王翔宇　溫皓杰,2　李鑫星　傅澤田,2　呂雄杰　張領(lǐng)先

(1.中國(guó)農(nóng)業(yè)大學(xué)工學(xué)院， 北京 100083； 2.食品質(zhì)量與安全北京實(shí)驗(yàn)室， 北京 100083；3.中國(guó)農(nóng)業(yè)大學(xué)信息與電氣工程學(xué)院， 北京 100083； 4.天津市農(nóng)業(yè)科學(xué)院信息研究所， 天津 300192；5.農(nóng)業(yè)部農(nóng)業(yè)信息獲取技術(shù)重點(diǎn)實(shí)驗(yàn)室， 北京 100083)

?

農(nóng)業(yè)主要病害檢測(cè)與預(yù)警技術(shù)研究進(jìn)展分析

王翔宇1溫皓杰1,2李鑫星2,3傅澤田1,2呂雄杰4張領(lǐng)先3,5

(1.中國(guó)農(nóng)業(yè)大學(xué)工學(xué)院， 北京 100083； 2.食品質(zhì)量與安全北京實(shí)驗(yàn)室， 北京 100083；3.中國(guó)農(nóng)業(yè)大學(xué)信息與電氣工程學(xué)院， 北京 100083； 4.天津市農(nóng)業(yè)科學(xué)院信息研究所， 天津 300192；5.農(nóng)業(yè)部農(nóng)業(yè)信息獲取技術(shù)重點(diǎn)實(shí)驗(yàn)室， 北京 100083)

農(nóng)作物病害一直以來(lái)是制約農(nóng)業(yè)可持續(xù)發(fā)展的主要因素之一，農(nóng)業(yè)病害預(yù)警逐漸成為國(guó)內(nèi)外研究的熱點(diǎn)問(wèn)題。在總結(jié)和整理現(xiàn)有國(guó)內(nèi)外研究文獻(xiàn)的基礎(chǔ)上，對(duì)物聯(lián)網(wǎng)和傳感器、3S、光譜、病原微生物檢測(cè)等農(nóng)業(yè)病害預(yù)警信息獲取關(guān)鍵技術(shù)以及病害圖像處理、病害預(yù)警專家系統(tǒng)、病害預(yù)測(cè)等農(nóng)業(yè)病害預(yù)警信息處理技術(shù)進(jìn)行了系統(tǒng)的分析與討論。綜述結(jié)果表明，多種技術(shù)的結(jié)合、集成及融合將使農(nóng)業(yè)病害預(yù)警的覆蓋面更廣，預(yù)警準(zhǔn)確性更高；農(nóng)業(yè)病害預(yù)警信息獲取方式在向精確化、廣泛化方向發(fā)展；對(duì)農(nóng)業(yè)病害的短期預(yù)警將成為一個(gè)研究重點(diǎn)；農(nóng)業(yè)病害早期/初期檢測(cè)、診斷與預(yù)警會(huì)成為新的發(fā)展方向；農(nóng)業(yè)病害預(yù)警系統(tǒng)及裝備將朝著低成本化方向發(fā)展；實(shí)時(shí)在線的農(nóng)業(yè)病害自動(dòng)預(yù)警方式具有更大的實(shí)際意義。

農(nóng)業(yè)病害； 預(yù)警； 病害檢測(cè)； 物聯(lián)網(wǎng)； 3S技術(shù)

引言

農(nóng)作物病害是農(nóng)業(yè)生產(chǎn)上重要的生物災(zāi)害，據(jù)聯(lián)合國(guó)糧農(nóng)組織估計(jì)，世界糧食生產(chǎn)因植物病害造成的年損失約為總產(chǎn)量的10%[1]。從近5年(2011—2015年)全國(guó)農(nóng)業(yè)技術(shù)推廣服務(wù)中心對(duì)全國(guó)農(nóng)作物重大病蟲(chóng)害發(fā)生趨勢(shì)做出的預(yù)報(bào)來(lái)看，我國(guó)農(nóng)作物病蟲(chóng)害總體維持多發(fā)、重發(fā)和頻發(fā)態(tài)勢(shì)，全國(guó)累計(jì)發(fā)生面積均在3.5億hm2以上[2]。

