农作物病虫害预报方法研究综述

马宁，孟志军，王培，梁勇（.国家农业智能装备工程技术研究中心，北京00097；.山东农业大学信息科学与工程学院）



农作物病虫害预报方法研究综述

马宁1，孟志军1，王培1，梁勇2
（1.国家农业智能装备工程技术研究中心，北京100097；2.山东农业大学信息科学与工程学院）

摘要：农作物病虫害监测预警是植保工作的基础，是有效防控病虫害的前提、是农业生产安全的保障。我国作为一个农业生产大国，更需要关注农作物病虫害预报预警技术的发展，保障农作物的安全生产。分析当前国内外部分病虫害预报预警方式，指出当前预警方式存在的问题，并对该项研究的发展做出展望。

关键词：农作物；病虫害；预报方法

农作物病虫害是影响我国农业生产的重要因素，极大地影响了我国粮食安全。根据全国农业技术推广服务中心组织专家对2013年农作物重大病虫害发生趋势会商结果，2013年全国农作物重大病虫害总体维持重发态势[1]。根据此次病虫害发生趋势会商结果，全国各地的相关部门统一协作，积极做好前期预警、中后期防治工作，有效控制了病虫害的发生发展，减少了发生面积，挽回了大量经济损失。据不完全统计，2013年通过前期预警，水稻、小麦、玉米、马铃薯4类粮食作物挽回产量损失780亿kg，按2013年当年防治投入计，通过病虫害预测减少防治投入60亿元以上。由此可见，我国的病虫害预警工作成效显著，为保障我国粮食安全做出了突出贡献[2]。

我国现行植保工作的方针：“预防为主，综合防治”。这个工作方针是在长期的农业生产实践中，同病虫害做斗争中得到的经验总结；同时，此方针也吸取和借鉴了国外的植保工作经验。在农业生产中，首先要做到“预防为主”，重视病虫害监测预警工作。监测预警是“综合防治”的基础，若不能做到病虫害预警，病虫害防治工作将会陷入被动。因此，变被动为主动，通过预警情况来部署相应的防治工作才是正确的工作方式。

病虫害的发生发展主要由以下三点决定：外部适宜病虫害发生的环境、病虫自身达到感染传播的生长阶段、存在可供病虫寄生的植物；其中第一点是决定病虫害能否流行爆发的主要因素。因此病虫害预警主要是通过对病虫害发生初期的气象条件、作物品种、栽培方式等信息进行汇总整理，进而分析在一定时间段内病虫害是否会大范围发生。虽然当前的病虫害预警方式多种多样，但是都存在各自的局限性和不足之处。

1　病虫害发生发展预报方法研究

国内外专家学者对农作物病虫害预报预警做了大量的研究，主要集中在以下几点：病虫害发生机理、预测预报方法、病虫害发生的影响因子、预警预报系统功能等几个方面[3]。所研究病虫害不仅包括由真菌、病毒等引起的生物病害，也包括了由外部环境等其他因素引起的病害，如冻害、草害等。目前有关气候变化对病虫害影响的研究预测，多是定性的结论；或是一定区域内针对某一病虫害进行的预测，不具普适性。当前病虫害的预测研究主要集中在以下几点：基于经验或试验的预测、基于生物学系统的预测、基于数理统计的预测、基于灰色系统理论的预测、基于模糊数学的预测、基于信息技术的预测[4]。

1.1基于经验或实验的预测

此类方法主要从种植经验或实验角度出发，通过实验分析作物生长发育、繁殖、结实等时期的特性，结合相应的气候环境因素进行分析预测。如通过实验得到害虫发育与温度关系及其有效积温等数据，利用气象资料进行发生期的预测[5]。韩兰芝等[5]通过实验，确定了不同温度对甜菜夜蛾产卵、孵化、发育的不同影响，建立了种群生命信息表，从而建立了两个数学函数模型：种群增长趋势指数、世代存活率与温度之间的模型，结合实际的气象资料可以对甜菜夜蛾的爆发做出预警。此类方法需要较为详细和精确的实验数据才能构建模型，因此对实验设计和实验条件均有一定的要求。

