周文杰+趙慶展+靳光才+許金霞+張清+張鴻靜

摘要：為快速準(zhǔn)確實(shí)現(xiàn)棉蚜蟲害熱點(diǎn)發(fā)生區(qū)域監(jiān)測(cè)，系統(tǒng)采用移動(dòng)GIS技術(shù)加載新疆生產(chǎn)建設(shè)兵團(tuán)第七師一二五團(tuán)研究區(qū)基礎(chǔ)地理數(shù)據(jù)矢量圖，對(duì)棉蚜發(fā)生的點(diǎn)區(qū)域或面區(qū)域進(jìn)行采樣，采用反距離插值方法獲取棉蚜蟲害發(fā)生等級(jí)柵格圖，然后對(duì)柵格數(shù)據(jù)進(jìn)行裁剪、重分類、矢量化和空間鏈接處理獲取每個(gè)條田塊的棉蚜蟲害發(fā)生等級(jí)，在此基礎(chǔ)上計(jì)算每個(gè)條田塊Getis-Ord Gi*統(tǒng)計(jì)量，獲取每個(gè)條田塊的GizScore，當(dāng)該值為正且數(shù)值越大時(shí)，則表示該條田塊為棉蚜蟲害發(fā)生的熱點(diǎn)區(qū)域，棉蚜蟲害暴發(fā)的可能性越大。研究區(qū)初步應(yīng)用結(jié)果表明，用戶可利用手機(jī)APP實(shí)時(shí)掌握棉蚜蟲害的發(fā)生等級(jí)，全面了解棉蚜蟲害發(fā)生的熱點(diǎn)區(qū)域，具有操作簡(jiǎn)便、高效便捷、實(shí)時(shí)性強(qiáng)等特點(diǎn)。

關(guān)鍵詞：移動(dòng)GIS；棉蚜蟲害；熱點(diǎn)區(qū)域；監(jiān)測(cè)系統(tǒng)

中圖分類號(hào)： S127；S435.622+.1

文獻(xiàn)標(biāo)志碼： A

文章編號(hào)：1002-1302（2016）04-0366-05

棉花是新疆最主要的經(jīng)濟(jì)作物，2010年新疆棉花產(chǎn)量約占全國(guó)總產(chǎn)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(yán)重和分布較廣的病蟲害，平均每年造成產(chǎn)量損失約15%～20%[2-3]，成為新疆和兵團(tuán)棉花可持續(xù)發(fā)展的主要障礙。

棉蚜具有寄主廣、代數(shù)多、數(shù)量大、耐藥性強(qiáng)的特點(diǎn)[4-6]，一旦大規(guī)模暴發(fā)，將嚴(yán)重影響棉花的產(chǎn)量。棉蚜蟲害的監(jiān)測(cè)方式有田間調(diào)查、傳感器網(wǎng)絡(luò)監(jiān)測(cè)、遙感監(jiān)測(cè)。目前，已有研究學(xué)者對(duì)其進(jìn)行了大量研究，周海波等對(duì)小麥蚜蟲的田間調(diào)查、監(jiān)測(cè)技術(shù)及防治策略進(jìn)行研究[7]；陸明星等研究了水稻鉆蛀性螟蟲的田間調(diào)查和測(cè)報(bào)技術(shù)[8]；齊建東等提出一種新穎的、基于無(wú)線多媒體傳感器網(wǎng)絡(luò)的森林病蟲害監(jiān)測(cè)預(yù)警系統(tǒng)的解決方案[9]；馬菁等對(duì)寧夏回族自治區(qū)中寧縣規(guī)?；坭椒N植區(qū)，通過(guò)遙感近地高光譜技術(shù)，利用光譜儀技術(shù)對(duì)盛果期的健康枸杞冠層和感染了木虱、癭螨、負(fù)泥蟲、白粉病的染病枸杞冠層進(jìn)行光譜特征測(cè)定[10]；許章華等以寄主葉面積指數(shù)構(gòu)建馬尾松毛蟲的遙感反演模型[11]；衛(wèi)黎光等將地面實(shí)測(cè)冠層高光譜數(shù)據(jù)模擬為TM多光譜數(shù)據(jù)，從而分析衛(wèi)星傳感器多光譜波段對(duì)病害的影響情況，并構(gòu)建多光譜指數(shù)（PMSI）估測(cè)白粉病嚴(yán)重程度[12]。傳統(tǒng)的病蟲害監(jiān)測(cè)方式雖然在理論上可行，但在實(shí)際應(yīng)用過(guò)程中，田間調(diào)查方式采集工作效率低、易出錯(cuò)且數(shù)據(jù)管理工作量大、維護(hù)困難，難以適應(yīng)棉蚜蟲害時(shí)空變異性強(qiáng)的特征[13]；無(wú)線傳感器網(wǎng)絡(luò)監(jiān)測(cè)棉蚜信息成本高、系統(tǒng)維護(hù)較為復(fù)雜[14]；遙感技術(shù)在大面積蟲害監(jiān)測(cè)過(guò)程中具有獨(dú)特作用，但其數(shù)據(jù)源受過(guò)境時(shí)間的影響在時(shí)間上相對(duì)滯后，對(duì)棉蚜的監(jiān)測(cè)一般在災(zāi)中、災(zāi)后進(jìn)行，地面驗(yàn)證依然是提高遙感監(jiān)測(cè)精度的必要手段[15-17]。

