本发明涉及城市绿地管理，特别是涉及一种城市绿地有害生物灾害预警防控管理系统、一种城市绿地有害生物灾害预警防控管理方法。
背景技术：
1、城市绿地有害生物灾害预警防控管理系统是一种基于大数据、人工智能和物联网技术的智能化预警防控系统。现有技术中，该系统通过在城市绿地中部署感知器设备，实时采集环境数据和有害生物信息，利用数据分析和算法识别和预测有害生物的活动规律和潜在风险。一旦检测到有害生物的异常活动或外来入侵，系统会立即发出预警信号，通知相关部门进行应急处理。
2、现有技术中，城市绿地管理系统一般根据绿地与有害生物的相互制约关系，例如压力-状态-相应进行预警管理，由于该系统所采集的信息较为繁琐，所需安装的设备较多，因此对于数据采集的成本较高，同样也导致时效性较差。此外，由于现有的城市绿地管理系统往往进行整体评估，难以针对各区域不同植物种类及有害生物种类进行评估，而没有考虑各区域间潜在的干扰影响，因此输出的风险评估准确性较低，难以作为可靠的评价标准。
技术实现思路
1、基于此，有必要针对现有的城市绿地有害生物识别预警存在识别精度低、可靠性低的问题，提出一种城市绿地有害生物灾害预警防控管理系统及方法。
2、本发明通过以下技术方案实现：一种城市绿地有害生物灾害预警防控管理系统包括采集装置、预处理装置、风险识别装置、预警模块和管理模块。
3、采集装置用于采集基于管理区域的城市绿地大数据。
4、预处理装置包括数据预处理模块、分区模块。预处理模块用于去除大数据中的错误和重复数据。分区模块用于将管理区域划分为多个分区域，建立每个分区域的数据集，将与每个分区域相关的数据分别添加到对应的数据集中。
5、风险识别装置包括分区风险识别模块、交互风险识别模块。分区风险识别模块用于根据每个数据集的数据分析对应分区域内的综合风险值。交互风险识别模块用于根据各分区域的综合风险值及相互干扰系数计算深度风险值。
6、预警模块用于判断各分区域的深度风险值是否高于预设的阈值，是则发出报警信号。
7、管理模块用于识别各分区域的防控措施是否按时完成，在任意分区域的防控措施未按时完成时，生成防控命令并发送给相应的作业人员。
8、上述防控管理方法充分考虑不同种类有害生物对不同种类绿地植物造成的破坏性，通过对绿地的多维数据进行识别，分析绿地区域内存在的有害生物种类及族群密度，进而分析出每个绿地区域的有害生物风险值，根据各区域间的相互干扰性，得到深度风险值，能够更精确地反映出当前区域内存在有害生物的危害性，且通过实时采集数据并处理，能够提高对有害生物的预警及处理效率，保护绿地环境不被破坏。
9、进一步地，城市绿地大数据包括动态影像、气候数据、地质数据和大气数据。
10、进一步地，分区风险识别模块包括颜色识别模型、动态识别模型、地质识别模型、气体识别模型和综合运算模块。
11、颜色识别模型用于根据动态影像识别出每个分区域的绿地颜色，进而通过绿地颜色的变化识别出存在有害生物的第一风险值p1，并判断有害生物的种类及族群密度。
12、动态识别模型用于根据动态影像识别每个分区域内存在有害生物的第二风险值p2，并判断有害生物的种类及族群密度。
13、地质识别模型用于根据地质数据识别每个分区域的地质变化，进而识别出存在有害生物的第三风险值p3。
14、气体识别模型用于根据大气数据识别每个分区域的气体含量变化，进而识别出存在有害生物的第四风险值p4。
15、综合运算模块用于根据预设的权重，计算每个分区域的综合风险值。则综合风险值pz的计算公式表达为：
16、pz＝ω1p1+ω2p2+ω3p3+ω4p4
17、式中，ω1、ω2、ω3、ω4分别为设置的权重。
18、进一步地，交互风险识别模块包括映射表、干扰系数计算模块和深度风险运算模块。
19、映射表用于根据识别出的有害生物种类及每个分区域的植物种类，查找对应的危害程度r。
20、干扰系数计算模块用于根据各分区域的间距、气候数据和地质数据计算各区域间的干扰系数。则干扰系数k表达为：
21、
22、式中，d为预设的标准间离，d为两个分区域的间距，ρ1为气候干扰项，ρ2为地质干扰项。
23、深度风险运算模块用于根据各区域的综合风险值、危害程度和干扰系数计算对应的深度风险值，则深度风险值pd的计算公式表达为：
24、
25、式中，pdi为第i个分区域的综合风险值，n为分区域的数量，rj为第j个分区域中的有害生物对第i个分区域的危害程度，kj为第j个分区域对第i个分区域的干扰系数，pzj为第j个分区域的综合风险值。
26、进一步地，管理模块包括日常管理模块和风险管理模块。
27、日常管理模块用于：一、根据预设的防控计划生成防控命令，发送至每个分区域的负责人员。二、接收每个分区域上传的防控日志，进而检查每个分区域的防控完成进度，当存在分区域未按时完成防控计划时，生成报警命令并发送至对应分区域的负责人员及上级负责人员。
