基于移動GIS的棉蚜蟲害熱點發(fā)生區(qū)域監(jiān)測系統(tǒng)

周文杰+趙慶展+靳光才+許金霞+張清+張鴻靜

摘要：為快速準確實現(xiàn)棉蚜蟲害熱點發(fā)生區(qū)域監(jiān)測，系統(tǒng)采用移動GIS技術加載新疆生產建設兵團第七師一二五團研究區(qū)基礎地理數據矢量圖，對棉蚜發(fā)生的點區(qū)域或面區(qū)域進行采樣，采用反距離插值方法獲取棉蚜蟲害發(fā)生等級柵格圖，然后對柵格數據進行裁剪、重分類、矢量化和空間鏈接處理獲取每個條田塊的棉蚜蟲害發(fā)生等級，在此基礎上計算每個條田塊Getis-Ord Gi*統(tǒng)計量，獲取每個條田塊的GizScore，當該值為正且數值越大時，則表示該條田塊為棉蚜蟲害發(fā)生的熱點區(qū)域，棉蚜蟲害暴發(fā)的可能性越大。研究區(qū)初步應用結果表明，用戶可利用手機APP實時掌握棉蚜蟲害的發(fā)生等級，全面了解棉蚜蟲害發(fā)生的熱點區(qū)域，具有操作簡便、高效便捷、實時性強等特點。

關鍵詞：移動GIS；棉蚜蟲害；熱點區(qū)域；監(jiān)測系統(tǒng)

中圖分類號： S127；S435.622+.1

文獻標志碼： A

文章編號：1002-1302（2016）04-0366-05

棉花是新疆最主要的經濟作物，2010年新疆棉花產量約占全國總產量的42%[1]，棉花“三蟲”即棉鈴蟲、棉蚜、棉葉螨、“兩病”即黃萎病、枯萎病是危害最為嚴重和分布較廣的病蟲害，平均每年造成產量損失約15%～20%[2-3]，成為新疆和兵團棉花可持續(xù)發(fā)展的主要障礙。

棉蚜具有寄主廣、代數多、數量大、耐藥性強的特點[4-6]，一旦大規(guī)模暴發(fā)，將嚴重影響棉花的產量。棉蚜蟲害的監(jiān)測方式有田間調查、傳感器網絡監(jiān)測、遙感監(jiān)測。目前，已有研究學者對其進行了大量研究，周海波等對小麥蚜蟲的田間調查、監(jiān)測技術及防治策略進行研究[7]；陸明星等研究了水稻鉆蛀性螟蟲的田間調查和測報技術[8]；齊建東等提出一種新穎的、基于無線多媒體傳感器網絡的森林病蟲害監(jiān)測預警系統(tǒng)的解決方案[9]；馬菁等對寧夏回族自治區(qū)中寧縣規(guī)模化枸杞種植區(qū)，通過遙感近地高光譜技術，利用光譜儀技術對盛果期的健康枸杞冠層和感染了木虱、癭螨、負泥蟲、白粉病的染病枸杞冠層進行光譜特征測定[10]；許章華等以寄主葉面積指數構建馬尾松毛蟲的遙感反演模型[11]；衛(wèi)黎光等將地面實測冠層高光譜數據模擬為TM多光譜數據，從而分析衛(wèi)星傳感器多光譜波段對病害的影響情況，并構建多光譜指數（PMSI）估測白粉病嚴重程度[12]。傳統(tǒng)的病蟲害監(jiān)測方式雖然在理論上可行，但在實際應用過程中，田間調查方式采集工作效率低、易出錯且數據管理工作量大、維護困難，難以適應棉蚜蟲害時空變異性強的特征[13]；無線傳感器網絡監(jiān)測棉蚜信息成本高、系統(tǒng)維護較為復雜[14]；遙感技術在大面積蟲害監(jiān)測過程中具有獨特作用，但其數據源受過境時間的影響在時間上相對滯后，對棉蚜的監(jiān)測一般在災中、災后進行，地面驗證依然是提高遙感監(jiān)測精度的必要手段[15-17]。