1.2基于生物学系统的预测方法

此类方法是基于生物学的病害预测，将植物的生长发育、生存、繁殖等生长过程作为研究对象，同时辅以环境影响因子，分析出一定的定量或定性关系式，以模型预测出病虫害的发生发展。

王海燕等[6]通过对番茄晚疫病的生物学过程的研究，将晚疫病的流行发展系统的划分为以下几个连续的部分：病害侵染、病害潜育和显症、病斑的扩散和二代孢子进行再次扩散侵染。之后运用定量分析和统计学研究，确定各部分的主要影响因子，分别对应四个部分建立了预测模型，通过四个模型预测晚疫病是否会爆发。基于生物学基础建立的预报模型，在建模过程中仅考虑了病虫害发生的生物学过程，缺乏对病虫害发生发展的气候条件及气候要素间相互影响的考虑，制约了模型的使用范围。同时对生物学过程中部分内容的研究不明确，尚不能确定对模型的影响。

1.3基于数理统计方法的预测方法

运用数理统计方法，在选择预报因子时大多采用相关分析、符号法、极差分析等，而预测方法通过建立预测模型，包括直线回归分析、曲线回归分析、多项式分析等[7]。这些方法具有组建模型比较简单、使用方便等特点。

左豫虎等[8]通过相关分析、回归分析等方法，统计分析了长达23年的田间赤霉病病情资料与气象资料，明确了病情流行的影响因素，建立了小麦赤霉病预测模型，模型较准确的反映了小麦赤霉病的流行规律。郑莲枝等[9]通过连续10年的实验，对小麦根腐病病情和气象因子进行年度分析，通过直线回归和分档统计分别进行病害流行强度的预测，预报结果吻合率均可反映病害的流行强度。此类方法需要长期记录的气象数据，同时要求气象数据类目详细，限于拥有此类数据的单位进行此类预警模型的构建。对于气象记录历史短，数据不详尽的单位不适宜用此类方法构建预警模型。

1.4基于灰色系统理论的预测方法

灰色系统理论是邓聚龙教授提出的一种解决信息不完备问题的数学方法。该理论认为非确定量是灰色量，把影响灰色量的因素当作是干扰量，最后反映到动态过程，因此可以看作是对未来做出的预测[10]。农作物病虫害的发生可以看作是一个与时间有关的过程，其特征量（发生面积、时间等）蕴含了未来时刻系统发生变化的某些信息。因此，灰色系统法可用于建立预报模型。

李茂达等[11]通过灰色系统理论，结合绵阳市历年小麦赤霉病发生面积数据作为时间数据序列，建立GM（1，1）模型，对未来作物病虫害发生面积做出预测。使用此方法仅需掌握某地连续5年以上的病虫害发生记录，就可以应用GM（1，1）模型做出相关预测，而不必考虑其他影响因子的作用。

虽然此类方法仅需考虑所提供少量历史数据就可以做出预报模型，但模型做出预测的基础是假定未来时间内系统的影响因素均保持不变；但随着时间变化，未来一些客观因素必然会发生变化，此时系统的状态将会发生波动，从而影响预测值。因此，通过建立的预测模型需要不断补充新的资料，对模型进行修正和优化。

1.5基于模糊数学的预测方法

模糊数学是把客观世界中的模糊现象作为研究对象，找出其中存在的一定规律，然后用数学方法分析，得出相对模糊的结论[12]。病虫害的发生是由多种自然因素相互影响的，是一种复杂的自然现象，各种因素以及结论都存在一定的模糊性。使用模糊数学理论不需要精确的描述，只要得出相对明确的描述，就可以作为病虫害发生的依据。

