基于無人機影像和半變異函數的玉米螟空間分布預報方法

吳才聰，胡冰冰，趙 明，寇志宏，張麗君

?

基于無人機影像和半變異函數的玉米螟空間分布預報方法

吳才聰1，胡冰冰1，趙 明1，寇志宏1，張麗君2

（1.中國農業大學信息與電氣工程學院，北京100083； 2.沈北新區農業技術推廣中心，沈陽110121）

空間變異擬合是實現小區域亞洲玉米螟變量防治和藥劑減施的工作基礎。該文以建立玉米螟空間分布最優半變異擬合函數和預測模型為研究目的，選擇半徑為2 km的圓形區域作為核心研究區，開展無人機高清影像獲取、受蟲害株率人工調查、越冬蟲源基數調查、村莊網格劃分等數據獲取與處理，研究玉米螟空間擴散影響因子及空間變異特征。研究表明，受蟲害株率空間變異顯著，服從對數正態分布；經地統計學交叉驗證，0階指數模型為擬合受蟲害株率空間分布的最優半變異函數模型；越冬玉米螟蟲源數量與受蟲害株率相關系數為0.61。因此，通過受蟲害株率人工調查，基于指數模型利用克里格插值方法，可以生成受蟲害株率空間分布圖；由于影響因素眾多，僅依據越冬蟲源數量尚難以準確預測玉米螟發生嚴重程度。該文所探索的技術路線可以為玉米螟小區域變量防治提供實現途徑，據此可以達到藥劑節約和環境保護的目的。

無人機；蟲害控制；圖像分析；玉米螟；小區域管理；受蟲害株率；半變異函數

0 引 言

玉米螟是玉米的主要害蟲，輕發生年份可造成玉米減產5%～10%，嚴重發生年份可造成玉米減產30%以上[1-2]?，F有文獻關于玉米螟的研究基本停留在縣級或更大區域，滿足不了在小區域（如田塊）內按需投放赤眼蜂[3-4]和變量噴施藥劑[5]的要求，將造成較為嚴重的藥劑浪費和環境污染。大尺度、小區域范圍內的研究和應用，首先應明晰玉米螟的時空分布特征。在中國提出2020年實現肥藥雙減的目標下，這種精準防治需求顯得日益迫切。

當前對玉米螟的防治主要有4種方式，即物理防治、農業防治、生物防治和化學防治[6]。國外對蛾類昆蟲的生物防治研究較多，如針對蘋果卷葉蛾[7]、蚊子[8]、橡樹卷葉蛾[9]等，在虛擬[10]、異構環境[11]中建立昆蟲的時空擴散模型[12]和最優控制模型[13]，以確定最佳的不孕雄蛾投放點，達到降低甚至徹底消滅害蟲的目的。在玉米螟的時空擴散研究方面，一般針對大區域進行采樣、預測和防治，難以用函數進行描述。有研究利用地統計學半變異函數，對小區域內歐洲玉米螟幼蟲的擴散特性進行研究，揭示了幼蟲的空間擴散和分布規律[14]。但通過受蟲害株率調查，快速反映其小區域內空間分布為變量防治提供參考等方面研究較少。

玉米螟的發育、危害有其自身的發展規律。玉米成熟前，玉米螟幼蟲鉆入秸稈中，70%~80%的玉米螟在秸稈垛中越冬，約20%的玉米螟在玉米根部越冬[15]。因此，玉米垛中的玉米螟將成為第二年一代玉米螟的主要蟲源。95%的一代玉米螟成蟲遷飛距離在4 km范圍內，80%的玉米螟成蟲遷飛距離在1 km范圍內；98%的二代玉米螟成蟲遷飛距離在2 km范圍內[16]。由此可見，玉米螟不是遠距離遷移昆蟲，這是建立玉米螟空間擴散模型的基本依據。

