基于移動GIS的棉田朱砂葉螨預警系統

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警中信息采集量少、短期預測不準確、預警信息發布困難等問題，設計并實現了基于馬爾科夫鏈和移動GIS的棉田朱砂葉螨預警系統?；谝苿覩IS平臺實現了棉田朱砂葉螨信息的快速、準確、實時采集，然后采用基于馬爾科夫鏈的方法對棉田朱砂葉螨蟲情進行短期預測，再使用克里格插值方法得到大范圍的預測結果?；赑ython語言建立耦合的預警模型，能夠為用戶提供大面積的預警專題圖，同時可根據用戶輸入的棉田朱砂葉螨等級生成相應的短期預測結果并推薦科學的防治措施。初步應用表明，準確度可達80%，系統具有簡單實用、預測準確、大眾參與等良好特性，可廣泛應用于農業病蟲害預警系統的構建。

關鍵詞： 棉田；朱砂葉螨；移動地理信息系統；馬爾科夫鏈；空間插值；預警系統

中圖分類號： S127；S126 文獻標志碼： A 文章編號：1002-1302（2016）03-0417-04

棉田朱砂葉螨俗稱紅蜘蛛，是棉花的三大蟲害之一，平均每年使棉花減產可達10%～68%，給棉農造成重大的經濟損失。及時、準確地掌握病蟲害的發生發展情況非常必要[1-2]。目前，病蟲害監測及預警系統大多基于WebGIS（Web Geographic Information System）模式[3-4]，這種模式下的病蟲害信息采集工作需野外填寫蟲害采集紙質表格，在能夠連接網絡時通過瀏覽器登錄系統再提交數據，往往費時費力。目前，病蟲害的GIS分析模型多用于中長期預測，在短期預測方面，精確預測病蟲害發生的地點及嚴重程度上還有所欠缺[5-6]。病蟲害監測及預測信息的發布主要通過網頁，而基層農戶往往缺少計算機及網絡連接條件，也沒有習慣登錄某個網站查詢相關的信息，因此，病蟲害測報信息鏈最后的信息發布環節是該類系統的瓶頸問題。移動GIS已廣泛應用在野外數據采集、移動辦公等領域[7-9]。目前，能夠通過移動手機終端快速獲得病蟲害發生位置和等級，但病蟲害發生發展的預測仍然是該應用領域的關鍵問題。馬爾科夫鏈（Markov Chain）在病蟲害預測領域已經得到了廣泛應用且取得了良好的效果[10-12]?？死锔瘢↘riging）插值法可將采樣點的結果擴展到整個區域[13]，適用于棉田朱砂葉螨發生與傳播存在空間相關性的特點。

本研究提出基于移動GIS進行信息采集與服務接收的方法。對采集的棉田朱砂葉螨蟲害發生數據首先用馬爾科夫鏈對發生趨勢進行預測，然后運用克里格插值法進行插值處理，得到整體區域的棉田朱砂葉螨預測結果，再按照嚴重程度的分級標準對棉田朱砂葉螨蟲害的發生情況進行預警。系統在移動端設計了棉田朱砂葉螨防治支持功能，能夠提供快速準確的預測及推薦科學的防治信息。

1 系統結構設計

本系統對棉田朱砂葉螨蟲害信息進行采集、存儲，運用預測模型制作病蟲害服務發布給用戶，并且為用戶提供防治建議。系統分為棉田朱砂葉螨信息采集、預警服務生成以及服務發布3個子模塊。系統采用C/S架構，移動端基于Android開發App，一方面可實現棉田朱砂葉螨空間信息及屬性信息的采集，并通過網絡傳輸至服務端，另一方面可根據用戶輸入的蟲害特征值快速地生成防治建議。服務端負責解析移動端傳入的蟲害數據并存儲到構建的蟲害時空數據庫中，管理人員以蟲害數據庫中的信息作為輸入，病蟲害分析模型作為工具，進行分析、處理，并得到蟲害監測及預測結果，最后通過ArcGIS Server以專題圖形式發布給用戶。系統結構見圖1。

2 系統功能設計

系統功能結構見圖2。主要分為蟲害信息采集、防治措施推薦、服務發布3個模塊。用戶通過在移動端安裝App，實現瀏覽棉田地圖、利用手機GPS定位及編輯蟲害發生區域，實現蟲害的空間信息及屬性信息采集，并提交到服務端的蟲害數據庫中；通過讀取用戶輸入的蟲害屬性信息（如紅葉株率），結合監測及預測算法對數據進行快速處理，以圖表形式展示病蟲害預測結果，并根據結果提供預存在App中的防治措施，此外，還可以將系統生成的防治措施以短信的形式分享給其他用戶；服務發布功能處理流程為，管理員在后臺服務端連接蟲害數據庫，運用Python腳本語言編寫的預測模型對數據進行處理，將蟲害發生情況按照標準生成預警服務專題圖向移動端發布，提供在線瀏覽功能。