設(shè)施農(nóng)業(yè)是我國(guó)農(nóng)業(yè)發(fā)展的一個(gè)重點(diǎn)，截至2014年，我國(guó)溫室設(shè)施面積高達(dá)410.9萬(wàn)hm2，目前，我國(guó)設(shè)施栽培占全世界的85%以上，總面積和總產(chǎn)量均居世界第1位[3]。設(shè)施農(nóng)業(yè)的發(fā)展已經(jīng)成為評(píng)價(jià)一個(gè)國(guó)家或地區(qū)農(nóng)業(yè)現(xiàn)代化水平的重要指標(biāo)[4-5]。雖然設(shè)施環(huán)境為作物周期性生產(chǎn)提供了有利場(chǎng)所，但人為創(chuàng)造的小氣候環(huán)境會(huì)造成生態(tài)系統(tǒng)的不穩(wěn)定，尤其高溫高濕等環(huán)境條件給病原生物的繁殖和侵染提供了有利條件，導(dǎo)致作物病蟲(chóng)害發(fā)生數(shù)量激增[6]，如：連作導(dǎo)致土壤障礙發(fā)生，使土壤發(fā)生了理化性質(zhì)的改變；高溫高濕或低溫高濕，以及通風(fēng)不暢，為病原的滋生創(chuàng)造了有利條件。研究表明：棚室中的有害細(xì)菌、真菌數(shù)量均大于露地。在設(shè)施栽培的過(guò)程中，作物會(huì)受到其他生物的侵害或受到不適宜環(huán)境條件的影響而產(chǎn)生病害現(xiàn)象，造成作物的品質(zhì)下降，影響其質(zhì)量和經(jīng)濟(jì)效益，造成難以估量的損失[7-8]。

在20世紀(jì)70年代，國(guó)內(nèi)外就對(duì)農(nóng)業(yè)病害預(yù)警方法及技術(shù)進(jìn)行了早期的研究[9]，隨著技術(shù)的進(jìn)步，特別是傳感器、光譜、物聯(lián)網(wǎng)等技術(shù)的發(fā)展與成熟，農(nóng)業(yè)病害預(yù)警水平有了極大提升。基于此，本文對(duì)農(nóng)業(yè)病害預(yù)警關(guān)鍵技術(shù)在國(guó)內(nèi)外的研究進(jìn)展進(jìn)行綜述，分析我國(guó)農(nóng)業(yè)病害預(yù)警研究中存在的問(wèn)題并對(duì)農(nóng)業(yè)病害預(yù)警技術(shù)的未來(lái)發(fā)展做出展望。

1　農(nóng)業(yè)病害預(yù)警概述

農(nóng)業(yè)病害預(yù)警就是在農(nóng)作物病癥出現(xiàn)之前，以經(jīng)驗(yàn)或信息化手段為指導(dǎo)，根據(jù)對(duì)環(huán)境、病原、作物本身等進(jìn)行的監(jiān)測(cè)及分析，對(duì)病害發(fā)生的可能性進(jìn)行預(yù)測(cè)并及時(shí)預(yù)報(bào)，以最大程度降低甚至避免病害發(fā)生而造成損失[10]。

1.1農(nóng)業(yè)病害預(yù)警特點(diǎn)

農(nóng)業(yè)病害預(yù)警是有效降低農(nóng)作物發(fā)病率的有效手段，其預(yù)警對(duì)象是農(nóng)作物，與其他預(yù)警相比(如氣象災(zāi)害預(yù)警、煤礦瓦斯預(yù)警、機(jī)械安全性能預(yù)警)，農(nóng)業(yè)病害預(yù)警有其自身特點(diǎn)：

(1)復(fù)雜性。農(nóng)業(yè)病害預(yù)警針對(duì)的對(duì)象是農(nóng)作物，而影響農(nóng)作物發(fā)病的因素復(fù)雜，需要溫度、濕度、光照等環(huán)境因素和病毒、細(xì)菌、真菌等病原生物的相互配合才能引發(fā)病害。

(2)積累性。農(nóng)作物病害不是瞬間發(fā)生的，而是在一定的環(huán)境與病原侵染的條件下發(fā)生的，這個(gè)過(guò)程需要環(huán)境、病原等因素的積累才能引發(fā)病害。

