一种基于时空模型的按蚊幼虫栖息地预测方法及系统

本发明属于计算机应用，尤其涉及一种基于时空模型的按蚊幼虫栖息地预测方法及系统。

背景技术：

1、疟疾是一种致命的发热性疾病，被归类为媒介性疾病，每年造成大量死亡。控制按蚊的数量至关重要，因为它们是将疟疾病毒传播给人类的主要媒介，监督按蚊的数量可以减少病毒传播、预防疟疾、改善公共卫生和降低相关医疗成本，并增强受影响地区的经济稳定。蚊子种群控制可以保护弱势群体、减少药物使用，并将环境影响降至最低。这些综合措施为遏制疟疾的传播创造了一个更健康、更具预防性的环境。在幼虫阶段管理按蚊种群被认为是控制疟疾传播的有效方法，如杀虫剂和室内喷雾已被采用，但最有效是直接针对幼虫栖息地。为了识别和控制按蚊幼虫的栖息地，有必要考虑它们的条件和特征。按蚊幼虫栖息地通常由停滞的水体(如坑、池塘、水坑、洼地和沼泽)组成，由于按蚊幼虫体型较大，全年都有，因此定位和监测其永久水生栖息地通常很简单。相比之下，在雨季形成临时水体(如洼地和池塘)作为半永久性和季节性栖息地，对卫生中心控制按蚊构成了挑战。幼虫栖息地的稳定性对幼虫的正常发育至关重要，它受到一系列环境因素的影响，包括但不限于土壤渗透性和水体体积。土地覆盖类型对这些栖息地的影响更大。此外，天气条件进一步促进了栖息地的稳定性，例如强降雨有可能破坏蚊子幼虫的栖息地，而温度等其他气候变量会影响蚊子幼虫的生长和发育。

2、虽然地面调查等传统方法长期以来一直是定位和监测蚊子繁殖栖息地的标准，但这些方法有局限性，尤其是在难以实地进入的地区。半永久性和季节性栖息地的识别带来了额外的复杂性，技术的进步为应对这些挑战的研究和干预开辟了新的途径。值得注意的是，从无人机、飞机和卫星获得的地球观测数据已成为快速识别潜在繁殖地的强大工具，为传统方法的局限性提供了解决方案，高分辨率eo数据显著提高了检测按蚊繁殖地的准确性，否则通过实地观察或中低分辨率eo数据集很难识别这些繁殖地。多年来，广泛的研究工作探索了以低到中等空间分辨率为特征的图像的利用，并致力于监测和识别有利于按蚊扩散的高风险区域的总体目标，包括国家和全球范围。对高风险地区的监测和管理，包括对疟疾媒介的喷洒和防治措施的战略应用，是卫生中心的首要责任。卫生中心可以通过预测高风险幼虫栖息地的位置来更有效地管理幼虫种群，在这种情况下，预测模型生成的风险图是提高人们对媒介传播疾病传播的认识和指导预防行动的有效工具。