李仲惺等[13]通过模糊数学理论，采用因子权重综合评判法，建立预测式。对第一代二化螟发生期进行预报，既减轻了剥蛹历期的人工工作强度，又提高了预报的准确率，减少了预报中出现的偏差。模糊数学预测法虽然比线性回归等数学方法简单，但实时预警效果不佳，若要得出较为准确的预警结论，仍需增加其他的预报因子。

1.6基于人工神经网络预报方法

人工神经网络是近年来兴起的一门学科，它是通过对人脑组织结构和运行机制的模拟，从而建立起的一种非线性动力学系统，具有容错能力强、跟踪性能好、适应面广等优点[14]。许多学者对其进行研究，并取得了一定的成果，建立出多种病虫害预报模型。其中应用最广泛的就是BP多层神经网络，它的特点是可以将输出值与期望值不断比较、修正，使输出误差达到最小，使网络输出和实际期望输出尽量一致。

孙凡等[15]通过运用人工神经网络进行长江中下游的梨黑星病的预测。通过一系列的数学运算：Sigmaid函数、计算误差信号、修正权值阙值等；经过多次训练过程之后，BP网络的预测准确率达到了93.33%。Lankin-Vega，G.等[16]通过人工神经网络方法建立模型对秋季大麦黄矮病进行病害预警，并将预警结论与多元回归分析模型预警结论进行比较，结果表明人工神经网络模型得到的预测误差要比多元回归分析预测误差小得多，说明此模型可以对病虫害进行有效预测。关海鸥等[17]改进了BP神经算法在收敛速度和计算量方面的不足，提高了BP网络的训练速度，同时成功应用于小麦赤霉病的预测中，为BP神经网络应用于农业问题起到示范作用。

人工神经网络法不需要人为地考虑各影响因子之间的权值，它可以比较实际输出值和期望输出值的误差，自动修正模型，因此较为简单。此方法的关键在于选用的神经网络的结构和参数。同时选用训练的个体差异越小，可使训练过程更精度，速度更快。因此，选定合适的参数和神经结构尤为重要。

1.7基于3S技术的预报方法

3S技术，即GIS、GPS和RS。3S技术当前广泛应用于大范围病虫害灾情测报，通过GPS提供空间信息，精确定位找到灾害发生点，RS提供图像光谱信息，GIS对信息进行整合、分析，直观的反映病虫害的分布范围、发生面积、危害程度等信息；可以建立起大范围病虫害灾情发展趋势的模型，模拟病虫害种群的变化趋势，从而对病虫害的发展趋势做出预测。

石雷等[18]提出利用中低分辨率遥感卫星数据在时间序列上的累计环境变化响应，结合GIS技术、人工智能能技术监测松材线虫病的新方法。此方法主要利用低分辨率卫星具有较高时间分辨率的特点，遥感数据对地面连续的环境因子响应明显，通过累计响应体现灾害情况。Ravlin等[19-20]利用GIS技术对舞毒蛾在美国的分布进行了研究，通过对研究数据进行了分析，得出种群分布结论；同时对位于美国东部Appalachians中心诱捕舞毒蛾的数量和产卵密度利用GIS进行插值分析，并预测出舞毒蛾扩散范围。使用3S技术需要整合分析多种方面的数据和资料，需要专业知识和技术。因此。该方法较适合专业研究机构使用。

2　研究中存在的问题

（1）外界气象条件对农作物病虫害的发生发展有巨大影响，研究农田环境因子与病虫害发生发展之间的关系，可以对预报模型的建立提供理论基础。但是不能仅考虑温度、湿度等气象因子，还需要考虑其他影响因子，例如：作物品种抗病性、作物的栽培方式、作物生长是否缺少某些营养元素、上一季种植作物是否会累积病源等。

（2）通过数学公式来描述因果关系时，需要长期的历史资料，要求数据类目、年份较详细，对数据的依赖性较大。同时，部分数学模型地域性特点明显，不具有普适性，并且由于近年来气候特异性加强，通过气象数据对病虫害发生发展的预测会产生偏差。