為此，本文擬針對小區域一代玉米螟精準防治需要，基于GNSS移動終端[17-18]開展受蟲害株率調查，運用地統計學的克里格插值方法，論證選擇最優半變異函數模型[19-20]對玉米螟分布的空間變異[19,21]進行擬合；進而利用無人機獲取玉米地的分布和調查秸稈垛的百稈含蟲量，探尋蟲源和受蟲害株率的相關性，為玉米螟的時空擴散模型建立提供理論和方法參考。

1 材料與方法

1.1 研究區概況

研究區為沈陽市沈北新區大洋河村、小洋河村、南臺子村、熊家崗村、王驛屯村和閻三家村（圖1），坐標介于123°16′E至123°48′E、41°54′N至42°11′N之間。研究區中，99%的農田為輝山乳業集團農業種植中心所承包，用于種植青貯玉米，并實現了全程機械化作業。輝山乳業集團流轉土地約38 000 hm2，玉米螟是其主要病害，每年均投入大量人力、物力和資金進行一代玉米螟的防治。

研究區玉米收獲后即進行整地作業，農田中幾乎無玉米根茬殘留。村民自耕農田大部分位于房屋前后的自留地中，主要種植籽實玉米。村民收獲籽粒后，在房屋周邊，將玉米秸稈堆積成垛，用作燃料。這些來自于自留地的玉米秸稈，是輝山乳業集團承包地下一年一代玉米螟的主要蟲源。

鑒于玉米螟的中心擴散特性和小區域研究需要，如圖1所示，本文以大洋河村為中心、以2 km為半徑畫圓，該圓所圈區域即為核心研究區。從圖中可見，核心研究區被周邊5個村莊所包圍。

1.2 技術路線

本文研究技術路線如圖2所示。玉米螟時空擴散模型的建立，從2個方面開展。一基于四旋翼無人機，獲取村莊、秸稈垛和玉米地分布圖，進而通過人工調查，獲得玉米螟蟲源基數，開展蟲源基數分級。二是通過人工調查，獲取玉米受蟲害株率數據，分析其空間分布變異系數、獲得最優半變異函數。進而開展網格劃分，將蟲源基數加權處理，結合受蟲害株率調查數據，分析其時空擴散特性。

1.3 受蟲害株率獲取及分級

2016年7月1日至5日，對研究區農田進行隨機采樣，每個采樣點隨機抽取100株玉米，查看其受蟲害株率。共采集到149個樣本，采樣點分布見圖，依據《玉米螟測報技術規范（NY/T 1611-2008）》，部分數據及等級劃分見表1。每個采樣點，均通過移動終端記錄了GNSS坐標。

表1 玉米受蟲害株率數據集（總計149個）

1.4 影像獲取與地物提取

2016年7月6日至7日，基于大疆精靈4（Phantom 4）四旋翼無人機，利用HXGS.S(release2)飛控軟件，對大洋河村進行了飛行高度為100 m的全景拍攝。無人機采用FOV 9420 mm鏡頭和1/2.3英寸CMOS傳感器，有效像素1 240萬，所拍攝影像空間分辨率為0.04 m，航向重疊率為80%。使用Pix4Dmapper軟件進行影像的自動拼接。無人機所拍攝大洋河村影像見圖3。

基于無人機影像[22-23]，通過目視解譯[24]，可以提取玉米地和快速定位秸稈垛的分布位置，可為蟲源基數調查等地面工作提供指引和村莊網格劃分提供參考。從無人機影像可以看出，大洋河村周邊是玉米地，房屋前后為自留地，種植著籽實玉米和蔬菜。玉米地、菜地和林地顏色相近，將影響分類精度。

在ArcMap中通過目視解譯，對無人機影像進行村莊玉米種植區矢量化。利用ENVI對無人機影像進行監督分類，得到玉米種植地。將目視解譯和監督分類后的結果進行疊加（圖4）?？梢钥闯?，玉米地、菜地和林地相互摻雜。因此，在這樣的區域，提取田園玉米地的最優方法為目視解譯。