3、为了更准确地预测按蚊幼虫栖息地的空间和时间形成和稳定性，利用高分辨率数据并考虑影响栖息地形成和稳定性的参数至关重要，基于上述所有先前的研究，可以从三个不同的角度来研究控制按蚊的栖息地挑战，以下概述了上述挑战的三个方面：(1)研究人员提取了植被和水分指数，如归一化差异植被指数(ndvi)或归一化差异水分指数(ndwi)、土地覆盖图和遥感图像中的高程数据，以绘制疟疾媒介的栖息地风险图，集成了各种中低空间分辨率数据集包括遥感图像(例如，modis产品、陆地卫星和哨兵卫星系列图像)、中尺度土地覆盖图、航天飞机雷达地形任务(srtm)数字高程模型(dem)和气象站，对地球表面的大面积进行全面监测，由于使用了中低空间分辨率的数据，在小规模永久和半永久栖息地方面，它面临着限制；(2)研究人员使用高空间分辨率图像识别和监测了按蚊的栖息地，这些图像主要通过无人机、飞机和高分辨率卫星获得，通常这些方法利用从高分辨率遥感图像中提取的光谱和水分指数来创建栖息地风险图，这种方法的优势在于能够准确定位小型和大型栖息地，但这些方法是有限的，因为它们只在图像采集时识别水生栖息地，可能无法准确评估这些栖息地的长期稳定性；(3)研究人员转向混合方法来预测按蚊栖息地的空间、时间或时空。通常，这些方法将时间序列遥感数据与其他特征(例如土地覆盖图和气象时间序列数据)相结合，并通过预测模型进行空间、时间和时空预测，这些方法的优点是可以通过考虑该地区的历史和当前条件来预测未来的风险发生，并且可以将各种参数纳入风险图估计中，但由于遥感时间序列数据处理的计算成本和耗时性，这些方法在识别小规模栖息地并评估其稳定性以使按蚊幼虫完全发育成成年蚊子时，仍然依赖于中低空间分辨率的数据。因此，亟需提供一种实现精确监测小型和临时按蚊幼虫水生栖息地和及时干预提供准确预测的按蚊幼虫栖息地预测方法。

技术实现思路

1、有鉴于此，本发明提供了一种基于时空模型的按蚊幼虫栖息地预测方法及系统，可以结合遥感数据和气象数据识别按蚊幼虫的栖息地，构建基于逻辑回归的时空预测模型，该模型能够实现精确监测小型和临时按蚊幼虫的水生栖息地、加强疟疾控制措施和及时干预提供准确的预测，减少疟疾的传播和影响，具体采用以下技术方案来实现。

2、第一方面，本发明提供了一种基于时空模型的按蚊幼虫栖息地预测方法，包括以下步骤：

3、获取研究区域的气象数据和遥感图像数据，并对气象数据和遥感图像数据进行预处理和特征提取得到预处理数据；

4、对预处理数据进行特征提取得到样本特征，其中，样本特征包括洼地的几何特征、河流缓冲区、土地覆盖、土壤类型、降雨量和按蚊幼虫发育阶段的平均地表温度lst、以及生长度天数gdd；

5、构建基于逻辑回归的时空预测模型对样本特征进行训练以预测按蚊幼虫栖息地。

6、作为上述技术方案的进一步优选，获取研究区域的气象数据和遥感图像数据，并对气象数据和遥感图像数据进行预处理和特征提取得到预处理数据，包括：

7、提取洼地的位置和几何特征：采用尺度不变特征变换sift和束块调整算法生成并调整稀疏点云，然后使用地面控制点gcp对其进行优化和地理参考。使用三角不规则网络tin算法对该稀疏云进行进一步加密，并进行插值以创建最终的3d dsm和正交镶嵌图像，同时对特征的起伏位移进行校正，其中，洼地的几何特征包括积、深度和面积，使用ultracamxp相机的数字航空立体图像制备了数字表面模型dsm；

8、在arc gis中使用arc hydro插件提取洼地的位置和几何特征：arc hydro插件使用基于dsm的土地分析来处理流域，其功能包括arc hydro-中的洼地评估，通过从其填充版本中减去dsm来生成洼地和流域特征，其中，洼地评估包括生成流向、排水面积和计算洼地特征。

9、作为上述技术方案的进一步优选，采用支持向量机svm对预处理数据进行分类以生成土地利用图，根据气象数据和水文标准将土地利用图上的河流周围从中心线包围起来以形成河流缓冲区，其中，气象数据包括温度和降雨量。

10、作为上述技术方案的进一步优选，根据研究区域和周边地区气象站记录的初始强降雨量生成降雨图，在强降雨持续一天以上的情况下，创建降雨图对应的累积降雨量图；

11、根据气象数据的离散点采用克里金模型生成光栅网格，克里金模型的加权平均方程为：

12、z0＝∑wizi，i＝1，2...n   (1)