在棉蚜蟲害發(fā)展的過(guò)程中，由于采集環(huán)境以及樣點(diǎn)空間分布的復(fù)雜性，傳統(tǒng)的調(diào)查方式無(wú)法有效地輔助調(diào)查人員前往采樣點(diǎn)并提高蟲情信息采集與發(fā)布效率。移動(dòng)GIS的發(fā)展為解決上述問(wèn)題提供了有效的方法。本研究針對(duì)棉蚜蟲害數(shù)據(jù)采集工作效率低下、空間分析復(fù)雜度較高以及預(yù)警信息傳播的滯后性等問(wèn)題，在研究棉蚜蟲情發(fā)展的基礎(chǔ)上，利用移動(dòng)GIS技術(shù)實(shí)現(xiàn)棉蚜蟲害的數(shù)據(jù)采集，分析棉蚜蟲害的空間分布，研究棉蚜暴發(fā)的熱點(diǎn)區(qū)域，推算棉蚜的空間聚集性，最終將專題圖進(jìn)行發(fā)布，用戶可在手機(jī)上進(jìn)行查看，此方式在棉蚜蟲害信息采集的樣本點(diǎn)的選擇上具有隨機(jī)性，在棉蚜蟲害空間分布的監(jiān)測(cè)上具有實(shí)時(shí)性。

1 系統(tǒng)總體設(shè)計(jì)

1.1 需求分析

系統(tǒng)研究區(qū)域是新疆生產(chǎn)建設(shè)兵團(tuán)第七師一二五團(tuán)。棉蚜蟲害熱點(diǎn)發(fā)生區(qū)域監(jiān)測(cè)系統(tǒng)是在采樣條田的棉蚜發(fā)生等級(jí)基礎(chǔ)上，對(duì)其進(jìn)行空間分析，進(jìn)而在較大空間尺度上對(duì)棉蚜蟲害進(jìn)行監(jiān)測(cè)，同時(shí)找出棉蚜蟲害發(fā)生的熱點(diǎn)區(qū)域。采樣條田的棉蚜發(fā)生等級(jí)通過(guò)移動(dòng)GIS進(jìn)行采集[18]，系統(tǒng)開發(fā)著重解決如下幾個(gè)核心需求：如何獲取未采集條田的棉蚜蟲害發(fā)生等級(jí)；如何獲取棉蚜蟲害暴發(fā)的熱點(diǎn)區(qū)域；如何將空間分析專題圖進(jìn)行發(fā)布。

目前，移動(dòng)GIS技術(shù)可實(shí)現(xiàn)地圖顯示、空間分析、地圖服務(wù)生成等一系列功能。如ESRI提供了移動(dòng)GIS開發(fā)工具包，ArcGIS Runtime SDK for IOS提供了大量的API，結(jié)合XCode開發(fā)工具，可以在IOS平臺(tái)以地圖服務(wù)的形式通過(guò)網(wǎng)絡(luò)向用戶顯示棉蚜蟲害發(fā)生等級(jí)的專題圖。在服務(wù)端，借助ArcGIS Desktop鏈接Oracle棉蚜蟲害時(shí)空數(shù)據(jù)庫(kù)并加載已采集條田的棉蚜蟲害發(fā)生等級(jí)，通過(guò)空間插值技術(shù)獲取未采集條田的棉蚜發(fā)生等級(jí)，最終通過(guò)ArcGIS Server發(fā)布棉蚜蟲害發(fā)生等級(jí)專題圖，為IOS客戶端調(diào)用該地圖服務(wù)提供支持。