1.5 越冬蟲源基數獲取

玉米螟越冬場所范圍廣、越冬寄主復雜，調查工作量大、準確性不高。因此，玉米螟的預測預報工作主要采取冬后基數調查。2016年6月1日至6月4日，在研究區利用具有GPS/BDS兼容定位功能的華為手機和Ulysse Gizmos軟件，對隨機抽查的秸稈垛進行定位。在所抽查的秸稈垛中隨機選取20根玉米秸稈，刨稈查看每根秸稈中玉米螟（幼蟲和蛹）的數量，調查結果見表2，所抽查玉米垛在各村的分布見圖1。

表2 玉米螟越冬蟲源基數

從表2可見，研究區玉米跺普遍存留越冬玉米螟，且越冬蟲源基數差異較大、空間分布不均勻。

1.6 網格劃分

為便于分析蟲源和受蟲害株率的相關性，本文對研究區（主要針對村莊）進行網格劃分，基于抽查蟲源基數平均值計算網格蟲源基數參考值，再對網格進行質點化處理，即以網格中心點作為該網格內玉米螟蟲源參考中心點。

由于每個村莊的位置和面積不同，對成蟲飛行距離和飛行方向均有不同的影響。以大洋河村為例，村東和村西的距離大于1 km，進行網格劃分時，不能簡單地將該村作為一個網格對待，而應對其細分，劃分為若干適宜的單元。本文以200 m為網格邊長，將村莊劃分成多個小區域，如圖5所示。

2 擴散特征與空間變異擬合

2.1 生命周期

亞洲玉米螟的生命周期見圖6，主要包括卵、幼蟲、蛹和成蟲4個階段。成蟲產卵發育成幼蟲，幼蟲對玉米植株具有破壞性。

圖7為沈陽地區玉米螟生命周期[26-27]示意圖，從圖中可知，玉米螟有一代、二代甚至三代，在玉米的各個生長環節，均對玉米有著嚴重的危害。一代玉米螟是防治的主要對象，通過及時、全面的防治措施，可以有效減少甚至消除二代和三代玉米螟的危害。而越冬幼蟲是一代玉米螟的主要蟲源。

2.2 影響因子

從表2可以看出，玉米螟蟲源基數屬于輕發生等級。事實上，越冬蟲源基數大并不代表玉米螟發生程度高，因為玉米螟在秸稈垛或根部經歷幼蟲、蛹后形成成蟲，成蟲產卵發育成破壞玉米植株的幼蟲，在此期間有眾多因素影響其生長發育，如天敵和氣候。因此，建立玉米螟擴散模型，僅考慮玉米螟越冬蟲源基數是不夠的。

影響玉米螟擴散、發育的因素很多，結合研究區的具體情況，進行篩選后選擇6個影響程度較大的影響因子進行綜合分析，見表3。

表3 玉米螟擴散影響因子

結合表3的分析可知，玉米螟的擴散，主要與蟲源數量和擴散距離相關。玉米螟具有空間擴散行為的是幼蟲和成蟲，且以成蟲的大范圍擴散為主。而成蟲需經排卵發育成幼蟲，幼蟲再對作物進行破壞。由于幼蟲的遷徙半徑極小以至于可以忽略不計[14]，因此，可以通過受蟲害株率推測成蟲的空間擴散特性。反之，利用受蟲害株率的調查數據，也可以推測小區域受蟲害株率的空間分布變異。

2.3 變異擬合

在玉米螟空間擴散研究方面，傳統統計分析方法忽略了空間相關性，地統計學因考慮樣本間的相關性而具有其優越性。

地統計學是以具有空間分布特點的區域化變量理論為基礎，研究自然現象空間變異與空間結構的一門方法。地統計學以半方差函數為主要工具，在土壤、農業、氣象和生態等領域應用廣泛[29-29]?？死锔袷堑亟y計學的常用插值方法，其所用的安全型理論模型有球狀模型、指數模型和高斯模型等。通過對比半變異函數擬合結果的誤差，可以得到擬合受蟲害株率的半變異函數最優模型。

3 結果與分析

3.1 描述性統計

大洋河村周邊2 km范圍內的核心研究區玉米受蟲害株率描述統計結果見表4，47.38%的變異系數說明，玉米受蟲害株率屬于中等程度的變異。因此，針對玉米螟的空間實際分布情況，按需進行藥劑變量噴施和玉米螟天敵投放，具有顯著的現實意義。