(3)提前性。病原侵染作物后并不會(huì)即刻表現(xiàn)出病征，當(dāng)病征顯現(xiàn)時(shí)再進(jìn)行預(yù)警為時(shí)已晚，所以作物病害預(yù)警的關(guān)鍵在于對(duì)病征表現(xiàn)之前的作物生理特征、病原微生物動(dòng)態(tài)以及環(huán)境的有效監(jiān)測(cè)，這就要求預(yù)警需要提前進(jìn)行。

(4)持續(xù)性。農(nóng)業(yè)病害預(yù)警需選取適當(dāng)?shù)念A(yù)測(cè)指標(biāo)作為預(yù)警判定的標(biāo)準(zhǔn)，而這些指標(biāo)數(shù)據(jù)處在持續(xù)動(dòng)態(tài)變化中，因此預(yù)警需要結(jié)合這些動(dòng)態(tài)趨勢(shì)，才能準(zhǔn)確預(yù)測(cè)病害發(fā)生情況。

1.2農(nóng)業(yè)病害預(yù)警分類

農(nóng)業(yè)病害預(yù)警按照植物病理學(xué)原理、預(yù)警時(shí)效性、預(yù)警范圍和規(guī)模等分類方式可以有不同分類。

(1)按照植物病理學(xué)的預(yù)警分類

從植物病理學(xué)角度出發(fā)，根據(jù)病害三角原理[11]，可以將農(nóng)業(yè)病害預(yù)警分為：基于環(huán)境信息的病害預(yù)警，基于病原微生物的病害預(yù)警以及基于寄主植物生理特性的病害預(yù)警。

(2)按照預(yù)警時(shí)效性的預(yù)警分類

從時(shí)間上，根據(jù)作物的生長(zhǎng)周期以及預(yù)警的時(shí)效性，可以分為短期預(yù)警、中期預(yù)警、長(zhǎng)期預(yù)警和超長(zhǎng)期預(yù)警。4種預(yù)警方法的比較如表1所示。

(3)按照預(yù)警范圍和規(guī)模的預(yù)警分類

從空間上，根據(jù)預(yù)警的范圍和規(guī)模，又可將其分為宏觀預(yù)警和微觀預(yù)警。宏觀預(yù)警和微觀預(yù)警對(duì)比如表2所示。

表1　短期、中期、長(zhǎng)期及超長(zhǎng)期預(yù)警比較Tab.1　Comparison of short-term，mid-term，long-term and ultra-long-term early warning

表2　宏觀與微觀預(yù)警比較Tab.2　Comparison of macroscopic and microcosmic early warning

1.3農(nóng)業(yè)病害預(yù)警過(guò)程

農(nóng)業(yè)病害的預(yù)警過(guò)程從邏輯上劃分為5個(gè)階段，即：確定警情、尋找警源、分析警兆、預(yù)報(bào)警度及排除警情[9]。

(1)確定警情。即確定農(nóng)作病害發(fā)生情況，具體可通過(guò)警素和警度來(lái)反映警情。警素是構(gòu)成警情的指標(biāo)，如：病害嚴(yán)重度、病情指數(shù)等；警度指病害發(fā)生的嚴(yán)重程度，通常劃分為無(wú)警、輕警、中警、重警及巨警5種警度。

(2)尋找警源。即找出警情產(chǎn)生的根源，如利于發(fā)病的環(huán)境、易于侵染的病原等。

(3)分析警兆。即分析病害發(fā)生的征兆，警兆可以是顯性表現(xiàn)，如：作物出現(xiàn)病斑等；也可以是隱性表現(xiàn)，如：在潛育期，病原與寄主植物斗爭(zhēng)激烈，但卻并未表現(xiàn)出病征。

(4)預(yù)報(bào)警度。即根據(jù)警情及警兆來(lái)做出綜合預(yù)報(bào)，給出預(yù)警的等級(jí)。

(5)排除警情。即根據(jù)預(yù)警結(jié)果給出相應(yīng)的病害防治指導(dǎo)建議，以消除警情。

2　農(nóng)業(yè)病害預(yù)警關(guān)鍵技術(shù)

農(nóng)業(yè)病害預(yù)警主要涉及的關(guān)鍵技術(shù)包括農(nóng)業(yè)病害預(yù)警信息獲取關(guān)鍵技術(shù)和農(nóng)業(yè)病害預(yù)警信息處理技術(shù)。