（3）病虫害的发生发展是个动态变化的过程，每年的气候条件、种植条件等相关因素均与之前截然不同，因此所建立的预报系统应该根据实际情况逐渐修正，不能一成不变的使用。

（4）当前病虫害预报预警的主要趋势是实时、提前预警，以上提到的诸多预报方式，少有能做到实时、提前预警的，大多是根据以往数据做出一定的推测，实时预警结论准确性相对较低，影响防治工作。

3　结论和展望

农作物病虫害预报工作一直是我国植保工作的重点。虽然近年来农作物病虫害一直呈现多发重发的状态，但通过我国各级植保工作者的努力，坚持预警预报工作，为国家挽回了巨大的经济损失。随着信息技术的发展、新技术的应用，不仅提高预报的准确性，还拓宽了预报研究思路。虽然当前我国相关研究还未达到世界先进水平，预警方式存在些许不足，但随着物联网技术、信息技术的发展，农业传感器的广泛应用，我国病虫害预报预警正朝着实时、提前的准确预警方向迅速发展。

目前，全球气候变化加剧，必然导致预报预警工作更加复杂，应进一步加强全球气候变化对病虫害发生发展的研究。从宏观上加强对病虫害发生发展的研究；在微观上，现阶段研究应将重点放在提高无线传感器的准确度、稳定性、完善种类等方面，同时应该研发低成本、低能耗的传感器，从而保证能长期采集到精确的数据。通过采集农田小气候实时环境数据，可以为建立农作物病虫害预测模型提供更加详尽的基础数据，提高预测模型的准确性，争取做出实时、准确的预警系统。同时，应运用信息技术将病虫害的预警和诊断两项工作紧密结合起来，实现病虫害预警诊断一步到位。例如：可以通过农业物联网获取农田环境数据和病害图片，将数据和图片上传后，预警模型通过数据得出实时预警结论，诊断系统通过以图搜图或图像分析识别等技术，实现病虫害的迅速诊断，使用户能迅速根据情况做出相应的防治措施。只有进一步深入研究，多领域通力合作，才能做到提高预警准确度，做到实时、提前预警，切实保障农业安全生产。

参考文献：

［1］赵中华，杨普云，周阳.2013年我国农作物病虫害发生特点与防治成效［J］.中国植保导刊，2014，34（3）：21-24.

［2］全国农业技术推广服务中心测报处.2013年农作物重大病虫害发生趋势预报［J］.中国农资，2013，204（10）：26.

［3］籍延宝.农业主要病虫害监测预警系统通用平台的开发及初步应用［D］.北京：中国农业大学，2014.

［4］张蕾.气候变化背景下农作物病虫害的变化及区域动态预警研究［D］.北京：中国气象科学研究院，2013.

［5］韩兰芝，翟保平，张孝羲.不同温度下的甜菜夜蛾实验种群生命表研究［J］.昆虫学报，2003，46（2）：184-189.

［6］王海燕.番茄晚疫病流行的电算模拟模型研究Ⅰ各子模型的建立和研究［J］.河南农业大学学报，1988，22（3）：349-356.

［7］杨海鹰.棉铃虫发生程度与气象条件预测模式初探［C］//中国气象学会.中国气象学会2006年年会气候系统模式发展与应用.北京：中国气象学会，2006.

［8］左豫虎，郑莲枝，张匀华，等.黑龙江省春小麦赤霉病流行的预测方法［J］.植物保护学报，1995，22（4）：297-302.

［9］郑莲枝，张匀华，彭驰，等.黑龙江省春小麦根腐病流行规律与预测方法研究［J］.黑龙江八一农垦大学学报，1988 （1）：15-23.

［10］熊彩云，吴涛，习万根.灰色系统理论在植物病虫害预测中的应用［J］.江西植保，2005，28（2）：49-51.

［11］李茂达，王明田，蔡元刚.灰色系统理论在绵阳市作物病虫害预测中的应用［J］.高原山地气象研究，2009，29 （2）：54-55.

［12］王信群.模糊数学在病虫害测报中的应用［J］.安徽农业科学，2005，33（3）：396-398.