運用Kolmogorov-Smirnov方法，對玉米受蟲害株率數據集進行正態分布檢驗，置信度為95%時，其K-SP值等于0.084，說明玉米螟符合對數正態分布。

表4 受蟲害株率描述統計（樣本數=91）

3.2 半變異函數

通過正態分布檢驗后，進一步遴選最佳的半變異擬合函數模型，以利用克里格插值方法，對玉米螟受蟲害株率的空間分布進行擬合，從而為玉米螟按小區域防治，提供理論依據和可行方法。表5為利用球狀、指數和高斯3種半變異函數模型擬合的誤差結果。

表5 插值計算誤差統計表

ME（平均預測誤差）、MSE（平均標準差）、RMSE（均方根誤差）和ASE（平均克里格標準差）的值越接近于0及RMSSE（一致性估計均方根標準差）的值越接近于1，表示模型的計算誤差越小。經綜合分析，0階指數模型是玉米受蟲害株率空間分布的最佳擬合函數模型。

進一步，可以獲得樣本數據的半變異函數的擬合參數，如表6所示?；_值表示區域內部總的變異性，也就是半變異函數隨著距離增加到一定程度后出現的平穩值，當變異函數值超過基臺值時，即半變異函數值不隨樣本間隔距離改變，不存在空間相關性。

表6 受蟲害株率半變異函數參數

3.3 空間分布

基于0階指數模型，運用普通克里格插值方法，可以獲得受蟲害株率空間分布圖（如圖8）。

從圖8中可以看出，玉米受蟲害株率存在空間分布差異，與受蟲害株率描述統計相符合?；谠摲植紙D，即可生成噴藥處方圖或天敵投放圖，實現按需進行藥劑變量噴施和玉米螟天敵投放。

3.4 蟲源相關性分析

通過研究有關玉米螟成蟲擴散特性的文獻，可以得出一個基本結論，即擴散距離是蟲源數量擬合受蟲害株率的主要和關鍵權重，玉米螟成蟲的分布密度，隨著擴散距離的增加，呈快速下降的趨勢。具體地說，在2 km范圍內，下降速度較快；之后，下降速度變緩；超出4 km范圍時，則幾乎可以忽略不計。據此，本文經綜合比較，獲得公式（1）作為擴散權重與擴散距離的關系式。

=?0.0113+0.0832?0.22+0.22 （1）

式中為擴散距離，km，為擴散權重系數。

進一步，定義受蟲害株率矩陣(×1)，定義百稈含蟲量矩陣(×1)，定義距離矩陣(×)，定義擴散權重矩陣(×)。其中，距離矩陣表達了受蟲害株率采樣點與百稈含蟲量網格點間對應的空間距離。則權重矩陣與距離矩陣的關系為公式（2）。

=×（2）

將權重矩陣與百稈含蟲量矩陣相乘，可得矩陣。為加權百稈含蟲量。對與進行回歸分析，可得公式（3），相關系數為0.61，散點圖如圖9。

=0.11+13.06 （3）

顯然，公式（3）也可以表達為公式（4）

=0.11××+13.06 （4）

公式（4）表明，通過越冬蟲源基數調查（百稈含蟲量及其坐標），可對一代玉米螟發生的嚴重程度進行預測。但由于影響因素眾多，相關系數較低，該方法僅能作為參考方法。

3.5 經濟性評估

與均一防治對比，變量防治可以有效節約藥劑、減輕污染。變量防治用藥量可通過下式計算

式中為總用藥量，kg；為玉米螟發生等級；A為等級的農田面積，hm2；σ為等級的用藥量，kg/hm2。

結合圖8，研究區玉米螟發生等級有2級和3級，其對應的農田面積分別為1 186.4和78.8 hm2。假設2是3的70%，均一防治以σ進行均勻噴藥，則根據以上條件，變量防治對比均一防治，可節省用藥量28.1%。

