关于大数据助力江苏省稻麦病害监测预警的实践与思考

尚芬芬 彭欣 谈晶晶 毛学伟 张延发

（1江苏省互联网农业发展中心，南京 210017；2北京佳格天地科技有限公司，北京 100190）

江苏省既是经济大省，又是农业大省。其中，水稻和小麦是江苏省主要种植的两大粮食作物。据统计，2020年江苏省水稻和小麦的播种面积分别为2.20×106hm2和2.34×106hm2。而稻瘟病和小麦赤霉病分别是江苏省水稻和小麦生产上主要发生的两种病害，据研究，稻瘟病在一般发生年份会导致水稻减产10%～20%，在严重发生年份可导致水稻减产40%～50%；小麦赤霉病则会导致小麦减产、品质变劣、食用中毒等问题。因此，为保障江苏省稻麦产量和品质，在稻麦主要病害侵染关键期进行有效的病害监测和早期预防，已成为江苏省稻麦生产管理中的重要任务。

多年来，在指导江苏省农户进行稻麦病害防治方面，江苏省各级植保部门积累了一定的数据和实战经验，例如，通过在关键时期组织专家实地调查、实时总结汇报发病情况、进行微信或短信提醒等手段，提升了江苏省稻麦病害的防治水平。但是，在江苏省稻麦病害防治工作过程中也发现了许多不足，例如，监测覆盖不够全面、监测预报网络体系机制不够健全、监测设施设备智能化水平不够先进等。与此同时，近年来，随着气候的变化、耕作制度的演变，江苏省稻麦病害监测预警不断面临新的挑战。然而随着互联网、移动互联、物联网等信息技术的快速发展，充分利用信息技术改造传统农业生产、经营、管理和服务方式，已成为促进“互联网+”现代农业发展的重要驱动。因此，可利用信息化手段提升稻麦重大病害监测预警能力和整体防治水平。为此，江苏省在大数据与稻麦重大病害防治方面进行了有效探索，其中，利用大数据等技术手段，可提高稻麦病害监测预警的及时性、精准性、高效性。在此背景下，笔者拟对利用大数据等技术手段开展稻麦病害监测预警的实践做法进行总结，并对该领域的未来发展前景进行展望，以期促进江苏省农业绿色、高质量发展，从而为保障农业生产安全和推动农业农村高质量发展提供有力支撑。

1 江苏省“大数据+”稻麦病害监测预警的实践做法

江苏省以“预防为主、科学防治”为指导，通过调查研究、统筹规划，构建了稻麦重大病害监测预警大数据平台（以下简称平台），并利用大数据等技术手段，助力全省水稻稻瘟病和小麦赤霉病监测预警工作，提高了灾害控制和突发灾情的应急控制主动性，提升了全省稻麦重大病害的监测预警水平。

1.1 充分利用天空地一体化监测手段，强化多源数据采集能力

数据采集是大数据分析的基础性工作，平台运用新一代信息技术来拓展数据采集渠道，构建了集天空地于一体的数据监测体系，提高了数据采集的自动化、精准化水平。具体表现为：（1）数据来源多元化。综合运用GIS、物联网、卫星遥感等多种技术，拓展数据采集渠道，汇聚基础空间数据、气象数据、作物识别数据、多光谱遥感影像数据等多元数据，自动采集病菌孢子信息等数据，并结合种植品种、生育期、栽培方式、土肥、水利、历史病害周期等存量数据，为多方位实时监测预警提供了数据支撑。（2）数据采集实时化。病害发生与气象情况密切相关，根据监测分析需要，强化了气象数据处理融合，接入了气象站点的实时气象数据、历史气象数据、气象预测数据等相关资源，并按照空间分辨率、时间分辨率、多维参数组合等方式进行加工，再将加工后的数据以接口的方式自动接入监测预警系统，提高了气象数据的实时性和准确性。（3）数据生产智能化。平台建有智能化数据生产体系，实现了数据生成全过程自动化。例如，自动对卫星遥感影像进行下载、拼接、处理，自动生成历史基础数据知识库，并根据监测预警分析需求定期进行更新，无需进行人工数据维护，其持续性和延续性较强。

