄂東南水稻病蟲(chóng)害預(yù)測(cè)方法研究[J]. 安徽農(nóng)業(yè)科學(xué)，2012，40（6）：3343-3344，3731.

[12]劉映寧，王景紅，李艷莉，等. 運(yùn)用馬爾科夫鏈方法預(yù)測(cè)陜西蘋(píng)果花期凍害年型[J]. 干旱地區(qū)農(nóng)業(yè)研究，2011，29（2）：272-275，280.

[13]Luo S Z，Wang C. Forest pests and diseases forecasting based on GIS[J]. Advanced Materials Research，2011，250（5）：2945-2948.

[14]劉 剛，趙 榮，劉紀(jì)平，等. 瀾滄江流域降水量空間分布的克里格插值分析[J]. 測(cè)繪科學(xué)，2007，32（3）：104-105，113.