4 討 論

當前玉米螟的預測預報主要針對大范圍進行，通過氣候條件、往年發生程度等影響因素，進行概率性的預測。針對小區域的精準預測是一項具有較高難度的挑戰性工作，其原因在于玉米螟主要通過成蟲的空間飛行進行擴散，通過產卵、發育成幼蟲對玉米進行傷害，這之間需要經過一定的時間，而外部因素又會對產卵和幼蟲發育產生必然的干擾。也就是說，幼蟲調查數據（受蟲害株率）并不能真實反映成蟲擴散的實際情形。盡管如此，幼蟲的分布還是能在一定程度上反映成蟲的分布，進而推測幼蟲之間具有一定的空間相關性（不取決于幼蟲自身的擴散，實際上其擴散半徑不超過2.5 m[14]）。這也是本文研究的基本依據。

同樣，基于蟲源基數對受蟲害株率進行預測，是一種易于理解的方法，因為絕大部分的一代玉米螟幼蟲是經由秸稈垛中的越冬幼蟲發育而來的（經歷蛹和成蟲）。但由于玉米螟的生長發育和時空擴散影響因素眾多，本文通過試驗數據進行回歸分析所獲得的相關系數較小，這說明該方法還需更多的數據及試驗來驗證。這也是我們下一步的研究目標。

此外，本文所開展的抽樣調查方法及忽略掉的影響因子，對本文的研究結果會有一定的影響。例如，在采樣過程中，對大洋河村及其周邊進行了較密采樣，其余村莊只在靠近大洋河村方向的區域進行了采樣。氣候條件是影響玉米螟擴散的一個重要影響因素，方圓2 km范圍內的溫度差異可以忽略，但是風的影響可能會產生擴散差異性影響。

5 結 論

針對小區域亞洲玉米螟變量防治的需要，本文從受蟲害株率和越冬蟲源基數調研入手，尋找最優玉米螟空間分布變異擬合函數，初步探索了玉米螟變量防治的技術路線。

1）以大洋河村周邊2 km的范圍為核心研究區，對該研究區采集的91個玉米受蟲害株率點數據進行分析，其變異系數為47.38%，屬于中等變異程度，說明開展按需投放玉米螟天敵和變量噴施藥劑，具有顯著的現實意義。

2）運用Kolmogorov-Smirnov方法，在置信度為95%時，其K-SP值等于0.084，說明91個玉米受蟲害株率點數據服從對數正態分布，0階指數模型為受蟲害株率空間分布擬合的最佳半變異函數。運用普通克里格方法，可以獲得玉米受蟲害株率空間分布圖，進而可為變量防治處方圖制作提供參考。

3）由加權百稈含蟲量求得受蟲害株率預測值，其與實測受蟲害株率相關系數為0.61。由于影響因素眾多，該系數較低，通過越冬蟲源數量預測受蟲害株率僅能作為參考方法。無人機可為秸稈垛定位和百稈含蟲量調查提供高清影像、位置信息和路徑引導。

[1] 李靜雯，張安盛，張思聰，等. 山東省亞洲玉米螟越冬特性及越冬代成蟲發生期預測[J]. 應用昆蟲學報，2015，52(1)：209－214.

Li Jingwen, Zhang Ansheng, Zhang Sicong, et al. Overwintering characteristics of the Asian corn borer,(Guenée) () and prediction of the period of occurrence of overwintering generation adults[J]. Chinese Journal of Applied Entomology, 2015, 52(1): 209－214. (in Chinese with English abstract)

[2] 秦維彩，薛新宇，周立新，等. 無人直升機噴霧參數對玉米冠層霧滴沉積分布的影響[J]. 農業工程學報，2014，30(5)：50－56. Qin Weicai, Xue Xinyu, Zhou Lixin, et al. Effects of spraying parameters of unmanned aerial vehicle on droplets deposition distribution of maize canopies[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(5): 50－56. (in Chinese with English abstract)

[3] 徐東甫，白越，宮勛，等. 基于六軸多旋翼飛行器的赤眼蜂投放系統設計與試驗[J]. 農業機械學報，2016，47(1)：1－7.