2.1農(nóng)業(yè)病害預(yù)警信息獲取關(guān)鍵技術(shù)

農(nóng)業(yè)病害預(yù)警信息的獲取是病害預(yù)警的前提，準(zhǔn)確及時(shí)的信息獲取可為病害預(yù)警提供必要的依據(jù)。農(nóng)業(yè)病害預(yù)警信息獲取關(guān)鍵技術(shù)可分為：環(huán)境信息獲取技術(shù)、病原微生物信息獲取技術(shù)、作物生理信息獲取技術(shù)及地理信息獲取技術(shù)。

2.1.1環(huán)境信息獲取技術(shù)

在農(nóng)業(yè)病害預(yù)警領(lǐng)域中，主要通過(guò)物聯(lián)網(wǎng)與傳感器技術(shù)獲取作物生長(zhǎng)環(huán)境信息[15-17]。

劉淵等[18]設(shè)計(jì)開(kāi)發(fā)了基于物聯(lián)網(wǎng)的連棟蔬菜溫室環(huán)境監(jiān)測(cè)系統(tǒng)，通過(guò)溫度、濕度、二氧化碳濃度和光照傳感器采集環(huán)境數(shù)據(jù)，由生物特征提取器采集作物生理信息，并通過(guò)無(wú)線傳感網(wǎng)絡(luò)進(jìn)行通信，將信息傳輸?shù)缴衔粰C(jī)，實(shí)時(shí)感知作物生長(zhǎng)環(huán)境信息，經(jīng)專家系統(tǒng)判別后進(jìn)行相應(yīng)反饋調(diào)控。趙中華等[19]利用物聯(lián)網(wǎng)關(guān)鍵技術(shù)，應(yīng)用傳感器自動(dòng)采集環(huán)境因子數(shù)據(jù)，并結(jié)合馬鈴薯生產(chǎn)環(huán)境氣象因子與晚疫病病害發(fā)生的關(guān)系模型，構(gòu)建了馬鈴薯晚疫病監(jiān)測(cè)預(yù)警與防控決策系統(tǒng)，對(duì)監(jiān)測(cè)地的馬鈴薯晚疫病信息進(jìn)行實(shí)時(shí)監(jiān)測(cè)、預(yù)警、診斷及科學(xué)防控指導(dǎo)。葉片濕潤(rùn)時(shí)間在一定程度上決定了病原能否侵染及產(chǎn)孢，是病害預(yù)警的關(guān)鍵因素之一，利用葉面濕度傳感器[20]可以獲取葉面濕度信息，為預(yù)警提供決策依據(jù)。李明等[21]、ZHAO等[22]利用傳感器監(jiān)測(cè)黃瓜冠層相對(duì)濕度、溫度、露點(diǎn)溫度、太陽(yáng)輻射等參數(shù)，并構(gòu)建了葉片濕潤(rùn)時(shí)間估計(jì)模型，可以用于日光溫室黃瓜葉片濕潤(rùn)時(shí)間監(jiān)測(cè)。

物聯(lián)網(wǎng)與傳感器技術(shù)在設(shè)施農(nóng)業(yè)中的應(yīng)用更多，而大田種植應(yīng)用有很大局限性，這是因?yàn)榇筇锓N植面積大，要準(zhǔn)確獲取大田作物及生長(zhǎng)環(huán)境信息，就必須增加傳感器的布設(shè)，這會(huì)使成本大大增加，故低成本信息化成為了農(nóng)業(yè)物聯(lián)網(wǎng)的一個(gè)發(fā)展方向。目前，通過(guò)傳感器可以準(zhǔn)確獲取作物生長(zhǎng)環(huán)境信息，但其應(yīng)用主要停留在對(duì)農(nóng)業(yè)環(huán)境信息的監(jiān)測(cè)方面，對(duì)于農(nóng)業(yè)病害預(yù)警方面沒(méi)有得到較為深入的應(yīng)用，將傳感器采集的環(huán)境數(shù)據(jù)與作物病理信息相結(jié)合并進(jìn)行綜合分析會(huì)使物聯(lián)網(wǎng)與傳感器技術(shù)在農(nóng)業(yè)預(yù)警領(lǐng)域發(fā)揮更大的作用。