在棉蚜蟲害發(fā)展的過程中，由于采集環(huán)境以及樣點空間分布的復雜性，傳統(tǒng)的調查方式無法有效地輔助調查人員前往采樣點并提高蟲情信息采集與發(fā)布效率。移動GIS的發(fā)展為解決上述問題提供了有效的方法。本研究針對棉蚜蟲害數據采集工作效率低下、空間分析復雜度較高以及預警信息傳播的滯后性等問題，在研究棉蚜蟲情發(fā)展的基礎上，利用移動GIS技術實現(xiàn)棉蚜蟲害的數據采集，分析棉蚜蟲害的空間分布，研究棉蚜暴發(fā)的熱點區(qū)域，推算棉蚜的空間聚集性，最終將專題圖進行發(fā)布，用戶可在手機上進行查看，此方式在棉蚜蟲害信息采集的樣本點的選擇上具有隨機性，在棉蚜蟲害空間分布的監(jiān)測上具有實時性。

1 系統(tǒng)總體設計

1.1 需求分析

系統(tǒng)研究區(qū)域是新疆生產建設兵團第七師一二五團。棉蚜蟲害熱點發(fā)生區(qū)域監(jiān)測系統(tǒng)是在采樣條田的棉蚜發(fā)生等級基礎上，對其進行空間分析，進而在較大空間尺度上對棉蚜蟲害進行監(jiān)測，同時找出棉蚜蟲害發(fā)生的熱點區(qū)域。采樣條田的棉蚜發(fā)生等級通過移動GIS進行采集[18]，系統(tǒng)開發(fā)著重解決如下幾個核心需求：如何獲取未采集條田的棉蚜蟲害發(fā)生等級；如何獲取棉蚜蟲害暴發(fā)的熱點區(qū)域；如何將空間分析專題圖進行發(fā)布。

目前，移動GIS技術可實現(xiàn)地圖顯示、空間分析、地圖服務生成等一系列功能。如ESRI提供了移動GIS開發(fā)工具包，ArcGIS Runtime SDK for IOS提供了大量的API，結合XCode開發(fā)工具，可以在IOS平臺以地圖服務的形式通過網絡向用戶顯示棉蚜蟲害發(fā)生等級的專題圖。在服務端，借助ArcGIS Desktop鏈接Oracle棉蚜蟲害時空數據庫并加載已采集條田的棉蚜蟲害發(fā)生等級，通過空間插值技術獲取未采集條田的棉蚜發(fā)生等級，最終通過ArcGIS Server發(fā)布棉蚜蟲害發(fā)生等級專題圖，為IOS客戶端調用該地圖服務提供支持。

空間插值分析結果為柵格數據，該數據從較大的空間尺度描述了棉蚜蟲害發(fā)生的空間分布。在柵格數據的基礎上，對其進行重分類、矢量化處理，最終通過空間位置鏈接技術映射每個條田的棉蚜發(fā)生等級。

在空間插值分析的基礎上，利用Getis-Ord Gi*統(tǒng)計量計算每個條田塊在統(tǒng)計意義上的顯著性聚集或離散模式，聚集性高的條田塊則為棉蚜暴發(fā)的熱點區(qū)域。

1.2 體系結構及功能設計

系統(tǒng)分為客戶端和服務端2個部分，采用C/S架構，客戶端和服務端的通信采用2G/3G/4G/Wi-Fi技術。本系統(tǒng)的體系結構主要包括3個部分，即表現(xiàn)層、邏輯層、數據層。表現(xiàn)層主要提供用戶訪問的接口；邏輯層主要處理空間分析、客戶端服務端通信、數據庫訪問等問題；數據層主要存儲用戶信息、棉蚜蟲害發(fā)生等級現(xiàn)勢數據等，系統(tǒng)體系結構見圖1。

系統(tǒng)功能設計采用面向對象的設計方法。客戶端主要包括注冊登錄模塊、專題圖顯示模塊、定位顯示模塊；服務端主要包括空間分析模塊（包括空間插值分析、重分類、柵格數據轉矢量、空間位置鏈接分析、熱點分析）、數據存取模塊、數據通信模塊等。

定位顯示模塊主要調用手機的GPS模塊，獲取用戶的當前位置，并在地圖上進行顯示。當用戶訪問地圖時，系統(tǒng)調用該模塊。專題圖顯示模塊的主要功能是通過專題圖的方式向用戶展示棉蚜發(fā)生等級的空間分布。用戶訪問該模塊時，系統(tǒng)首先調用定位顯示模塊，直接將用戶的位置在地圖上顯示出來，進而可以查看當前位置的棉蚜發(fā)生等級分布情況。