空間插值分析結(jié)果為柵格數(shù)據(jù)，該數(shù)據(jù)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(shù)據(jù)的基礎(chǔ)上，對(duì)其進(jìn)行重分類、矢量化處理，最終通過(guò)空間位置鏈接技術(shù)映射每個(gè)條田的棉蚜發(fā)生等級(jí)。

在空間插值分析的基礎(chǔ)上，利用Getis-Ord Gi*統(tǒng)計(jì)量計(jì)算每個(gè)條田塊在統(tǒng)計(jì)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(diǎn)區(qū)域。

1.2 體系結(jié)構(gòu)及功能設(shè)計(jì)

系統(tǒng)分為客戶端和服務(wù)端2個(gè)部分，采用C/S架構(gòu)，客戶端和服務(wù)端的通信采用2G/3G/4G/Wi-Fi技術(shù)。本系統(tǒng)的體系結(jié)構(gòu)主要包括3個(gè)部分，即表現(xiàn)層、邏輯層、數(shù)據(jù)層。表現(xiàn)層主要提供用戶訪問(wèn)的接口；邏輯層主要處理空間分析、客戶端服務(wù)端通信、數(shù)據(jù)庫(kù)訪問(wèn)等問(wèn)題；數(shù)據(jù)層主要存儲(chǔ)用戶信息、棉蚜蟲害發(fā)生等級(jí)現(xiàn)勢(shì)數(shù)據(jù)等，系統(tǒng)體系結(jié)構(gòu)見圖1。

系統(tǒng)功能設(shè)計(jì)采用面向?qū)ο蟮脑O(shè)計(jì)方法?？蛻舳酥饕ㄗ?cè)登錄模塊、專題圖顯示模塊、定位顯示模塊；服務(wù)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(shù)據(jù)轉(zhuǎn)矢量、空間位置鏈接分析、熱點(diǎn)分析）、數(shù)據(jù)存取模塊、數(shù)據(jù)通信模塊等。

定位顯示模塊主要調(diào)用手機(jī)的GPS模塊，獲取用戶的當(dāng)前位置，并在地圖上進(jìn)行顯示。當(dāng)用戶訪問(wèn)地圖時(shí)，系統(tǒng)調(diào)用該模塊。專題圖顯示模塊的主要功能是通過(guò)專題圖的方式向用戶展示棉蚜發(fā)生等級(jí)的空間分布。用戶訪問(wèn)該模塊時(shí)，系統(tǒng)首先調(diào)用定位顯示模塊，直接將用戶的位置在地圖上顯示出來(lái)，進(jìn)而可以查看當(dāng)前位置的棉蚜發(fā)生等級(jí)分布情況。

數(shù)據(jù)存取模塊是提供數(shù)據(jù)庫(kù)訪問(wèn)的接口，為各個(gè)模塊操作數(shù)據(jù)庫(kù)提供支持。數(shù)據(jù)通信模塊實(shí)現(xiàn)了應(yīng)用程序向服務(wù)器發(fā)送請(qǐng)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(shí)現(xiàn)需要借助ArcGIS Desktop，利用其提供的各種工具實(shí)現(xiàn)空間分析。服務(wù)端系統(tǒng)運(yùn)行流程見圖2。

2 系統(tǒng)核心功能實(shí)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(jí)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(jìn)行分析。在反距離的插值過(guò)程中，與插值點(diǎn)距離最近的若干個(gè)已知樣本點(diǎn)對(duì)內(nèi)插點(diǎn)值的貢獻(xiàn)最大，其貢獻(xiàn)大小與距離成反比。其數(shù)據(jù)理論是加權(quán)平均，即將已知樣本點(diǎn)各數(shù)值乘以相應(yīng)的單位數(shù)（權(quán)數(shù)），然后求和得總體值，再除以單位數(shù)之和。假設(shè)xi為已知樣本點(diǎn)，yi為已知樣本點(diǎn)對(duì)應(yīng)的權(quán)數(shù)，y為加權(quán)算術(shù)平均數(shù)（即預(yù)測(cè)值或內(nèi)插值），則加權(quán)算術(shù)平均數(shù)的計(jì)算公式為：

