一种基于3S技术的区域蚊虫危害形势演示方法

摘要

本发明公开了一种基于3S技术的区域蚊虫危害形势演示方法，主要包括以下步骤：确定管理区域与蚊虫孳生、栖息、宿主动物相关的地物特征，利用灰度转换获取遥感影像图中每种地物特征的灰度区间；依据管理区域的遥感影像图，将环境类型分成若干个类型，在每个类型的环境中选择若干个点位,根据每种地物特征的灰度区间，利用机器判读的方式获得每个点位半径为250米缓冲区内的每种地物特征的大小；应用相似性分析方法，对所有点位的地物特征组成进行相似性分析；建立蚊虫数据矩阵；建立蚊虫优势种数据矩阵等。本发明的方法可以应用于不同地区的蚊虫危害形势演示。

说明书

技术领域

本发明涉及一种区域蚊虫危害形势判别方法，具体地说，涉及一种基于3S技术的区域蚊虫危害形势演示方法。

背景技术

目前的蚊虫危害形势是通过具体的监测方法，如灯诱法、人诱法等来获得具体点位的蚊虫群落现状。这种方法，要消耗大量的人力、财力、物力才能了解一定区域的蚊虫现状，对于一个城市来讲，这种操作方法基本不可行。因此对于一定范围的区域来讲，无法从宏观层面弄清所辖范围的蚊虫危害形势，即蚊虫不同危害程度的分布状况，从而无法制定更加科学详细的蚊虫及蚊媒病防制预案。

蚊虫的生活史包括卵、幼虫、蛹、成虫四个阶段，前三个阶段都生活在水中，适合的水体就是蚊虫的孳生地，孳生地的类型决定了孳生的蚊虫种类，孳生地的数量决定了蚊蚴的环境容量，即可以生存的蚊蚴最大数量。成虫生活在陆地上，靠刺吸植物汁液获得能量和营养生存，雌蚊靠吸血宿主动物血液来完成繁殖，因此陆地的地物特征类型也决定了蚊虫种类，地物特征数量决定了成蚊的环境容量。因此孳生地和陆地地物特征就决定了特定生境中的蚊虫优势种类和数量。3S技术可以通过高分辨率的遥感影像图来确定与蚊虫孳生、栖息、吸血相关的地物特征，因而可以通过3S技术来判别特定生境中的优势蚊种及潜在数量，从而可以判别蚊虫的危害形势。

发明内容

本发明的目的在于克服上述技术存在的缺陷，提供一种基于3S技术的区域蚊虫危害形势演示方法。其具体技术方案为：

一种基于3S技术的区域蚊虫危害形势演示方法，包括以下步骤：

第一步，确定管理区域与蚊虫孳生、栖息、宿主动物相关的地物特征，利用灰度转换获取遥感影像图中每种地物特征的灰度区间；

第二步，依据管理区域的遥感影像图，将环境类型分成若干个类型，在每个类型的环境中选择若干个点位,根据每种地物特征的灰度区间(包括色调区间和饱和度区间)，利用机器判读的方式获得每个点位半径为250米缓冲区内的每种地物特征的大小；

第三步，应用相似性分析方法，对所有点位的地物特征组成进行相似性分析，在δ％相似性水平下，将所有点位分成相互之间没有交集的若干个组，计算每个组内所有点位每种地物特征的平均值，建立区间数据矩阵；

第四步，采用GB/T23797-2009中的某种或几种蚊虫监测方法调查所有点位的蚊虫群落数据，获得每个点位各蚊种的数据，将每个点位中优势度小于10％的蚊虫数据去除，建立蚊虫数据矩阵；

第五步，对蚊虫群落数据进行相似性分析，在ε％相似性水平下，将所有点位分成相互之间没有交集的若干个组，组数不大于第三步中地物特征的组数，计算获得每组蚊虫优势种排序，建立蚊虫优势种数据矩阵；

第六步，建立第三步与第五步中的组别对应关系；

第七步，根据第二步中的方法分析每个点位缓冲区内的地物构成，将每个点位的地物构成数据与第三步中的若干个组的地物构成数据进行相似性分析，与目标点位相似度最大的那个组所对应的蚊虫优势类群即为目标点位的优势蚊虫；

第八步，获得管理区域的遥感影响图，利用地理信息系统软件建立地物特征的分析点位、缓冲区和蚊虫像元；

第九步，将蚊虫优势类群相同的像元以相同的颜色显示，就能显示出管理区域中的蚊种分布示意图，进而揭示蚊虫潜在危害的分布形势。

与现有技术相比，本发明的有益效果为：

本发明所述方法可以从宏观层面一目了然的了解管理区域的蚊虫分布情况，从而掌握相应蚊虫传染病的传播风险区域，为划定准确的目标风险区域开展蚊虫和相关蚊媒病防制工作提供科学直观的依据。以前的方法是按照行政区域来划分，不能按照自然客观规律来划分风险区域，目标区域不准确。

具体实施方式

为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实例进一步阐述本发明。

第一步，确定管理区域与蚊虫孳生、栖息、宿主动物相关的地物特征，如建筑物、绿地、耕地、湿地、水体、圈养的牲畜，分别用x1、x2、x3、x4、x5、x6表示，利用灰度转换获取遥感影像图中每种地物特征的灰度区间，饱和度(c_i，c_j)和色调(h_i，h_j)，如表1(<0i<j<260)。其中宿主动物的地物特征记为x_i＝n×10000(n为牲畜数量)。