2.1 信息采集

ArcGIS Mobile是美國Esri公司的移動GIS解決方案之一，可將ArcGIS 的應用范圍擴展到野外。本系統通過其提供的開發工具包，調用相應的API可實現個性化的地理空間信息采集功能。

對于位置信息，借助于ArcGIS提供的API加載棉田地圖，通過調用手機內置的GPS模塊獲得經緯度信息定位到當前地點，農戶根據病蟲害發生的具體情況，在地圖上繪制幾何形狀，描述蟲害的發生區域；對于屬性信息，主要為棉田朱砂葉螨發生的嚴重程度，用戶通過輸入特征信息，如紅葉株率，系統自動判別其嚴重程度所屬等級。采集時間默認為系統當前時間，也可設置時間，方便后續補充數據。完成上述信息采集后，系統將三者封裝為JSON格式的數據，通過移動網絡發送至服務端的數據服務器中并自動錄入蟲害數據庫[8]。

2.2 基于馬爾科夫鏈棉田朱砂葉螨發生預測

馬爾科夫鏈將時間序列數據看作是隨機變量的一個數列，具有“無后效性”的特點，即已知某隨機過程“當前”的條件下，其“過去”和“將來”是獨立的。通過對事物不同狀態的初始概率和狀態之間轉移概率的研究，確定狀態變化的趨勢，從而預測事物的未來[11-12]。

農作物病蟲害的信息采集過程中，經常使用定點采樣的方法，即在固定地點以相等時間間隔下連續采樣，其形成的病蟲害時間序列數據，恰好可以運用馬爾科夫法進行病蟲害發生發展情況的預測處理。

在棉田朱砂葉螨的馬爾科夫預測中，狀態可表示為他發生的不同等級，代表棉田朱砂葉螨的嚴重程度。狀態轉移概率為事件發展過程中，從某一狀態出發，下一刻轉移到其他狀態的可能性。棉田朱砂葉螨蟲害的狀態轉移過程可對應隨著時間推移，棉田朱砂葉螨嚴重或減弱的變化過程，即等級之間的狀態變化。每次狀態轉移只與前一時刻的狀態相關而與過去無關，即狀態轉移過程為無后效性。關鍵問題則為計算棉田朱砂葉螨蟲害等級的狀態轉移概率矩陣。根據條件概率的定義，由狀態Ei轉移至狀態Ej的狀態轉移概率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個等級，記為5種狀態，E1、E2、E3、E4、E5，由E1轉移到E2，記做P12，即為棉田朱砂葉螨蟲害由等級1轉變為等級2，計算狀態轉移概率矩陣Pij，即求出每個狀態轉移到其他任何一個狀態的轉移概率Pij（i，j =1，2，…，n） 。為求出每一個Pij，可用頻率替代概率的方法實現，通過對歷史蟲害信息統計，用狀態轉移的頻率來代替狀態轉移概率[10-11]。

2.3 棉田朱砂葉螨發生位置的空間插值方法

基于移動GIS 的棉田朱砂葉螨信息采集方法提升了數據采集的數量并精確地定位了采樣點病蟲害的發生位置，雖然基于這些采樣點能夠得到小范圍、小尺度的預測結果，但在實際工作中，農作物病蟲害防治往往需要掌握大范圍、大尺度的蟲害發生情況。因此，我們運用克里格插值方法將馬爾科夫鏈預測的結果進行擴展。

克里格插值法是空間統計分析方法中的重要內容之一，是對有限區域內的區域化變量取值進行無偏最優估計的一種方法?；谶@種方法不僅考慮了待測點與鄰近樣點數據的空間距離關系，還考慮了各參與預測的樣點間的位置關系，充分利用了各點數據的空間分布結構特征，使其估計結果比傳統方法更精確，更符合實際，有效地避免了系統誤差的出現。

在克里格插值中，待估點的估計值為其周圍由n個已知的樣點觀測值構成的線性組合，即：

本系統充分利用二者的特點，在小的采樣點范圍，運用馬爾科夫鏈預測方法預測未來病蟲害等級的轉移狀況，然后通過普通克里格插值，對未采集到的區域進行插值處理，得到整個區域的病蟲害預測分布情況。系統采用Esri公司推出的基于Python的腳本工具箱ArcPy，能夠執行地理數據分析、數據轉換、數據管理和地圖自動化。在計算出棉田朱砂葉螨狀態轉移矩陣的基礎上，采用Python語言，借助ArcPy編寫耦合的預測方法腳本，實現基于馬爾科夫鏈預測并進行插值，經過處理后得出棉田朱砂葉螨預警專題圖。

