本發明涉及生態監測與疫病預警，具體為野生鳥類與人類活動熱點交互監測與疫病預警方法。
背景技術：
1、隨著全球生態環境的變化和人類活動的擴張，野生鳥類逐漸成為人類活動區域內的重要流動因子，鳥類的遷徙、覓食與棲息行為與人類的農業、漁業、城市擴張及廢棄物處理等活動密切交織，其空間重疊區域往往構成潛在的疫病傳播熱點，尤其在禽流感等人畜共患病的流行背景下，野生鳥類作為天然宿主或中間傳播媒介，常成為跨區域疫病傳播的關鍵環節。
2、現有技術中，通過對食源數據或環境數據進行時間序列分析或格網化統計，對鳥類活動密度進行估計，例如利用衛星建立食源格網，將鳥類觀測數量與人類投放事件進行空間疊加分析，從而識別潛在的高風險交互區域，以上方案的優點在于實現簡單，且能夠初步識別潛在的交互熱點；但現有技術缺乏利用食源吸引力引導個體移動的機制，難以準確模擬鳥類的局部聚集及突發行為模式，使得生成的鳥群密度估計存在偏差，進而導致未能在后續識別鳥類活動的觸發點時提供真實基線，同時現有技術在識別鳥類活動的觸發點的過程中，未對觸發點進行情景模擬，從而難以區分實際的聚集觸發與偶發的密度波動，綜合導致最終生成的疫病預警結果準確性不足。
技術實現思路
1、本發明的目的在于提供野生鳥類與人類活動熱點交互監測與疫病預警方法，以解決上述背景技術中提出的問題。
2、為了實現上述目的，本發明的技術方案如下：
3、第一方面，本發明公開野生鳥類與人類活動熱點交互監測與疫病預警方法，包括以下步驟：
4、獲取目標對象的食源時序矩陣、環境條件化矩陣和不確定度場；
5、以所述不確定度場為權核對所述食源時序矩陣做熵加權重構，并將熵加權重構結果與所述環境條件化矩陣進行張量融合；
6、以張量融合結果和所述不確定度場為內部約束，以所述環境條件化矩陣為外部約束，構建目標函數并進行求解，生成情景化吸引力場，并以所述情景化吸引力場的梯度為粒子移動規則，以所述不確定度場為隨機擾動進行鳥群移動模擬，生成鳥群密度估計；
7、對張量融合結果和所述情景化吸引力場進行時序掃描，生成潛在觸發點，并對每一潛在觸發點，將所述情景化吸引力場在對應潛在觸發點的值進行歸零，并以張量融合結果為約束條件進行無觸發情景模擬；
8、對所述鳥群密度估計與無觸發情景模擬結果進行差異分析，判斷差異分析結果是否大于預設的約束閾值，是則判定相應潛在觸發點為真實觸發點；
9、對所述真實觸發點、所述鳥群密度估計和所述不確定度場進行結構化組合，生成疫病預警包。
10、第二方面，本發明公開了野生鳥類與人類活動熱點交互監測與疫病預警系統，包括：
11、數據獲取模塊，用于獲取目標對象的食源時序矩陣、環境條件化矩陣和不確定度場；
12、數據處理模塊，用于以所述不確定度場為權核對所述食源時序矩陣做熵加權重構，并將熵加權重構結果與所述環境條件化矩陣進行張量融合；
13、鳥群密度估計模塊，用于以張量融合結果和所述不確定度場為內部約束，以所述環境條件化矩陣為外部約束，構建目標函數并進行求解，生成情景化吸引力場，并以所述情景化吸引力場的梯度為粒子移動規則，以所述不確定度場為隨機擾動進行鳥群移動模擬，生成鳥群密度估計；
14、情景模擬模塊，用于對張量融合結果和所述情景化吸引力場進行時序掃描，生成潛在觸發點，并對每一潛在觸發點，將所述情景化吸引力場在對應潛在觸發點的值進行歸零，并以張量融合結果為約束條件進行無觸發情景模擬；
15、交互熱點識別模塊，用于對所述鳥群密度估計與無觸發情景模擬結果進行差異分析，判斷差異分析結果是否大于預設的約束閾值，是則判定相應潛在觸發點為真實觸發點；
16、疫病預警模塊，用于對所述真實觸發點、所述鳥群密度估計和所述不確定度場進行結構化組合，生成疫病預警包。
17、與現有技術相比，本發明的有益效果為：
18、1、本申請通過引入多時間步的時序掃描與鄰域驗證機制，結合數據置信值動態調整加權因子，能夠更準確地識別由鳥類聚集行為引發的真實觸發點，提高潛在疫病傳播熱點的識別精度，為后續疫病預警提供更可靠的數據基礎。
19、2、本方案通過置信值加權的二次篩選及無觸發情景模擬，建立了動態基準對比機制，能夠準確區分由食源或環境變化引發的真實聚集事件與隨機密度波動，避免因偶發波動導致的預警誤報，提升疫病風險識別的可靠性，同時，無觸發情景模擬為觸發點驗證提供了可比較的基準數據，增強了對鳥類活動觸發機制的解析能力。
1.野生鳥類與人類活動熱點交互監測與疫病預警方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的野生鳥類與人類活動熱點交互監測與疫病預警方法，其特征在于：獲取目標對象的食源時序矩陣、環境條件化矩陣和不確定度場具體包括：
3.根據權利要求2所述的野生鳥類與人類活動熱點交互監測與疫病預警方法，其特征在于：對各清洗候選序列進行加權合成，生成食源時序矩陣具體包括：
4.根據權利要求3所述的野生鳥類與人類活動熱點交互監測與疫病預警方法，其特征在于：以所述不確定度場為權核對所述食源時序矩陣做熵加權重構，并將熵加權重構結果與所述環境條件化矩陣進行張量融合具體包括：
5.根據權利要求4所述的野生鳥類與人類活動熱點交互監測與疫病預警方法，其特征在于：對張量融合結果和所述情景化吸引力場進行時序掃描，生成潛在觸發點具體包括：
6.根據權利要求5所述的野生鳥類與人類活動熱點交互監測與疫病預警方法，其特征在于：對每一潛在觸發點，將所述情景化吸引力場在對應潛在觸發點的值進行歸零，并以張量融合結果為約束條件進行無觸發情景模擬具體包括：
7.根據權利要求6所述的野生鳥類與人類活動熱點交互監測與疫病預警方法，其特征在于：對所述真實觸發點、所述鳥群密度估計和所述不確定度場進行結構化組合，生成疫病預警包具體包括：
8.根據權利要求7所述的野生鳥類與人類活動熱點交互監測與疫病預警方法，其特征在于：對每一真實觸發點，根據所述鳥群密度估計、張量融合結果和所述置信值通過加權融合生成接觸風險評分具體包括：
9.根據權利要求7所述的野生鳥類與人類活動熱點交互監測與疫病預警方法，其特征在于：根據所述情景化吸引力場、張量融合結果、所述鳥群密度估計及所述不確定度場，對所述接觸風險評分進行情景化仿真與效用評估，生成處置方案具體包括：
10.野生鳥類與人類活動熱點交互監測與疫病預警系統，其特征在于，包括：