表1

x1x2x3x4x5饱和度(c_i，c_j)(85,125)(130,170)(45,85)(190,230)(200,240)色调(h_i，h_j)(140，180)(10，50)(20，50)(70，90)(70，110)

第二步，依据管理区域的遥感影像图，将环境类型分成若干个类型，在每个类型的环境中选择若干个点位(s1、s2、s3、s4、s5、s6、s7、…)，如表。

点位序号点位名称纬度经度s1简新新村31°35.212′120°19.406′s2小娄巷9号31°34.615′120°18.121′s3东林书院31°34.754′120°18.248′s4映山河医院31°34.840′120°17.948′s5五星家园31°32.388′120°18.996′s6长欣小区31°32.953′120°21.394′s7旺庄医院31°33.148′120°21.324′s8七院31°35.655′120°13.668′s9黄巷医院31°36.228′120°16.613′s10湖父洑西村31°12.232′119°45.466′s11大陈巷31°37.125′120°34.616′s12费家塘21号31°37.248′120°34.357′s13长广溪湿地31°31.246′120°15.675′s14长广溪湿地31°30.152′120°15.601′s15长广溪湿地31°30.019′120°15.503′s16鼋头渚31°31.702′120°12.962′s17马山湖边31°29.206′120°07.836′s18桃园山庄31°24.757′120°07.594′s19彭家塘31°36.963′120°33.295′s20前张村31°37.171′120°34.496′s21钱更上村31°34.591′120°30.517′

根据每种地物特征的灰度区间，利用机器判读的方式获得每个点位半径为250米缓冲区内的每种地物特征的大小。建立地物特征数据矩阵，如下表2。

表2

x1x2x3x4x5x6s1146089.50928052.29600349.73930s2176541.19619633.7510075.05280s3171282.97223046.689001920.33970s4182135.54511887.175002227.28030s5140907.56151640.235003702.2040s6138333.71754079.943003836.33990s7120257.58473541.959002450.45770S8153381.69942868.3010000S9165930.56223758.12400480.56010S101110594488869050050000S1151337.542912723.8114064.0255018124.63220000S1236774.227618137.435133990.723907347.613580000S13418937284704456617790S1446896.1283118566.42028039.2639527.0870S1550759.64373498.179019677.25182083.10210S1640161.1895149269.38006271.30610S1762807.239438638.454008757.19270S1858204.4028110725.8225498.3498551.08931270.33550S1947259.234233239.95591621.7084024129.1030S2062010.05317770.6556115519.9325010949.3590S2135499.753429592.835128601.273702556.13780

第三步，应用相似性分析方法，对所有点位的地物特征组成进行相似性分析，在δ％相似性水平下，将所有点位分成相互之间没有交集的若干个组(Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ、…)，计算每个组内所有点位每种地物特征的平均值建立数据矩阵，如表3所示。

表3

第四步，采用GB/T23797-2009中的某种或几种蚊虫监测方法调查所有点位的蚊虫群落数据，获得每个点位各蚊种的数据，将每个点位中优势度小于5％的蚊虫数据去除，建立蚊虫数据矩阵，m1、m2、m3、m4、m5分别表示淡色库蚊、三带喙库蚊、白纹伊蚊、中华按蚊、骚扰阿蚊，如表4。

表4

m1m2m3m4m5s11088382470s2128641230s35621360150s444144880s52515850s61807650s74167220S831791340S92066420S102746926375144276S116404117110126270424S1221761908680926250S1326425186382S1417306848340S1515562618418216S16158200142546S1724542110724S18922530386S196521040206182S201889100134232S21256743097201

第五步，对蚊虫群落数据进行相似性分析，在ε％相似性水平下，将所有点位分成相互之间没有交集的若干个组(ⅰ、ⅱ、ⅲ、ⅳ、ⅴ、…)，组数不大于第三步中地物特征的组数。计算获得每组蚊虫优势种排序(M1>M2>M3>M4)，建立蚊虫优势种数据矩阵，如表5。

表5

ⅰⅱⅲⅳⅴ包含点位s1-s9s10-s12s13-s15s16-s18s19-s21M1淡色库蚊三带喙库蚊淡色库蚊三带喙库蚊三带喙库蚊M2白纹伊蚊中华按蚊三带喙库蚊淡色库蚊淡色库蚊M3---中华按蚊骚扰阿蚊M4----中华按蚊

第六步，建立第三步与第五步中的组别对应关系，ⅰ、ⅱ、ⅲ、ⅳ、ⅴ分别与Ⅰ、Ⅱ、Ⅲ、Ⅳ、Ⅴ相对应。

第七步，获得管理区域的遥感影响图，利用地理信息系统软件建立地物特征的分析点位、缓冲区和蚊虫像元。在区域遥感影响图中，以为边长建立最大数目的正方形网格图，每个正方形网格即为一个蚊虫像元。以每个像元的几何中心为圆心，以为半径建立缓冲区，每个像元的几何中心即为分析点位。

第八步，根据第二步中的方法分析每个点位缓冲区内的地物构成，将每个点位的地物构成数据与第三步中的若干个组的地物构成数据进行相似性分析，与目标点位相似度最大的那个组所对应的蚊虫优势类群即为目标点位的优势蚊虫。

第九步，将蚊虫优势类群相同的像元以相同的颜色显示，就能显示出管理区域中的蚊种分布示意图，进而揭示蚊虫潜在危害的分布形势。

以上所述，仅为本发明最佳实施方式，任何熟悉本技术领域的技术人员在本发明披露的技术范围内，可显而易见地得到的技术方案的简单变化或等效替换均落入本发明的保护范围内。