3 系統實現與應用

3.1 研究區概述

本系統以新疆生產建設兵團第七師一二五團為示范區，于2014年5月上旬至2014年9月上旬進行了推廣試用。一二五團位于新疆烏蘇縣境內，氣候比較干燥，無霜期長、降雨量少、熱量適中、日照充足。全團總面積約4.73萬hm2，棉花種植面積常年在0.67萬hm2以上，是最重要的經濟作物。棉田朱砂葉螨一直為該種植區棉花的主要蟲害。一二五團設有植保站，有植保員負責對病蟲害信息進行采樣、監測及發布病蟲害監測及預測報告，積累了2004—2014年的病蟲害數據以及氣象信息，在棉花病蟲害防治方面已構建了知識庫。

3.2 棉田朱砂葉螨信息采集

該模塊開發環境為JDK 6.0+Android SDK+ArcGIS for Android+Eclipse 6.0，開發平臺操作系統為Window 8，開發語言為Java，移動終端測試環境為三星Galaxy S3，系統為 Android 4.3。田間信息采集點按“Z”字形設計。每塊田查 8～10點，每點查100株，按照紅葉株率進行分級。紅葉株率≤5%為1級，6%～10%為2級，11%～20%為3級，21%～40%為4級，>40%為5級。

具體信息采集功能實現見圖3，位置信息通過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）。通過調用LocationListener可實現讀取GPS當前位置，并且讓地圖移動到當前位置，用戶可根據棉田朱砂葉螨發生情況，繪制點或者多邊形；屬性信息主要為棉田朱砂葉螨發生的嚴重程度，用戶可按照紅葉株率選擇對應的棉田朱砂葉螨發生等級。通過調用Android系統的Calendar提供的API可讀取系統當前時間，也可通過實現DatePickerDialog類，向用戶提供時間設定功能。當用戶錄入所有采集的信息后，系統自動將信息按照JSON格式封裝，開啟一個線程，通過HttpClient類，用HttpPost類將信息發送至服務端制定的Servlet地址，服務端通過JDBC（Java Data Base Connectivity）技術將信息插入到棉田朱砂葉螨時空數據庫中。

3.3 棉田朱砂葉螨預警專題圖生成

實現基于馬爾科夫鏈和克里格插值的耦合方法為制作預警專題圖的核心，而計算棉田朱砂葉螨等級的概率轉移矩陣是前提條件。本研究收集并整理了一二五團2004—2014年的棉田朱砂葉螨定點采樣數據，對同一采樣點，時間間隔為5 d的棉田朱砂葉螨等級數據計入頻率矩陣（圖4-a），最終得出棉田朱砂葉螨等級概率轉移矩陣（圖4-b）。由棉田朱砂葉螨等級的概率轉移矩陣可得到，若當前發生的等級為1級的時候，那么5 d后等級為1的概率為0.79，遠遠高于矩陣中的其他值，一方面是因為在實際計算中，一般默認棉田朱砂葉螨發生等級為1，另一方面，在棉田朱砂葉螨發生初期，有個緩慢的增長過程；等級為2～4時未來將會向嚴重一級發展，等級為5時則基本會保持在該程度。

在計算出采樣點未來5 d棉田朱砂葉螨發生情況的基礎上，為了對整個種植區域進行預測，如前所述，使用克里格插值方法來實現。本系統運用Esri公司提供的Python工具箱ArcPy，調用克里格插值API實現棉田朱砂葉螨的空間插值，用Python語言編寫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”

>>> 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“，oking，200，RadiusVariable（），”“）

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

本系統參照棉田朱砂葉螨蟲害分級標準，將預警結果劃分為5級，分別為白色、綠色、黃色、橙色、紅色預警。白色代表棉田朱砂葉螨尚未發生或發生比較輕微；綠色預警為棉田朱砂葉螨已經有生長擴散的趨勢，需要重點關注；黃色預警為棉田朱砂葉螨發生比較嚴重，需要進行藥物防治；橙色和紅色預警表示非常嚴重，已經造成災情，必須進行藥物防治。圖5-a為某一天的棉田朱砂葉螨監測信息，圖5-b為其5 d后的預警專題圖， 實際應用中，等級誤差為1級可算作有效，該條件下預測精度達到80%。

