买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

摘要：一种基于ArcGIS的落叶松枯梢病传播预测及其防治方法，属于落叶松枯梢病的预防技术领域。为解决解决落叶松枯梢病传播扩散的监测、预测以及防治方法比较缺乏的问题，本发明采集落叶松枯梢病历史发生数据构建落叶松枯梢病数据集，进行研究区域的提取，然后对落叶松枯梢病数据集进行划分处理，划分为多个训练集和评估集；利用最大熵原理构建MaxENT生态位模型，利用ArcGIS中的空间分析工具和统计学方法构建基于历史数据的统计学落叶松枯梢病预测模型，通过最小二乘拟合后得到基于ArcGIS的落叶松枯梢病的预测模型，对落叶松枯梢病的高风险发生地区进行预测。本发明提高了病害预测的准确性及稳定性，为防治决策提供科学依据。

主权项：1.一种基于ArcGIS的落叶松枯梢病传播预测方法，其特征在于，包括如下步骤：S1.采集落叶松枯梢病历史发生数据、气象数据、森林生态环境数据、人工林林分数据、林产品调运数据，将采集到的数据转换为标准的GIS数据格式，构建落叶松枯梢病数据集；S2.将步骤S1得到的落叶松枯梢病数据集进行研究区域的提取，然后对步骤S1得到的落叶松枯梢病数据集进行划分处理，划分为多个训练集和评估集；S3.利用最大熵原理构建MaxENT生态位模型，利用步骤S2得到的训练集对MaxENT生态位模型进行模型训练；步骤S3的具体实现方法包括如下步骤：S3.1.利用最大熵原理构建MaxENT生态位模型，首先根据落叶松枯梢病的历史发生数据和影响因子数据来分析其发生的生态需求，筛选出关键致病因子，然后将筛选出的关键影响因子，分配给不同的权重，投射至不同的空间和时间中以预测未来的潜在分布区域，计算表达式为： 其中，pi为第i个区域的生态需求结果对应发生的概率，Gi为第i个区域的生态需求结果对应的概率熵；S3.2.基于步骤S2得到的训练集对步骤S3.1构建的MaxENT生态位模型进行训练，将MaxENT生态位模型投射到相应研究区域以对模型进行校正优化，通过MaxENT生态位模型验证后将MaxENT生态位模型投射到ArcGIS中的预测区域并绘制预测ArcMAP图像，推算病原菌的生态需求和潜在分布，分析ArcMAP图像中不同图层的拟合度对不同因素中落叶松枯梢病的传播规律和影响因素权重进行比较，通过OpenCV将不同图层的ArcGIS图像进行比较；S4.利用ArcGIS中的空间分析工具和统计学方法对落叶松枯梢病历史传播数据进行分析，构建基于历史数据的统计学落叶松枯梢病预测模型；步骤S4设置构建的基于历史数据的统计学落叶松枯梢病预测模型数据为yi，基于历史数据的统计学落叶松枯梢病预测模型的斜率为h；S5.通过极大似然估计的最小二乘拟合步骤S3得到的MaxENT生态位模型和步骤S4得到的基于历史数据的统计学落叶松枯梢病预测模型，得到基于ArcGIS的落叶松枯梢病的预测模型，对落叶松枯梢病的高风险发生地区进行预测；步骤S5的具体实现方法包括如下步骤：S5.1.通过最小二乘拟合步骤S3得到的MaxENT生态位模型和步骤S4得到的基于历史数据的统计学落叶松枯梢病预测模型，极大似然估计的最小二乘拟合公式为： 其中，xi为第i个MaxENT生态位模型数据，g为MaxENT生态位模型斜率，m为规定误差；构建基于历史数据的统计学落叶松枯梢病预测模型E，计算表达式为： S5.2.基于步骤S5.1构建的基于历史数据的统计学落叶松枯梢病预测模型，对落叶松枯梢病的高风险发生地区进行预测并在ArcGIS地图上标示；S6对步骤S5预测的落叶松枯梢病的高风险发生地区，使用搭载了YOLOV8目标监测算法的无人机拍摄林区的高分辨率图像，得到落叶松枯梢病的实时监测数据，将落叶松枯梢病的实时监测数据和步骤S5得到的基ArcGIS的落叶松枯梢病的预测模型的预测数据在ArcGIS中进行拟合，进行实时监测和预警。

全文数据：

权利要求：

百度查询： 东北林业大学 国家林业和草原局生物灾害防控中心 一种基于ArcGIS的落叶松枯梢病的预测方法及其防治方法