2.1.2病原微生物信息獲取技術(shù)

病原微生物對(duì)作物的侵染是作物病理性病害發(fā)生的重要因素，準(zhǔn)確獲取病原微生物信息有助于對(duì)病害種類進(jìn)行判別，增強(qiáng)預(yù)警的精確性。

2.1.2.1電鏡檢測(cè)技術(shù)

引起農(nóng)作物發(fā)生病害的病原微生物種類繁多，通過(guò)病原微生物電鏡檢測(cè)技術(shù)可以準(zhǔn)確檢測(cè)出病原微生物種類，從而可以協(xié)助判斷出病害的準(zhǔn)確類別，為病害預(yù)警及防治提供準(zhǔn)確直接的指導(dǎo)依據(jù)。

傳統(tǒng)的病原微生物檢測(cè)技術(shù)包括涂片鏡檢和分離培養(yǎng)，但傳統(tǒng)方法程序較為復(fù)雜，且較為費(fèi)時(shí)。電子顯微鏡檢測(cè)簡(jiǎn)便快捷，是采集病原微生物圖像信息的主要技術(shù)手段[23]。YE等[24]利用電子顯微鏡技術(shù)研究了大麥黃矮病毒對(duì)植物葉綠體的侵染過(guò)程。李小龍等[25]、齊龍等[26]通過(guò)顯微鏡獲取了小麥條銹病菌和稻瘟病菌孢子圖像，并實(shí)現(xiàn)了對(duì)孢子的自動(dòng)計(jì)數(shù)，對(duì)指導(dǎo)病害預(yù)警工作提供了良好的依據(jù)。

由于電鏡檢測(cè)技術(shù)具有高分辨率的優(yōu)點(diǎn)，可以觀察到植物組織、細(xì)胞以及病原微生物的超微結(jié)構(gòu)，所以電鏡在農(nóng)作物病害檢測(cè)中具有很高的可靠性。但電鏡檢測(cè)技術(shù)通常是在實(shí)驗(yàn)室條件下進(jìn)行，需要去現(xiàn)場(chǎng)采集樣本并帶回實(shí)驗(yàn)室進(jìn)行觀察，無(wú)法進(jìn)行實(shí)時(shí)監(jiān)測(cè)預(yù)警是電鏡技術(shù)在作物病害預(yù)警中的一大難題。將電鏡檢測(cè)技術(shù)與實(shí)時(shí)在線監(jiān)測(cè)技術(shù)相結(jié)合可為農(nóng)作物病害預(yù)警提供新的、及時(shí)有效的方法。

2.1.2.2PCR與生物芯片技術(shù)

隨著微生物檢測(cè)技術(shù)的不斷發(fā)展與進(jìn)步，檢測(cè)已從病原體水平深入到了分子水平和基因水平[27]，出現(xiàn)了眾多新型微生物檢測(cè)技術(shù)，主要包括PCR(Polymerase chain reaction)技術(shù)和生物芯片技術(shù)。

PCR檢測(cè)技術(shù)能夠?qū)崿F(xiàn)對(duì)植物病原真菌快速、靈敏和可靠的檢測(cè)。肖長(zhǎng)坤等[28]利用PCR檢測(cè)技術(shù)，分別設(shè)計(jì)合成了鑒定白菜黑斑病菌3個(gè)種的特異性引物，為白菜黑斑病的快速檢測(cè)提供了新的方法。

基因的表達(dá)譜芯片已被廣泛應(yīng)用于醫(yī)學(xué)中，主要用于對(duì)人類疾病檢測(cè)[29]，但隨著植物-病原物基因組測(cè)序的逐步完善，植物病害檢測(cè)也將通過(guò)生物芯片實(shí)現(xiàn)[30-31]。

PCR與生物芯片技術(shù)能在基因水平上對(duì)病原進(jìn)行識(shí)別檢測(cè)，準(zhǔn)確度高，但其檢測(cè)結(jié)果很大程度上依賴基因測(cè)序工作，基因測(cè)序工作只能在實(shí)驗(yàn)室條件下進(jìn)行，而且時(shí)間消耗量大，因此在相當(dāng)一段時(shí)期內(nèi)，PCR與生物芯片技術(shù)在農(nóng)業(yè)病害預(yù)警中的應(yīng)用還存在一定的限制因素。