數據存取模塊是提供數據庫訪問的接口，為各個模塊操作數據庫提供支持。數據通信模塊實現(xiàn)了應用程序向服務器發(fā)送請求的http協(xié)議接口，為氣象獲取模塊提供支持?？臻g分析模塊的實現(xiàn)需要借助ArcGIS Desktop，利用其提供的各種工具實現(xiàn)空間分析。服務端系統(tǒng)運行流程見圖2。

2 系統(tǒng)核心功能實現(xiàn)

2.1 反距離插值分析

由于研究區(qū)采樣條田在棉蚜蟲害發(fā)生等級等方面具有代表性，因此系統(tǒng)考慮采用反距離插值方法進行分析。在反距離的插值過程中，與插值點距離最近的若干個已知樣本點對內插點值的貢獻最大，其貢獻大小與距離成反比。其數據理論是加權平均，即將已知樣本點各數值乘以相應的單位數（權數），然后求和得總體值，再除以單位數之和。假設xi為已知樣本點，yi為已知樣本點對應的權數，y為加權算術平均數（即預測值或內插值），則加權算術平均數的計算公式為：

在具體操作過程中，對采集的條田（條田在矢量圖上顯示為多邊形）需要進行多邊形轉點處理，該操作可由ArcGIS Desktop的工具Feature To Point完成。完成多邊形轉點之后，可對點進行空間反距離插值。因為空間插值的結果為非整數，因此需要對插值后的柵格進行重分類處理，使得棉蚜發(fā)生等級為整數等級，最后進行剪裁。為了實現(xiàn)對每個條田進行等級處理，需要對柵格圖進行矢量化處理，最后進行空間位置鏈接，在條田尺度上獲取棉蚜發(fā)生等級。

2.2 熱點分析

通過對棉蚜蟲害進行熱點分析，可以得知棉蚜蟲害暴發(fā)的熱點區(qū)域，在棉蚜蟲害的預警方面具有重要意義。熱點分析主要是對棉蚜蟲害數據集的每一個條田塊計算Getis-Ord Gi*統(tǒng)計。通過計算z得分和P值，可以知道高值或低值條田塊在空間發(fā)生聚類的位置，其工作方式為查看臨近條田塊的棉蚜發(fā)生等級。棉蚜發(fā)生等級較高的條田塊往往容易引起注意，但可能不是具有顯著統(tǒng)計學意義的熱點。棉蚜蟲害發(fā)生等級較高的條田塊要成為具有顯著統(tǒng)計意義的熱點，該條田塊應該具有高發(fā)生等級，且被其他同樣具有高等級的條田塊所包圍。某個條田塊及其相鄰的條田塊的局部總和將于所有的條田塊的棉蚜發(fā)生登記相比較；當局部總和與所預期的局部總和有很大差異，以致于無法成為隨機產生的結果時，會產生一個具有顯著統(tǒng)計學意義的z得分。為數據集中的每個條田塊返回的G*i統(tǒng)計就是z得分。對于具有統(tǒng)計學意義的z得分而言，z得分越高，高值熱點的聚類就越緊密，其理論流程以及z得分置信度如圖3所示。

ArcGIS Desktop對熱點分析提供了很好的支持，借助其模型構建器（model builder）可以以流程化的方式對熱點分析的有關計算進行運算，ArcGIS Desktop對熱點分析進行建模的主要分析工具為Hot Spot Analysis With Rendering，該工具需要選擇對進行熱點分析的空間矢量數據文件進行選取，同時指定分析的數據屬性。建模過程如圖4所示。

2.3 系統(tǒng)運行實例

系統(tǒng)在2015年新疆生產建設兵團一二五團進行試驗研究，選擇該團10個生產單位，每個生產單位10塊條田，單次數據采集強度100條，采集周期為5 d。以單次采集的數據為樣點，對該數據進行反距離插值分析和熱點分析，并將其對應專題圖進行發(fā)布，試驗結果分別見圖5、圖6。

3 結語

本系統(tǒng)的試驗數據是新疆生產兵團第七師一二五團的植保人員在2015年采集的，系統(tǒng)運行結果符合實際情況。農技人員可使用智能終端APP對棉蚜蟲害的發(fā)生等級進行采集，采集結果通過網絡傳輸至數據庫，服務端經過處理后，可將棉蚜蟲害的空間分布以及熱點發(fā)生區(qū)域以專題圖的形式進行對外發(fā)布，用戶可在APP上直接訪問該專題圖，進而實時掌握

棉蚜蟲害的發(fā)生趨勢。從應用情況來看，更加精確的植棉區(qū)分布數據對棉蚜蟲害熱點區(qū)域的分析具有提升作用。在系統(tǒng)運行方面，棉蚜專題圖的生成雖然在一定程度上實現(xiàn)了自動化，但在實現(xiàn)全過程自動化方面仍然有一段距離，為系統(tǒng)添加預警模塊并向用戶推送是完善系統(tǒng)的一個重要方向。

參考文獻：

[1]楊忠娜，唐繼軍，喻曉玲. 新疆棉花產業(yè)對國民經濟的影響及對策研究[J]. 農業(yè)現(xiàn)代化研究，2013，3（3）：298-302.

