基于物联网的蔬菜主要病虫害动态气象预报模型

林锴　黄园园　关哲忠

摘要 针对主要蔬菜病虫害进行与气象要素的相关性分析，分别建立蔬菜病虫害发生流行可能性程度的气象预报模型，并建立预测预警平台，平台能够根据获取的物联网数据预测病虫害发生的可能性，并给出生产建议，旨在为蔬菜生产管理和病虫害防治提供技术参考。

关键词 蔬菜病虫害;物联网;气象预报

中图分类号：S436.3 文献标识码：B 文章编号：2095–3305（2022）02–0031–03

蔬菜病虫害的发生在一定程度上与气象要素息息相关，利用气象要素可以对蔬菜病虫害未来的发展作出预测预警，但目前对蔬菜病虫害气象条件预测的研究多为长期、大区预测，很难具体到每块田地、每个农户的农业利益[1]。利用物联网技术快速、准确、高效地获取数据的能力，建立病虫害短期气象预警模型，能够在时间、地点上更精确地实现病虫害发生发展动态的预测，方便经营者实时掌握病虫害发展趋势。

1 材料与方法

1.1 气象资料

采用2019—2020年泉州市“農气宝”物联网和区域自动气象站逐日气象观测数据。

1.2 病虫害资料

蔬菜病虫害数据为2019—2020年《泉州市病虫情报》《病虫害全国各地发生一览表》及走访植保站、种植户实地调查信息。

1.3 研究技术路线

研究技术路线见图1。通过收集历史资料，将病虫害和“农气宝”历史数据进行区间分析，利用病虫害发生适宜温度、适宜湿度、孵化（孵育）区间段等病虫害发生判读依据及气象预报和实况数据，构建蔬菜病虫害预警模型，依据病虫害预警阈值，计算温度、湿度风险指标和有效性指标，界定高、中、低风险区划。

2 结果与分析

2.1 蔬菜病虫害与气象要素相关分析

2.1.1 主要蔬菜病虫害样本构建 根据泉州市病虫情报建立菜青虫、蚜虫、霜霉病、软腐病4种主要蔬菜病虫害样本。通过对《病虫害全国各地发生一览表》利用资料的插值与延长适当进行扩大，摘录主要病虫害全国发生地区、月份及对应的高温、低温及湿度情况进行汇总。

2.1.2 主要病虫害区间分析 通过论证蔬菜病虫害的发生是否与温度、湿度指数有必然联系，分析主要蔬菜病虫害与气象条件之间的关系。

根据《GB/T 23416.1—2009蔬菜病虫害安全防治技术规范》国家标准，菜青虫的适宜温度为20℃～25℃，湿度为76%。相对湿度统计资料显示每月湿度都在0%～100%，因此在区间分析过程中以气温为主。区间分析结果表明：菜青虫的发生与气温有必然关系，适宜温度基本位于其发生月份的温度区间。

采用相同的方法对蚜虫、霜霉病、软腐病进行区间分析可得，这几种病虫害的发生与气温有必然联系，适宜温度基本位于其发生月份的温度区间。

2.1.3 相关性分析 选取平均温度和平均湿度来研究主要病虫害发生的适宜温湿度之间的相关关系。

对菜青虫均温、均湿进行正态检验：以P-P图（图2）的形式展现数据的正态分布情况，可见平均温度和平均湿度的分布基本满足正态分布，因此，可以进一步开展相关性分析。

利用Pearson相关分析方法进行平均温度和平均湿度与菜青虫发生的适宜温度和湿度区间的相关性分析（图3）：均温、均湿与菜青虫发生的适宜温度、适宜湿度之间的r值分别为0.985和0.954，表明温度和湿度均值与菜青虫发生呈现强相关关系，因此，可选择平均温度和平均湿度作为菜青虫发生的评估标准之一。

对蚜虫、霜霉病、软腐病采用同样方法进行研究，得出结论：蚜虫、霜霉病、软腐病与平均温度、平均湿度的分布也基本满足正态分布。

进行相关性分析可得：均温与蚜虫发生的适宜温度r值为0.772，与平均湿度的r值为0.65;平均温度与霜霉病发生的适宜温度r值为0.920，平均湿度r值为0.591;平均温度与软腐病发生的适宜温度r值为0.978，平均湿度r值为0.975。表明平均温度和平均湿度与病虫害发生呈现相关关系，因此可以选择平均温度和平均湿度作为病虫害发生的评估标准之一。

2.1.4 主要病虫害回归线性模型建立 平均温度和平均湿度对蔬菜病虫害的影响都呈现较强相关关系，因此，取平均温湿度值作为自变量，蔬菜病虫害发生的概念温湿度值为因变量建立回归线性分析模型。

回归分析结果如下：菜青虫温度线性公式为Y=0.761X+2.572，湿度线性公式为Y=0.993X-3.727;蚜虫温度线性公式为Y=0.748X+6.406，湿度线性公式为Y0.895X+6.793;霜霉病温度线性公式为Y=0.93X+2.948，湿度线性公式为Y=0.776X+15.571;软腐病温度线性公式为Y=1.069X+0.831，湿度线性公式为Y=0.982X-2.652。

2.2 主要蔬菜病虫害预警模型构建

2.2.1 蔬菜病虫害预警模型 参数输入由区域自动气象站实况数据、气象预报数据、“农气宝”观测实况数据构成。

（1）区域自动气象站实况数据：气温、相对湿度;

（2）“农气宝”观测实况数据：气温、相对湿度、土壤湿度;