［13］李仲惺.模糊数学方法预报一代二化螟主峰［J］.温州农业科技，2000（4）：4-6.

［14］张映梅，李修炼，赵惠燕.人工神经网络及其在小麦等作物病虫害预测中的应用［J］.麦类作物学报，2002，22 （4）：84-87.

［15］孙凡.运用BP人工神经网络预测长江中下游梨黑星病发病的研究［J］.生物数学学报，2002，17（4）：440-443.

［16］Lankin-Vega G，Worner S P，Teulon D A J.An ensemble model for predicting Rhopalosiphum padi abundance［J］. EntomologiaExperimentalisApplicata，2008，129（3）：308-315.

［17］关海鸥，许少华，左豫虎，等.BP神经网络算法的一种改进及在小麦赤霉病预测中的应用［J］.黑龙江八一农垦大学学报，2009，21（3）：87-90.

［18］石雷，韦雪花，周汝良.3S技术在松材线虫病监测预警中的应用研究现状［J］.云南地理环境研究，2008，20 （3）：15-19.

［19］Ravlin F W，Bellinger R G，Roberts E A.Gypsy moth management programs in the United States：status，evaluation，and recommendations［J］.Bulletin of the ESA，1987，33 （2）：90-98.

［20］Ravlin F W，Fleischer S J，Carter M R，et al.A monitoring system for gypsy moth management［J］.General Technical Report（GTR），1991（3）：89-97.

［21］霍治国，李世奎，王素艳，等.主要农业气象灾害风险评估技术及其应用研究［J］.自然资源学报，2003，18（6）：692-703.

［22］孙立德，张殿香，梁志兵.二代棉铃虫发生程度与气象因素的灰色关联优势分析［J］.中国农业气象，2005，26 （3）：187-190.

［23］王万雄，李自珍.多种天敌控制多种害虫的模糊数学模型［J］.生物数学学报，2005，20（1）：115-121.

［24］李全胜.模糊数学在农业气象生态中的应用［J］.科技通报，1989（2）：35-37.

［25］段友臣，刘孝永，徐同成，等.信息化技术在植物保护中的应用研究［J］.安徽农业科学，2013，41（19）：8347-8348.

［26］严巍，李琳壹.信息技术在植保领域的应用［J］.园林科技信息，2005，95（1）：38-40.

［27］张国林，周小涛.发达国家农业信息化建设经验及对江苏的启示［J］.农业网络信息，2011（12）：83-86.

［28］刘万才，武向文，任宝珍，等.美国的农作物病虫害数字化监测预警建设［J］.中国植保导刊，2010，30（8）：51-54.

Research Summary on Forecasting Methods of Crop Pests and Diseases

Ma Ning1，Meng Zhijun1，Wang Pei1，Liang Yong2
（1.National Research Center of Intelligent Equipment for Agriculture，Beijing 100097；2.College of Information Science and Engineering，Shandong Agricultural University）

Abstract:Monitoring and warning of crop pests and diseases are the basis for plant protection，the prerequisite for the effective prevention and control of pests and diseases，the guarantee of agricultural production safety.Our country is used as a major power of agricultural production，and needs to pay more attention to the development of crop pests and diseases forecasting and warning technology to ensure the crops safety production.The current popularity way of pests forecasting and domestic and foreign warning methods were analyzed，pointed out the problems of the current methods，and provided the prospects of study development.

Key words：crop；pest and disease；forecasting methods

中图分类号：S431

文献标识码：A

文章编号：1002-2090（2016）01-0015-04

doi:10.3969/j.issn.1002-2090.2016.01.004

收稿日期：2015-04-01

基金项目：国家高技术研究发展计划（2012AA101901）；兵团重大科技项目（2013AA004）。

作者简介：马宁（1990-），男，山东农业大学信息科学与工程学院2013级硕士研究生。

通讯作者：孟志军，男，研究员，硕士研究生导师，E-mail：mengzj@nercita.org.cn。