[2]Naranjo S E. Impacts of Bt transgenic cotton on integrated pest management[J]. Journal of Agricultural and Food Chemistry，2011，59（11）：5842-5851.

[3]趙冰梅，張祥林，徐志超. 新疆兵團棉田化學農藥減量使用對策初探[J]. 中國棉花，2011，38（1）：42-44.

[4]鄒先偉，蔣志勝. 棉蚜抗藥性及其抗性治理對策的研究[J]. 農藥，2004，43（7）：294-297，326.

[5]劉向東，翟保平，梁圣愛，等. 棉蚜遷飛型和居留型及其雜交后代飛行特性的比較研究[J]. 昆蟲學報，2006，49（4）：619-624.

[6]張克斌，劉惠霞，王玲莉. 棉蚜年生活周期及其與寄主營養(yǎng)的關系[J]. 西北農林科技大學學報：自然科學版，1987，4（4）：15-21.

[7]周海波，程登發(fā)，陳巨蓮. 小麥蚜蟲田間調查及監(jiān)測技術[J]. 應用昆蟲學報，2014，3（3）：853-858.

[8]陸明星，陸自強，杜予州. 水稻鉆蛀性螟蟲田間調查及測報技術[J]. 應用昆蟲學報，2014，4（4）：1125-1129.

[9]齊建東，蔣 禧，趙燕東. 基于無線多媒體傳感器網絡的森林病蟲害監(jiān)測系統(tǒng)[J]. 北京林業(yè)大學學報，2010，32（4）：186-190.

[10]馬 菁，張學儉. 枸杞病蟲害遙感近地高光譜特征研究[J]. 廣東農業(yè)科學，2015，42（13）：165-172.

[11]許章華，劉 健，龔從宏，等. 馬尾松毛蟲寄主有效葉面積指數遙感反演模型研究[J]. 中南林業(yè)科技大學學報，2012，32（10）：72-78.

[12]衛(wèi)黎光，蔣金豹，楊貴軍，等. 模擬多光譜衛(wèi)星傳感器數據的冬小麥白粉病遙感監(jiān)測[J]. 麥類作物學報，2014，34（12）：1699-1705.

[13]張競成，袁 琳，王紀華，等. 作物病蟲害遙感監(jiān)測研究進展[J]. 農業(yè)工程學報，2012（20）：1-11.

[14]鄭文超. 基于ZigBee的東北森林病蟲害監(jiān)測技術研究[J]. 安徽農業(yè)科學，2014（13）：4108-4109.

[15]史 舟，梁宗正，楊媛媛，等. 農業(yè)遙感研究現(xiàn)狀與展望[J]. 農業(yè)機械學報，2015，46（2）：247-260.

[16]張喜旺，劉劍鋒，秦 奮，等. 作物類型遙感識別研究進展[J]. 中國農學通報，2014（33）：278-285.

[17]羅菊花，黃文江，韋朝領，等. 基于GIS的農作物病蟲害預警系統(tǒng)的初步建立[J]. 農業(yè)工程學報，2008，24（12）：127-131.

[18]趙慶展，靳光才，周文杰，等. 基于移動GIS的棉田病蟲害信息采集系統(tǒng)[J]. 農業(yè)工程學報，2015，4（4）：183-190.

[19]杜久升，陳宜金，侯 爭. 針對Kriging插值結果的空間查詢方法[J]. 計算機應用，2013，33（3）：871-873，895.

[20]彭楠峰，莫建文，韓傳久. 基于空間數據插值算法的空間散亂數據體繪制實現(xiàn)[J]. 計算機應用，2008，28（7）：1759-1760，1768.孫健峰，楊 洲，張慶茂，等. 果園電動修剪刀片摩擦磨損性能研究[J]. 江蘇農業(yè)科學，2016，44（4）：371-373.