1.2 创新构建病害模型算法，提升平台监测预警水平

长期以来，稻麦病害监测预警主要依赖疾病诊断和种植实践经验判断，病害的防控预见性不足。为此，平台创新构建了病害监测大数据模型算法，有效提高了平台的预测预警能力。该模型的主要特点为：（1）综合考虑了国内外模型因素。通过综合分析国内外研究成果，吸收先进的模型因素，构建了模型的因素和变量。其中，稻瘟病主要考虑的因素和变量有气温、空气湿度、降水、孢子扩散、叶片湿度、生育期、日照、风速、孢子沉降、氮肥施用、作物品种、孢子穿透、露点温度、孢子释放等；小麦赤霉病主要考虑的因素和变量有气温、降水、空气湿度、生育期、生物量、叶面积指数、叶绿素含量、遥感NDVI、RVI和DVI指数等。（2）扩展应用了人工智能算法。采用马尔可夫链蒙特卡罗算法（简称MCMC），通过训练、计算、分析、调优、交互，实现了病害因子自动分析，提供了基于位置变量、时间变量等的单/多变量预测服务。同时，结合近十年的历史病害测报数据和气象数据，通过回归分析、稳健性检验、灵敏度测试等方法，优化模型参数，稳健输出了病害发生的风险预测，并将病害预测模型算法结果和观测圃实地调研采样结果进行对比，优化了模型结果空间分布的准确性。（3）优化了预测模型流程。水稻稻瘟病和小麦赤霉病的病害风险模型主要包括病害逐日风险预测、病害逐日风险指数、作物生育期预测、关键生育期范围计算、定局病害风险指数计算、作物识别、定局受灾风险面积评估7个子模块，模块流程见图1。传统遥感病害研究模型大多通过高光谱无人机数据的回归拟合算法进行田间病害监测，优化的病害预测模型与传统遥感病害研究模型相比，优势明显，具体见表1。

图1 优化的病害预测模型的整体子模块流程

表1 优化的病害预测模型与传统遥感病害研究模型的优势对比

1.3 不断加大推广应用力度，平台预测预警初见成效

近年来，江苏省通过不断推广应用病害监测预警大数据平台，并将预测结果进行空间可视化展示，取得了积极成效。具体为：（1）平台的推广应用范围较大。目前，平台的应用覆盖了省、市、县三级植保工作人员，这对于江苏省水稻稻瘟病和小麦赤霉病进行精准侵染期风险预报和发病定局风险预测，重点病害风险区域进行勘察和病害统防统治，稻麦收获后的处理指导等，均起到了较好的促进作用。据统计，平台于2018年—2020年3年累计服务小麦和水稻种植面积超过1.33×107hm2，节约了大量人力。（2）平台的病害辅助预测效果较好。根据模型预测结果，得到了2018年—2020年水稻稻瘟病和小麦赤霉病的风险指数与高风险面积汇总，见表2和表3。同时，通过分析发现，江苏省水稻稻瘟病和小麦赤霉病的定局整体风险主要受病菌越冬存活率、侵染窗口期的时间及周期、侵染窗口期的天气状况三大因素的综合影响。另外，通过模型可在收获前1个月左右预测2种病害的发病定局风险，综合模型结果和专家决策，可指导高风险地区的稻麦在成熟后及时进行抢晴收割、晾晒风扬、合理储藏，避免稻麦长时间堆放导致再次感染。（3）预测的准确性较高。2018年—2020年平台预测出了水稻稻瘟病和小麦赤霉病的风险趋势，在大尺度下与实际观测结果吻合、趋势匹配，综合准确率超过80%。同时，通过平台预测数据指导相关地区进行提前防治，有效控制了病害的侵染范围，平均每户每年减少植保用药1～2次，每年的病害平均综合防治率超过90%，每年因此带来的经济效益达7亿～10亿元。

表2 2018年—2020年江苏省水稻稻瘟病风险指数和高风险面积汇总

表3 2018年—2020年江苏省小麦赤霉病风险指数和高风险面积汇总

2 江苏省“大数据+”稻麦病害监测预警的未来发展

2.1 紧跟科技发展步伐

实践证明，江苏省“大数据+”稻麦病害监测预警已发挥出重要作用，未来还需进一步结合大数据、云计算、区块链等技术，进行优化调整。例如，深度融合大数据采集、存储、计算、分析技术，研发病害监测预警实用新成果等，从而进一步为江苏省开展“大数据+”稻麦病害监测预警工作提供科技支撑。

2.2 逐步丰富平台的功能应用

未来，江苏省要探索拓展联合作物管理知识、作物图库、灾害指标等模块，实现对作物的实时远程监测与诊断，并提供智能化、自动化管理决策，增加稻麦常见病害种类，研究基于GIS的不同病害“全省一张图”场景化展示，从而打造出农业技术人员管理农业生产的“千里眼”和“听诊器”。

2.3 统筹利用“苏农云”建设成果

未来，可探索依托江苏省农业农村大数据云平台（即“苏农云”），综合利用农业农村各行业领域的相关数据资源，多维度、多角度地进行关联性分析研究，从而深入挖掘出更多有用信息，推动“大数据+”稻麦病害监测预警工作的高效发展，使之更好地服务于江苏省现代化绿色农业。

3 小 结

近年来，江苏省针对水稻稻瘟病和小麦赤霉病两种重大病害，运用天空地一体化监测手段进行数据采集，通过融合卫星遥感、气象信息、作物生长状态信息等多元数据，结合作物发病规律、田间防治经验，研究完善模型算法，构建了稻麦重大病害监测预警大数据平台，探索了病害监测管理、预报预警、信息服务等大数据分析应用，同时将监测预警结果进行了空间可视化展示，最终取得了较好的辅助预防成效。今后，江苏省将结合农业绿色、高质量发展需要，进一步丰富和提升稻麦重大病害监测预警大数据平台的功能模块和分析能力，进而提高江苏省“大数据+”稻麦病害监测预警水平，从而为江苏省稻麦病害监测预警提供更好、更高效的智能化服务。