在具體操作過(guò)程中，對(duì)采集的條田（條田在矢量圖上顯示為多邊形）需要進(jìn)行多邊形轉(zhuǎn)點(diǎn)處理，該操作可由ArcGIS Desktop的工具Feature To Point完成。完成多邊形轉(zhuǎn)點(diǎn)之后，可對(duì)點(diǎn)進(jìn)行空間反距離插值。因?yàn)榭臻g插值的結(jié)果為非整數(shù)，因此需要對(duì)插值后的柵格進(jìn)行重分類處理，使得棉蚜發(fā)生等級(jí)為整數(shù)等級(jí)，最后進(jìn)行剪裁。為了實(shí)現(xiàn)對(duì)每個(gè)條田進(jìn)行等級(jí)處理，需要對(duì)柵格圖進(jìn)行矢量化處理，最后進(jìn)行空間位置鏈接，在條田尺度上獲取棉蚜發(fā)生等級(jí)。

2.2 熱點(diǎn)分析

通過(guò)對(duì)棉蚜蟲害進(jìn)行熱點(diǎn)分析，可以得知棉蚜蟲害暴發(fā)的熱點(diǎn)區(qū)域，在棉蚜蟲害的預(yù)警方面具有重要意義。熱點(diǎn)分析主要是對(duì)棉蚜蟲害數(shù)據(jù)集的每一個(gè)條田塊計(jì)算Getis-Ord Gi*統(tǒng)計(jì)。通過(guò)計(jì)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(jí)。棉蚜發(fā)生等級(jí)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(jì)學(xué)意義的熱點(diǎn)。棉蚜蟲害發(fā)生等級(jí)較高的條田塊要成為具有顯著統(tǒng)計(jì)意義的熱點(diǎn)，該條田塊應(yīng)該具有高發(fā)生等級(jí)，且被其他同樣具有高等級(jí)的條田塊所包圍。某個(gè)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(dāng)局部總和與所預(yù)期的局部總和有很大差異，以致于無(wú)法成為隨機(jī)產(chǎn)生的結(jié)果時(shí)，會(huì)產(chǎn)生一個(gè)具有顯著統(tǒng)計(jì)學(xué)意義的z得分。為數(shù)據(jù)集中的每個(gè)條田塊返回的G*i統(tǒng)計(jì)就是z得分。對(duì)于具有統(tǒng)計(jì)學(xué)意義的z得分而言，z得分越高，高值熱點(diǎn)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(duì)熱點(diǎn)分析提供了很好的支持，借助其模型構(gòu)建器（model builder）可以以流程化的方式對(duì)熱點(diǎn)分析的有關(guān)計(jì)算進(jìn)行運(yùn)算，ArcGIS Desktop對(duì)熱點(diǎn)分析進(jìn)行建模的主要分析工具為Hot Spot Analysis With Rendering，該工具需要選擇對(duì)進(jìn)行熱點(diǎn)分析的空間矢量數(shù)據(jù)文件進(jìn)行選取，同時(shí)指定分析的數(shù)據(jù)屬性。建模過(guò)程如圖4所示。

2.3 系統(tǒng)運(yùn)行實(shí)例

系統(tǒng)在2015年新疆生產(chǎn)建設(shè)兵團(tuán)一二五團(tuán)進(jìn)行試驗(yàn)研究，選擇該團(tuán)10個(gè)生產(chǎn)單位，每個(gè)生產(chǎn)單位10塊條田，單次數(shù)據(jù)采集強(qiáng)度100條，采集周期為5 d。以單次采集的數(shù)據(jù)為樣點(diǎn)，對(duì)該數(shù)據(jù)進(jìn)行反距離插值分析和熱點(diǎn)分析，并將其對(duì)應(yīng)專題圖進(jìn)行發(fā)布，試驗(yàn)結(jié)果分別見圖5、圖6。

3 結(jié)語(yǔ)

本系統(tǒng)的試驗(yàn)數(shù)據(jù)是新疆生產(chǎn)兵團(tuán)第七師一二五團(tuán)的植保人員在2015年采集的，系統(tǒng)運(yùn)行結(jié)果符合實(shí)際情況。農(nóng)技人員可使用智能終端APP對(duì)棉蚜蟲害的發(fā)生等級(jí)進(jìn)行采集，采集結(jié)果通過(guò)網(wǎng)絡(luò)傳輸至數(shù)據(jù)庫(kù)，服務(wù)端經(jīng)過(guò)處理后，可將棉蚜蟲害的空間分布以及熱點(diǎn)發(fā)生區(qū)域以專題圖的形式進(jìn)行對(duì)外發(fā)布，用戶可在APP上直接訪問(wèn)該專題圖，進(jìn)而實(shí)時(shí)掌握