Xu Dongfu, Bai Yue, Gong Xun, et al. Design of trichogramma delivering system based on Hex-Rotor UAV[J]. Transaction of the Chinese Society for Agricultural Aachinery, 2016, 47(1): 1－7. (in Chinese with English abstract)

[4] 宋若川，遲穎敏. 赤眼蜂生產工廠化配套設備的研究[J]. 農業工程學報，1995，11(2)：48－52.

Song Ruochuan, Chi Yingmin, Wang Heping, et al. A study on setting equipment of manufactured reproduction of trichogramma[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 1995, 11(2): 48－52. (in Chinese with English abstract)

[5] 郭娜，胡靜濤. 基于 Smith-模糊 PID 控制的變量噴藥系統設計及試驗[J]. 農業工程學報，2014，30(8)：56－64.

Guo Na, Hu Jingtao. Design and experiment of variable rate spaying system on Smith-Fuzzy PID control[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(8): 56－64. (in Chinese with English abstract)

[6] 趙秀梅，王振營，張樹權，等. 亞洲玉米螟綠色防控技術組裝集成田間防效測定與評價[J]. 應用昆蟲學報，2014，51(3)：680－688.

Zhao Xiumei, Wang Zhenying, Zhang Shuquan, et al. Evaluation of different integrated, multiple, green, control techniques to control the Asian corn borer,(Guenee) ()[J]. Chinese Journal of Applied Entomology, 2014, 51(3): 680－688. (in Chinese with English abstract)

[7] Tyson R, Thistlewood H, Judd G J R. Modelling dispersal of sterile male codling moths,, across orchard boundaries[J]. Ecological Modelling, 2007, 205(1): 1－12.

[8] Dufourd C, Dumont Y. Impact of environmental factors on mosquito dispersal in the prospect of sterile insect technique control[J]. Computers & Mathematics with Applications, 2013, 66(9): 1695－1715.

[9] Kapeller S, Schroeder H, Schueler S. Modelling the spatial population dynamics of the green oak leaf roller () using density dependent competitive interactions: effects of herbivore mortality and varying host-plant quality[J]. Ecological Modelling, 2011, 222(7): 1293－1302.

[10] Ghosh S, Bhattacharyya S. Spatiotemporal dynamics of insect pest population under viral infection[J]. Mathematical Biosciences, 2013, 244(1): 13－21.

[11] Rodríguez N. On an integro-differential model for pest control in a heterogeneous environment[J]. Journal of Mathematical Biology, 2015, 70(5): 1177－1206.

[12] Azevedo F, Coutinho R M, Kraenkel R A. Spatial dynamics of a population with stage-dependent diffusion[J]. Communications in Nonlinear Science and Numerical Simulation, 2015, 22(1): 605－610.

[13] Fister K R, McCarthy M L, Oppenheimer S F, et al. Optimal control of insects through sterile insect release and habitat modification[J]. Mathematical Biosciences, 2013, 244(2): 201－212.

[14] Wright R J, Devries T A, Young L J, et al. Geostatistical analysis of the small-scale distribution of European corn borer () larvae and damage in whorl stage corn[J]. Environmental Entomology, 2002, 31(1): 160－167.

[15] 賈乃新，楊桂華，李綿春. 越冬代玉米螟化蛹前在玉米垛內的活動和化蛹部位[J]. 吉林農業科學，1987(2)：31－32.

[16] 王振營，張廣義. 亞洲玉米螟一，二代成蟲擴散規律研究[J]. 植物保護學報，1995，22(1)：7－11.

Wang Zhenying, Zhang Guangyi. A release-and-recapture study on dispersal of adults of first and second generation Asian corn borer in north China[J]. Journal of Plant Protection,1995, 22(1): 7－11. (in Chinese with English abstract)

[17] Wu C C, Zhou L, Wang J, et al. Smartphone based precise monitoring method for farm operation[J]. International Journal of Agricultural and Biological Engineering, 2016, 9(3): 111－121.