2.1.3作物生理信息獲取技術(shù)

光譜技術(shù)作為一種無(wú)損、快速、高精度的檢測(cè)技術(shù)，被廣泛應(yīng)用于各個(gè)研究領(lǐng)域。光譜技術(shù)主要應(yīng)用于作物長(zhǎng)勢(shì)與估產(chǎn)、營(yíng)養(yǎng)診斷與施肥、農(nóng)產(chǎn)品品質(zhì)和安全檢測(cè)以及病害信息監(jiān)測(cè)等方面，在作物病害診斷中也得到了廣泛應(yīng)用[32-34]。

光譜技術(shù)檢測(cè)作物病害的基本原理是不同的病害對(duì)不同波段光線吸收和反射光線效果不同[35]，因此可以通過(guò)其敏感光譜段的特征來(lái)判別病害情況，并進(jìn)行早期預(yù)警。

在農(nóng)業(yè)病害預(yù)警領(lǐng)域中，光譜技術(shù)最大的貢獻(xiàn)是可以通過(guò)近距離和遠(yuǎn)距離，從微觀和宏觀2個(gè)方面來(lái)檢測(cè)農(nóng)作物病害情況，為病害預(yù)警提供可靠、直觀的理論與事實(shí)依據(jù)。

在近距離農(nóng)作物病害光譜檢測(cè)研究中，隋媛媛等[36-37]應(yīng)用激光誘導(dǎo)葉綠素?zé)晒夤庾V分析技術(shù)，通過(guò)測(cè)定健康葉片、病菌接種3 d葉片和接種6 d葉片的光譜曲線以及黃瓜蚜蟲(chóng)害的侵染與發(fā)生等級(jí)，綜合應(yīng)用主成分分析和最小二乘支持向量機(jī)方法，構(gòu)建了溫室黃瓜霜霉病害的預(yù)測(cè)模型和蚜蟲(chóng)害的分類預(yù)測(cè)模型，預(yù)測(cè)能力分別達(dá)到97.73%和96.34%，具有很好的分類和鑒別效果。ZHOU等[38]以葉綠素?zé)晒夤庾V為主要手段，結(jié)合環(huán)境信息、水稻生理信息和生化信息，構(gòu)建了基于SG-FDT 預(yù)處理PCA-SVC稻葉瘟病識(shí)別與預(yù)警模型，識(shí)別正確率達(dá) 95.0%。馮雷等[39]利用綠、紅、近紅外3波段通道的多光譜成像技術(shù)對(duì)水稻葉瘟病進(jìn)行檢測(cè)，通過(guò)提取水稻葉面及冠層圖像信息建立的稻葉瘟病情檢測(cè)分級(jí)模型，對(duì)營(yíng)養(yǎng)生長(zhǎng)期水稻苗瘟的識(shí)別準(zhǔn)確率可達(dá)到98%，葉瘟的識(shí)別準(zhǔn)確率為90%，為實(shí)施科學(xué)的稻葉瘟防治提供了決策支持。邢東興等[40]分析了紅富士蘋(píng)果樹(shù)在各級(jí)黃葉病害脅迫下的反射光譜特征，利用光譜數(shù)據(jù)對(duì)果樹(shù)受害程度及病害級(jí)別進(jìn)行定量化測(cè)評(píng)。RINEHART等[41]、BRAVO等[42]、JONES等[43]、馮雷等[44]利用可見(jiàn)近紅外光譜技術(shù)分別對(duì)牧草匍匐翦股穎褐斑病、小麥黃銹病、番茄葉斑病及大豆豆莢炭疽病進(jìn)行了早期預(yù)測(cè)。