3.4 棉田朱砂葉螨防治建議生成

棉田朱砂葉螨預警專題圖可在大尺度下反映棉田朱砂葉螨等級的整體狀況，但往往需要一定的時間且空間插值難免出現誤差。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測在移動端應用的一個延伸。棉田朱砂葉螨的分級臨界點、等級概率轉移矩陣、防治知識存儲于SQLite數據庫中。軟件開發過程中建立數據操作層實現具體的數據讀取操作，使用業務邏輯層調用數據操作層并增加輸入判別等條件實現業務邏輯操作，在Android中的Activity類中實現對頁面輸入的讀取。創建控制層，當用戶輸入棉田朱砂葉螨紅葉株率并點擊確定按鈕時，控制層讀取輸入的數據當做參數，調用業務邏輯層的劃分病蟲害等級業務進行處理，通過數據操作層讀取病蟲害防治知識，并將其顯示到界面中。

當用戶點擊預測按鈕時，控制層將劃分的病蟲害等級當做參數，通過業務邏輯層調用數據層的棉田朱砂葉螨等級概率轉移矩陣，讀取5 d后每個等級發生的概率，并開啟新的界面繪制柱狀圖，同時提供未來5 d的棉田朱砂葉螨防治措施。系統可將預測的信息存入SQLite數據庫中，方便后續查看。點擊發送即可將防治建議、時間、條田名稱等信息以短信的形式發送給其他人，方便信息傳播，棉田朱砂葉螨防治服務查看界面見圖6。

3.5 系統測試

信息采集方面，地圖的加載、屬性選擇、棉田朱砂葉螨發生區域編輯、發送可在3～5 s時間完成，實現了蟲害信息的實時采集，并且耗費的網絡流量十分有限。棉田朱砂葉螨預測專題圖方面，管理員只需執行寫好的Python腳本即可輕松實現數據處理，再經過渲染等處理生成棉田朱砂葉螨預警專題圖并將其發布到ArcGIS Server中，用戶在移動端即可瀏覽預警信息，并根據GPS定位到當前位置。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5 d各個等級發生概率及防治建議，在實際應用中，準確度可達80%以上。

4 結論與討論

系統采用移動GIS模式使棉田朱砂葉螨信息采集點及預測樣本大為增多，使用馬爾科夫鏈的棉田朱砂葉螨預警方法可為用戶提供準確度可達80%的預警服務。運用克里格插值則將預警服務擴展至大范圍，得到大尺度的預警信息，用戶可在第一時間通過手機瀏覽預警專題圖服務。

棉田朱砂葉螨的發生發展與氣象因素存在很大的相關性，下一步擬結合氣象信息，運用隱馬爾科夫鏈等方法，提供更準確的預測服務。此外在預警信息發布方面應更加具有針對性，如農戶在某個區域上傳棉田朱砂葉螨蟲害信息，可默認該區域為該農戶的興趣點，若隨后的預警分析得出該區域為橙色或紅色預警則自動向該農戶推送預警結果。

參考文獻：

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

[2]楊 軍. 滴灌棉田棉葉螨的發生與綜合防治[J]. 現代農業科技，2011（24）：192，194.

[3]楊澤平，劉德強，王 茜，等. 基于地理信息系統技術的數據采集與監視控制系統設計[J]. 計算機應用，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]張競成，袁 琳，王紀華，等. 作物病蟲害遙感監測研究進展[J]. 農業工程學報，2012，28（20）：1-11.

[7]郭 琳，王 飛，張 寅，等. 農作物遙感監測業務管理系統設計與實現[J]. 農業工程學報，2013，29（3）：132-138.

[8]陳桂鵬，嚴志雁，瞿華香，等. 基于Android手機的農業環境信息采集系統設計與實現[J]. 廣東農業科學，2014，41（13）：178-181，219.

[9]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[J]. 農業工程學報，2015，31（4）：183-190.

[10]張 碩，羅阿理. 基于Android平臺的天文觀測信息集成系統[J]. 計算機應用，2014，34（增刊2）：339-343.

[11]占衛國. 基于馬爾科夫模型的鄂東南水稻病蟲害預測方法研究[J]. 安徽農業科學，2012，40（6）：3343-3344，3731.

[12]劉映寧，王景紅，李艷莉，等. 運用馬爾科夫鏈方法預測陜西蘋果花期凍害年型[J]. 干旱地區農業研究，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，劉紀平，等. 瀾滄江流域降水量空間分布的克里格插值分析[J]. 測繪科學，2007，32（3）：104-105，113.