（3）气象预报数据：未来7 d天气预报数据。

2.2.2 模型构建 根据《GB/T 23416.1—2009 蔬菜病虫害安全防治技术规范》对4种主要病虫害的习性进行梳理，整理不同病虫害发生适宜温湿度需求。

利用回归线性模型，可以根据气象平均温湿度实况值、气象预报值计算蔬菜病虫害的概念温湿度值。对比病虫害发生的适宜温湿度需求及病虫害存活期、潜育期成虫要求，将概念温湿度与成虫时间段内适宜温湿度要求进行结果对比，统计达到条件要求的连续天数。技术过程见图4。

2.2.3 病虫害发生风险等级 针对不同蔬菜病虫害的类型和繁衍条件，将病虫害发生风险划分为3个等级（图5）：（1）高风险：温度、湿度条件最适宜病虫害的发生;（2）中风险：温度、湿度条件适宜病虫害的发生;（3）低风险：温度、湿度条件不适宜病虫害的发生。

2.2.4 预警模型运行流程 将实况温湿度和预报的温湿度代入回归模型计算出概念温湿度，滑动统计符合适宜条件的连续天数，连续天数为过去实况和未来预报连续符合条件的天数，其中，过去天数按实况平均温度、湿度得出的概念温湿度计算符合条件的天数，预报天数按预报温度计算出的概念温度和降水带来的湿度条件计算符合条件的天数。对比连续天数与具体病虫害风险等级条件天数判断病虫害发生可能性的风险等级。

（1）菜青虫。菜青虫的适宜温度是20℃～25℃，湿度是96%。在适宜条件下，卵期4～8 d，幼虫期11～22 d，蛹期约10 d，成虫期约5 d。

低风险：符合概念气温10℃～ 40℃、概念湿度96%以上、有降水等适宜条件的连续天数在幼虫期不足11 d;

中风险：符合概念气温10℃～ 40℃、概念湿度96%以上、有降水等适宜条件的连续天数达到11～22 d;

高风险：符合概念气温20℃～ 25℃、概念湿度96%以上、有降水等适宜条件的连续天数达到11～22 d。

（2）蚜虫。气温为16℃～22℃、湿度小于75%时最适宜蚜虫繁育，干旱或植株密度过大有利于蚜虫为害，大多数的蚜虫繁殖是4～5 d。

低风险：符合概念温度10℃～ 25℃、概念湿度小于75%、无降水等适宜条件的连续天数不足4 d;

中风险：符合概念温度10℃～ 25℃、概念湿度小于75%、无降水等适宜条件的连续天数达4～5 d;

高风险：符合概念温度16℃～ 22℃、概念湿度小于75%、无降水等适宜条件的连续天数达4～5 d。

（3）霜霉病。此病从幼苗到收获各阶段均可发生，以成株受害较重。主要危害叶片，由基部向上部叶发展，适宜温度为20℃～24℃，湿度条件为60（70）%～100%。霜霉病以萝卜为例，需持续9～14 d。

低风险：符合概念温度10℃～ 40℃、概念湿度60（70）%～100%的连续天数不足9 d;

中风险：符合概念温度10℃～ 40℃、概念湿度60（70）%～100%的连续天数达9～14 d;

高风险：符合概念温度20℃～ 24℃、概念湿度60（70）%～100%的连续天数达9～14 d。

（4）软腐病。软腐病病菌喜温暖高湿环境，适宜发病的温度为10℃～38℃，最适发病环境温度为 25℃～35℃、相对湿度 90%以上，最适感病生育期为成株期至采收期，发病潜育期5～20 d。

定义低风险：符合概念温度10℃～ 38℃、概念湿度大于90%、有降水等适宜条件的连续天数不足5 d;

中风险：符合概念温度10℃～ 38℃、概念湿度大于90%、有降水等适宜条件的连续天数达5～20 d;

高风险：符合概念温度25℃～ 35℃、概念湿度大于90%、有降水等适宜条件的连续天数达5～20 d。

3 病虫害动态气象预测预警平台

根据病虫害预警模型，建立“基于物联网的大棚蔬菜主要病虫害动态气象预测预警平台”（图6）。平台可实时获取“农气宝”物联网设备的实时监测气象要素值、附近区域自动气象站监测数据及未来7 d气象要素预报值，展示要素数据，同时输出病虫害发生可能性风险等级预测结果，并在预测结果上对经营者给出防治措施和建议。

4 结束语

通过收集蔬菜病虫害历史数据和物联网区域自动站气象数据，进行主要蔬菜病虫害与气象要素的相关性分析，建立蔬菜病虫害发生流行可能性程度的气象预报模型，构建可获取物联网数据、输出病虫害发生可能性预测结果、给出生产建议的预测预警平台，更精准、动态地预测病虫害发生的时间、地点，方便经营者实时掌握病虫害发展趋势，为蔬菜生产管理和病虫害防治提供技术参考。

参考文献

[1] 王茂明.福建省蔬菜病虫害发生态势与综合治理[J].福建农业科技，2006（2）：60 -63.

责任编辑：黄艳飞

Dynamic Weather Forecast Model for Main Vegetable Diseases and Insect Pests Based on the Internet of Things

LIN Kai et al（Meteorological Bureau of Nan’an City， Fujian Province， Quanzhou， Fujian 362300）

Abstract Analyzed the correlation betw-een the main vegetable diseases and insect pests and meteorological elements， and established the meteorological forecast model of the probability of the occurrence of vegetable diseases and insect pests， and established a forecast and early warning platform. The platform output the forecast of the probability of the occurrence of diseases and insect pests based on the obtained IoT data. The results and production suggestions were given to provide technical reference for vegetable production management and pest control.

Key words Vegetable diseases and insect pests; Internet of things; Weather forecast

作者簡介 林锴（1984—），男，福建顺昌人，助理工程师，主要从事农业气象研究工作。

收稿日期 2021-12-12