遠(yuǎn)距離光譜檢測(cè)主要是高光譜技術(shù)與遙感技術(shù)的結(jié)合，高光譜遙感特有的光譜匹配和光譜微分技術(shù)使其在農(nóng)業(yè)病害監(jiān)測(cè)中得到研究者的青睞[45]。MOSHOU等[46]利用高光譜遙感技術(shù)分析了作物病害光譜響應(yīng)，通過(guò)迭代自組織與二項(xiàng)式分析相結(jié)合的方法，對(duì)小麥條銹病光譜信息進(jìn)行分析，識(shí)別結(jié)果高于99%。QIN等[47]利用高空間分辨率的航空遙感光譜數(shù)據(jù)檢測(cè)水稻紋枯病，通過(guò)光譜數(shù)據(jù)、標(biāo)準(zhǔn)差分指數(shù)等來(lái)研究影像數(shù)據(jù)與地面實(shí)測(cè)數(shù)據(jù)的相關(guān)性，相關(guān)系數(shù)大于0.62，該方法對(duì)于中等和嚴(yán)重級(jí)別的水稻紋枯病預(yù)測(cè)有較好的效果。

目前光譜在作物病害診斷中的應(yīng)用較為廣泛，但在病害預(yù)警領(lǐng)域中應(yīng)用較為缺乏，因此，通過(guò)光譜采集侵入期、潛育期的作物樣本，即采集未表現(xiàn)病征的作物樣本的光譜信息，并通過(guò)特征波段來(lái)判別作物的染病情況，將成為作物病害預(yù)警的一種有效手段。

2.1.4地理信息獲取技術(shù)

作物病害地理信息的獲取可以對(duì)病害發(fā)生地進(jìn)行準(zhǔn)確定位，可以幫助政府部門(mén)發(fā)布區(qū)域性預(yù)警信息，及時(shí)提醒當(dāng)?shù)夭『Ψ揽刂笇?dǎo)中心做好病害防控工作。

地理信息的獲取主要通過(guò)3S技術(shù)[48-49]實(shí)現(xiàn)。3S技術(shù)在農(nóng)業(yè)中，遙感(Remote sensing，RS)用于實(shí)時(shí)、快速地提供大面積地表物體及其環(huán)境的幾何與地理信息及各種變化，通過(guò)遙感數(shù)據(jù)可反演地表溫度、土壤、植被水分等參數(shù)，能夠在一定程度上反映作物生境狀況，配合氣象信息對(duì)病害發(fā)生適宜性進(jìn)行綜合預(yù)測(cè)，提高了病害預(yù)測(cè)能力[50]；地理信息系統(tǒng)(Geography information system，GIS)則是多源時(shí)空數(shù)據(jù)綜合處理和應(yīng)用分析的平臺(tái)，能夠?qū)Σ『Πl(fā)生、發(fā)展進(jìn)行分析、模擬，利用GIS的空間建模和空間決策支持功能，并結(jié)合生物地理統(tǒng)計(jì)學(xué)，進(jìn)行農(nóng)作物病害空間分布、空間相關(guān)分析和病害發(fā)生動(dòng)態(tài)的時(shí)空模擬，實(shí)現(xiàn)大尺度數(shù)據(jù)庫(kù)管理等功能[51]；全球定位系統(tǒng)(Global positioning system，GPS)主要是實(shí)時(shí)、快速地提供目標(biāo)的空間位置，找到病害發(fā)生地，輔助飛行噴藥設(shè)備進(jìn)行精準(zhǔn)噴藥，GPS主要用于農(nóng)業(yè)病害動(dòng)態(tài)監(jiān)測(cè)，通過(guò)輔助遙感數(shù)據(jù)處理與信息提取、病害防治地理信息系統(tǒng)的建立和數(shù)據(jù)更新及飛機(jī)防治與監(jiān)測(cè)路線導(dǎo)航等，實(shí)現(xiàn)病害發(fā)生點(diǎn)的準(zhǔn)確定位及農(nóng)藥的準(zhǔn)確噴灑[52-54]。