[18] 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.

Zhao Qingzhan, Jin Guangcai, Zhou Wenjie, et al. Information collection system for diseases and pests in cotton field based on mobile GIS[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2015, 31(4): 183－190. (in Chinese with English abstract)

[19] 宋曉宇，王仁紅，楊貴軍，等. 高分辨率遙感影像中冬小麥長勢空間異質性特征分析[J]. 農業工程學報，2014，30(17)：192－199.

Song Xiaoyu, Wang Renhong, Yang Guijun, et al. Winter wheat growth spatial variability character analysis based on remote sensing image with high resolution[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(17): 192－199. (in Chinese with English abstract)

[20] 尹世洋，吳文勇，劉洪祿，等. 再生水灌區地下水硝態氮空間變異性及污染成因分析[J]. 農業工程學報，2012，28(18)：200－207. Yin Shiyang, Wu Wenyong, Liu Honglu, et al. Spatial variability of groundwater nitrate-nitrogen and cause analysis of its pollution for irrigation area with reclaimed water[J]. Transactions of the Chinese Society of Agricultural Engineering(Transactions of the CSAE), 2012, 28(18): 200－207. (in Chinese with English abstract)

[21] Lin Zhenhua, Huang Rugen, Hu Yueming, et al. Generating high spatiotemporal resolution LAI based on MODIS/GF-1 data and combined Kriging-Cressman interpolation[J]. International Journal of Agricultural and Biological Engineering, 2016, 9(5): 120－131.

[22] Pan Z, Lie D, Qiang L, et al. Effects of citrus tree-shape and spraying height of small unmanned aerial vehicle on droplet distribution[J]. International Journal of Agricultural and Biological Engineering, 2016, 9(4): 45－52.

[23] Liu Xuefeng, Lyn Qiang, He Shaolan, et al. Estimation of carbon and nitrogen contents in citrus canopy by low-altitude remote sensing[J]. International Journal of Agricultural and Biological Engineering, 2016, 9(5): 149－157.

[24] 李鎮，張巖，楊松，等. QuickBird 影像目視解譯法提取切溝形態參數的精度分析[J]. 農業工程學報，2014，30(20)：179－186.

Li Zhen, Zhang Yan, Yang Song, et al. Error assessment of extracting morphological parameters of bank gullies by manual visual interpretation based on QuickBird imagery[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2014, 30(20): 179－186. (in Chinese with English abstract)

[25] 李萍. 玉米螟綜合防治措施的應用研究[D]. 北京：中國農業科學院，2013.

Li Ping. Application Research of Integrated Control Method for the Corn Borer[D]. Beijing: Chinese Academy of Agricultural Sciences, 2013. (in Chinese with English abstract)

[26] 張柱亭. 亞洲玉米螟對氣候變暖的響應及其對溫度脅迫的適應機制研究[D]. 沈陽：沈陽農業大學，2013.

Zhang Zhuting. The Response to the Global Climate Change and the Adaptation Mechanism to Extreme Temperature by(Guenée)[D]. Shenyang: Shenyang Agricultural University, 2013. (in Chinese with English abstract)

[27] Bachir H, Semar A, Mazari A. Statistical and geostatistical analysis related to geographical parameters for spatial and temporal representation of rainfall in semi-arid environments: The case of Algeria[J]. Arabian Journal of Geosciences, 2016, 9(7): 1－12.

[28] Allajbeu S, Yushin N S, Qarri F, et al. Atmospheric deposition of rare earth elements in Albania studied by the moss biomonitoring technique, neutron activation analysis and GIS technology[J]. Environmental Science and Pollution Research, 2016, 23(14): 14087－14101.

[29] Ooba M, Fujii M, Hayashi K. Geospatial distribution of ecosystem services and biomass energy potential in eastern Japan[J]. Journal of Cleaner Production, 2016, 130: 35－44.