28、风险管理模块用于：一、根据每个分区域内的深度风险值，在一个预存的防控计划表中查询对应的防控措施，进而生成防控命令发送至对应分区域的的负责人员。二、根据每个分区域反馈的防控日志，判断每个分区域是否完成防控措施，并在任意分区域未按时完成防控计划时，生成报警命令并发送至对应分区域的负责人员及上级负责人员。
29、本发明还提供一种城市绿地有害生物灾害预警防控管理方法，包括如下步骤：
30、s1：采集基于管理区域的城市绿地大数据。城市绿地大数据包括动态影像、气候数据、地质数据和大气数据。
31、s2：对城市绿地大数据进行预处理，去除其中的错误数据和重复数据，并将管理区域划分为多个分区域，将城市绿地大数据分别划分到每个分区域对应的数据集中。
32、s3：对每个分区域进行风险识别，输出每个分区域的综合风险值、有害生物种类及族群密度。根据每个分区域的风险值及相互干扰系数计算每个分区域的深度风险值。
33、s4：判断每个分区域的深度风险值是否高于预设的阈值，是则发出报警信号，并生成对应的防控命令发送至对应的分区域负责人员。
34、进一步地，在步骤s3中，综合风险值的识别方法如下：
35、s311：在动态影像中进行抽帧得到多个绿地图像。识别绿地图像，得到每个分区域中的绿地颜色变化。根据绿地颜色的变化识别出存在有害生物的第一风险值p1。
36、s312：在动态影像中捕捉小型生物的移动轨迹及体型，进而识别出有害生物的种类及族群密度，根据有害生物的种类及族群密度识别对应分区域的第二风险值p2。
37、s313：根据地质数据识别每个分区域的地质变化，进而识别出存在有害生物的第三风险值p3。
38、s314：根据大气数据识别每个分区域的气体含量变化，进而识别出存在有害生物的第四风险值p4。
39、s315：根据预设的权重，计算每个分区域的综合风险值。则综合风险值pz的计算公式表达为：
40、pz＝ω1p1+ω2p2+ω3p3+ω4p4
41、式中，ω1、ω2、ω3、ω4分别为设置的权重。
42、进一步地，在步骤s3中，深度风险值的计算方法如下：
43、s321：根据识别出的有害生物种类及每个分区域的植物种类，查找对应的危害程度r。
44、s322：根据各分区域的间距、气候数据和地质数据计算各区域间的干扰系数。则干扰系数k表达为：
45、
46、式中，d为预设的标准间离，d为两个分区域的间距，ρ1为气候干扰项，ρ2为地质干扰项。
47、s323：根据各区域的综合风险值、危害程度和干扰系数计算对应的深度风险值，则深度风险值pd的计算公式表达为：
48、
49、式中，pdi为第i个分区域的综合风险值，n为分区域的数量，rj为第j个分区域中的有害生物对第i个分区域的危害程度，kj为第j个分区域对第i个分区域的干扰系数，pzj为第j个分区域的综合风险值。
50、相较于现有技术，本发明具有如下有益效果：
51、本发明的防控管理方法充分考虑不同种类有害生物对不同种类绿地植物造成的破坏性，通过对绿地的多维数据进行识别，分析绿地区域内存在的有害生物种类及族群密度，进而分析出每个绿地区域的有害生物风险值，根据各区域间的相互干扰性，得到深度风险值，能够更精确地反映出当前区域内存在有害生物的危害性，且通过实时采集数据并处理，能够提高对有害生物的预警及处理效率，保护绿地环境不被破坏。
52、本发明通过构建不同的识别模型，针对绿地区域中植物颜色变化、动物动态捕捉、地质变化、气候变化、大气变化等，识别出可能存在的有害生物种类及种群密度，并分析可能存在的风险值，通过加权运算得到综合风险值，相较于现有的有害生物风险识别，本发明对于绿地有害生物的分析更为全面，识别精度更高，输出的风险值也更具价值。
1.一种城市绿地有害生物灾害预警防控管理系统，其特征在于，包括：
2.根据权利要求1所述的一种城市绿地有害生物灾害预警防控管理系统，其特征在于，所述城市绿地大数据包括动态影像、气候数据、地质数据和大气数据。
3.根据权利要求2所述的一种城市绿地有害生物灾害预警防控管理系统，其特征在于，所述分区风险识别模块包括：
4.根据权利要求3所述的一种城市绿地有害生物灾害预警防控管理系统，其特征在于，所述交互风险识别模块包括：
5.根据权利要求1所述的一种城市绿地有害生物灾害预警防控管理系统，其特征在于，所述管理模块包括：
6.一种城市绿地有害生物灾害预警防控管理方法，其应用于如权利要求1至5中任意一项所述的一种城市绿地有害生物灾害预警防控管理系统，其特征在于，包括如下步骤：
7.根据权利要求6所述的一种城市绿地有害生物灾害预警防控管理方法，其特征在于，在步骤s3中，所述综合风险值的识别方法如下：
8.根据权利要求6所述的一种城市绿地有害生物灾害预警防控管理方法，其特征在于，在步骤s3中，深度风险值的计算方法如下：