13、其中，zi为观测值，z0为估计值，wi为第i个样本的权重，第i个点的权重是基于观测值和未知点之间的相关性来计算的，克里金模型进行优化，冰晶估计误差方差最小化。

14、作为上述技术方案的进一步优选，对预处理数据进行特征提取得到样本特征，包括：

15、将生长度天数gdd中的平均地表温度lst作为临界温度引入增强建模过程的参数，采用像素平均算法汇总平均地表温度lst数据。

16、作为上述技术方案的进一步优选，构建基于逻辑回归的时空预测模型对样本特征进行训练以预测按蚊幼虫栖息地，包括：

17、将样本特征的灰度级别设置在[0，1]，根据逻辑回归模型的自变量生成样本特征对应的定量数据和描述性数据，其中，定量数据包括低气压、降雨量和按蚊幼虫发育阶段的平均地表温度lst的几何特征，描述性数据包括土地覆盖和土壤类型的分类图、以及河流缓冲区地图。

18、作为上述技术方案的进一步优选，逻辑回归模型中的因变量为二进制，值“1”表示出现事件，值“0”表示不存在事件，对应的表达式为：

19、

20、其中，p表示因变量，表示y取1的概率，y表示因变量；x1、x2...xn表示自变量，a对应于回归方程的系数，b1、b2...bn表示与每个自变量相关联的系数。

21、作为上述技术方案的进一步优选，采用卡方指数、伪r平方、2log(likelihood)和接收机工作特征roc来评估逻辑回归模型的结果；

22、卡方指数用于逻辑回归的常规检验，计算为最佳拟合模型的-2ln(l)和零假设的-2ln(l0)之间的差值；伪r平方用于评估逻辑回归模型与样本特征对应的数据集的一致；

23、2log(likelihood)用于评估逻辑回归模型的总体拟合度，总体拟合度是基于偏差计算的，偏差是从模型中有预测变量的偏差中减去没有预测变量的误差而得到的；

24、接收机工作特征roc的数值范围在0到1之间，值1表示完全一致，即表示预测地图和地面实况之间完全匹配；值0.5表示位置的随机性，即表示预测图中的单元值是随机生成的。

25、作为上述技术方案的进一步优选，伪r平方是模型与数据拟合程度的指标，值为零表示自变量和因变量之间没有相关性，计算伪r平方指数的表达式为：

26、

27、其中，ln(l)表示最佳拟合的概率，ln(l0)表示零假设的概率，所有系数都设置为零，确定的伪r平方用于衡量逻辑回归模型与数据集的有效对齐程度。

28、第二方面，本发明还提供了一种基于时空模型的按蚊幼虫栖息地预测系统，包括：

29、数据获取模块，用于获取研究区域的气象数据和遥感图像数据，并对气象数据和遥感图像数据进行预处理和特征提取得到预处理数据；

30、特征提取模块，用于对预处理数据进行特征提取得到样本特征，其中，样本特征包括洼地的几何特征、河流缓冲区、土地覆盖、土壤类型、降雨量和按蚊幼虫发育阶段的平均地表温度lst、以及生长度天数gdd；

31、特征训练模块，用于构建基于逻辑回归的时空预测模型对样本特征进行训练以预测按蚊幼虫栖息地。

32、本发明提供了一种基于时空模型的按蚊幼虫栖息地预测方法及系统，通过获取研究区域的气象数据和遥感图像数据，并对气象数据和遥感图像数据进行预处理和特征提取得到预处理数据，对预处理数据进行特征提取得到样本特征，构建基于逻辑回归的时空预测模型对样本特征进行训练以预测按蚊幼虫栖息地，使用ml预测模型和高分辨率遥感数据来提取地表的几何和描述性特征，生成了按蚊幼虫栖息地的风险图，考虑当地范围内临时水生栖息地形成和监测的所有影响因素，可以及时预测和监测按蚊幼虫的临时水生栖息地，实现精确监测小型和临时按蚊幼虫的水生栖息地、加强疟疾控制措施和及时干预提供准确的预测，减少疟疾的传播和影响。