Prediction method for spatial distribution of corn borer based on unmanned aerial vehicle images and semivariance function

Wu Caicong1, Hu Bingbing1, Zhao Ming1, Kou Zhihong1, Zhang Lijun2

(1.100083,; 2.110121)

Serious pest of Asiatic corn borer in China would lead to yield reduction by more than 30%. Precise prediction and variable rate prevention of corn borer are required for cite-specific management nowadays, since too much chemical usage lowers the quality of agricultural product as well as deteriorates the pollution of agricultural environment. The farmers producing silage corn are in face of serious problem of sustainable development. Semivariance function for spatial distribution prediction is the basis of cite-specific management for corn borer. The objective of the research was to find the optimum semivariance function and prediction model for Asiatic corn borer in Shenyang. A circular area around Dayanghe Village with a radius of 2 km was selected as core experimental area. Five other villages were located around Dayanghe Village. Silage corn was planted by China Huishan Dairy Holding Company Limited in the fields among the 6 villages. Grain corn was planted in some small fields around the houses by farmers. PHANTOM 4, unmanned aerial vehicle (UAV) with the camera of FOV 9420 mm, was used to collect the high resolution image. The ground resolution was 0.04 m. The villages, corn straws, and corn fields were interpreted through the UAV images. Both percentage of pest damaged plants (91 sampling points) and percentage of overwintering worms were investigated manually in 2016. And the villages in the research area were divided into grids. The life cycles of Asiatic corn borer, the impact factors of spread, and the spatial variability of percentage of pest damaged plants were studied. Quantity of worm source and spread distance were the key impact factors of the spread behavior of corn borer. Only the larvae and adults have the spread capability, and the adults of corn borer could spread for a large area. The results showed that the spatial variability of pest damaged plants was significant, whose standard deviation was 12.03% and coefficient of variation was 47.38%. It proved that variable rate fertilization for corn borer cite-specific management was necessary. The distribution of percentage of pest damaged plants fitted log-normal distribution, whose K-SP was 0.084. Furthermore, zero-order exponential model was the optimum semivariance function for the fitting of pest damaged plants distribution by cross-validation. Correlation coefficient between overwintering insects and pest damaged plants was 0.61. Therefore, the spatial distribution maps of Asiatic corn borer could be produced through investigating the percentage of pest damaged plants and Kriging interpolation with zero-order exponential model. Only worm sources could not precisely predict the distribution and influence degree of corn borer because of numerous complex impact factors. But the investigation of overwinter worm sources was meaningful for occurrence degree for the current year. Compared with traditional spraying in the research area, the dosage of variable rate spraying reduced by 28.1%, which supposed the spraying dosage of level Ⅱ was 70% of that of level Ⅲ. Therefore, the reduction of spraying dosage was obvious, and the variable rate spraying was valuable and should be encouraged. In conclusion, the technical route of this paper by using UAV and ground investigation, can be the implementation approach for cite-specific management of Asiatic corn borer, and can reduce pesticide waste and environmental pollution.

unmanned aerial vehicle (UAV); pest control; image analysis; corn borer; cite-specific management; percentage of pest damaged plants; semivariance function

10.11975/j.issn.1002-6819.2017.09.011

S25; S435.132

A

1002-6819(2017)-09-0084-08

10.11975/j.issn.1002-6819.2017.09.011 http://www.tcsae.org

2016-11-08

2017-04-12

國家重點研發計劃課題（2016YFB0501805）

吳才聰，男，江西龍南人，副教授，博士，研究方向為農機導航與位置服務、農情監測位置服務。北京 中國農業大學信息與電氣工程學報，100083。Email：wucc@cau.edu.cn

吳才聰，胡冰冰，趙 明，寇志宏，張麗君. 基于無人機影像和半變異函數的玉米螟空間分布預報方法[J]. 農業工程學報，2017，33(9)：84－91.

Wu Caicong, Hu Bingbing, Zhao Ming, Kou Zhihong, Zhang Lijun. Prediction method for spatial distribution of corn borer based on unmanned aerial vehicle images and semivariance function[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2017, 33(9): 84－91. (in Chinese with English abstract) doi：10.11975/j.issn.1002-6819.2017.09.011 http://www.tcsae.org