棉蚜蟲害的發(fā)生趨勢(shì)。從應(yīng)用情況來(lái)看，更加精確的植棉區(qū)分布數(shù)據(jù)對(duì)棉蚜蟲害熱點(diǎn)區(qū)域的分析具有提升作用。在系統(tǒng)運(yùn)行方面，棉蚜專題圖的生成雖然在一定程度上實(shí)現(xiàn)了自動(dòng)化，但在實(shí)現(xiàn)全過(guò)程自動(dòng)化方面仍然有一段距離，為系統(tǒng)添加預(yù)警模塊并向用戶推送是完善系統(tǒng)的一個(gè)重要方向。

參考文獻(xiàn)：

[1]楊忠娜，唐繼軍，喻曉玲. 新疆棉花產(chǎn)業(yè)對(duì)國(guó)民經(jīng)濟(jì)的影響及對(duì)策研究[J]. 農(nóng)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(tuán)棉田化學(xué)農(nóng)藥減量使用對(duì)策初探[J]. 中國(guó)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(duì)策的研究[J]. 農(nóng)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(xué)報(bào)，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(yíng)養(yǎng)的關(guān)系[J]. 西北農(nóng)林科技大學(xué)學(xué)報(bào)：自然科學(xué)版，1987，4（4）：15-21.

[7]周海波，程登發(fā)，陳巨蓮. 小麥蚜蟲田間調(diào)查及監(jiān)測(cè)技術(shù)[J]. 應(yīng)用昆蟲學(xué)報(bào)，2014，3（3）：853-858.

[8]陸明星，陸自強(qiáng)，杜予州. 水稻鉆蛀性螟蟲田間調(diào)查及測(cè)報(bào)技術(shù)[J]. 應(yīng)用昆蟲學(xué)報(bào)，2014，4（4）：1125-1129.

[9]齊建東，蔣 禧，趙燕東. 基于無(wú)線多媒體傳感器網(wǎng)絡(luò)的森林病蟲害監(jiān)測(cè)系統(tǒng)[J]. 北京林業(yè)大學(xué)學(xué)報(bào)，2010，32（4）：186-190.

[10]馬 菁，張學(xué)儉. 枸杞病蟲害遙感近地高光譜特征研究[J]. 廣東農(nóng)業(yè)科學(xué)，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(shù)遙感反演模型研究[J]. 中南林業(yè)科技大學(xué)學(xué)報(bào)，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(shù)據(jù)的冬小麥白粉病遙感監(jiān)測(cè)[J]. 麥類作物學(xué)報(bào)，2014，34（12）：1699-1705.

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

[14]鄭文超. 基于ZigBee的東北森林病蟲害監(jiān)測(cè)技術(shù)研究[J]. 安徽農(nóng)業(yè)科學(xué)，2014（13）：4108-4109.

[15]史 舟，梁宗正，楊媛媛，等. 農(nóng)業(yè)遙感研究現(xiàn)狀與展望[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2015，46（2）：247-260.

[16]張喜旺，劉劍鋒，秦 奮，等. 作物類型遙感識(shí)別研究進(jìn)展[J]. 中國(guó)農(nóng)學(xué)通報(bào)，2014（33）：278-285.

[17]羅菊花，黃文江，韋朝領(lǐng)，等. 基于GIS的農(nóng)作物病蟲害預(yù)警系統(tǒng)的初步建立[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2008，24（12）：127-131.

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

[19]杜久升，陳宜金，侯 爭(zhēng). 針對(duì)Kriging插值結(jié)果的空間查詢方法[J]. 計(jì)算機(jī)應(yīng)用，2013，33（3）：871-873，895.

[20]彭楠峰，莫建文，韓傳久. 基于空間數(shù)據(jù)插值算法的空間散亂數(shù)據(jù)體繪制實(shí)現(xiàn)[J]. 計(jì)算機(jī)應(yīng)用，2008，28（7）：1759-1760，1768.孫健峰，楊 洲，張慶茂，等. 果園電動(dòng)修剪刀片摩擦磨損性能研究[J]. 江蘇農(nóng)業(yè)科學(xué)，2016，44（4）：371-373.