MARQUES等[55]利用遙感技術(shù)，通過(guò)氣象衛(wèi)星來(lái)獲取地表溫度，利用地表溫度數(shù)據(jù)及其時(shí)空特征構(gòu)建了番茄的病蟲(chóng)害的風(fēng)險(xiǎn)地圖，有效提高了番茄病蟲(chóng)害的預(yù)測(cè)結(jié)果。羅菊花等[56]使用SuperMapIS.NET的GIS軟件作為開(kāi)發(fā)平臺(tái)，以C++作為編程語(yǔ)言，建立農(nóng)作物病蟲(chóng)害預(yù)警系統(tǒng)，將GIS與RS在系統(tǒng)中集成，實(shí)現(xiàn)了將抽象數(shù)據(jù)轉(zhuǎn)換成清晰簡(jiǎn)明的電子地圖，直觀明了地顯示了病害的發(fā)生程度和空間分布規(guī)律，并使用甘肅省慶陽(yáng)地區(qū)西峰區(qū)2002年的小麥條銹病相關(guān)數(shù)據(jù)，驗(yàn)證了預(yù)警系統(tǒng)的病害預(yù)測(cè)功能，獲得了與實(shí)際相吻合的預(yù)警結(jié)果。劉明輝等[57]以開(kāi)源版MapGuide為WebGIS二次開(kāi)發(fā)平臺(tái)，結(jié)合.net技術(shù)開(kāi)發(fā)了具有B/S三層網(wǎng)絡(luò)架構(gòu)的農(nóng)業(yè)病蟲(chóng)害預(yù)測(cè)預(yù)報(bào)專家系統(tǒng)，系統(tǒng)采用基于知識(shí)的前向型推理與基于系統(tǒng)案例推理相結(jié)合的方式，用戶依據(jù)系統(tǒng)的向?qū)教崾疽约皵?shù)據(jù)輸入規(guī)范輸入病蟲(chóng)害監(jiān)測(cè)數(shù)據(jù)，系統(tǒng)將病蟲(chóng)害發(fā)生程度以GIS專題圖、數(shù)據(jù)圖表及文字等多種方式反饋給用戶，實(shí)現(xiàn)了病蟲(chóng)害的預(yù)測(cè)預(yù)報(bào)。劉書(shū)華等[58]將植保知識(shí)、人工智能技術(shù)、地理信息系統(tǒng)(GIS)、決策支持系統(tǒng)(Decision support system，DSS)有機(jī)結(jié)合起來(lái)，開(kāi)發(fā)了基于GIS的農(nóng)作物病蟲(chóng)害防治決策支持系統(tǒng)，能夠?qū)χ饕魑锊∠x(chóng)害進(jìn)行預(yù)測(cè)、決策、診斷、咨詢，并將抽象的數(shù)據(jù)轉(zhuǎn)換成清晰簡(jiǎn)明的電子地圖，直觀顯示病蟲(chóng)害發(fā)生程度及地域分布規(guī)律，為病蟲(chóng)害防治提供服務(wù)。陳林等[59]利用Agent模型對(duì)昆蟲(chóng)及其寄主、環(huán)境之間的關(guān)系進(jìn)行計(jì)算機(jī)模擬，并以北京地區(qū)1993年的實(shí)際日均溫、濕度、降雨量數(shù)據(jù)為主要環(huán)境數(shù)據(jù)，進(jìn)行了區(qū)域模擬驗(yàn)證，與北京地區(qū)實(shí)際調(diào)查數(shù)據(jù)進(jìn)行了對(duì)比研究，并開(kāi)發(fā)了基于GIS的麥蚜種群動(dòng)態(tài)模擬平臺(tái)，以小麥生長(zhǎng)季節(jié)的氣象數(shù)據(jù)對(duì)寧夏、隴東、陜西3個(gè)地區(qū)進(jìn)行了模擬，在一定程度上，可以模擬田間實(shí)際情況。

3S技術(shù)以其優(yōu)良的遠(yuǎn)距離空間測(cè)控識(shí)別特性以及精準(zhǔn)的地理定位特性，被廣泛應(yīng)用于大田作物生長(zhǎng)監(jiān)測(cè)中，與物聯(lián)網(wǎng)技術(shù)相反，3S技術(shù)在種植面積較小的設(shè)施環(huán)境中的應(yīng)用較為局限。

2.2農(nóng)業(yè)病害預(yù)警信息處理技術(shù)

2.2.1農(nóng)業(yè)病害圖像處理技術(shù)

農(nóng)作物病害圖像處理技術(shù)主要用于病害診斷研究，具體包括圖像分割、特征提取、病害識(shí)別等方面[60]。

徐鵬云等[61]利用面陣CCD攝像機(jī)采集顯微鏡中孢子的圖像，研究了孢子自動(dòng)計(jì)數(shù)方法。李小龍等[25]利用孢子捕捉器捕捉小麥條銹病菌夏孢子，利用顯微鏡照相技術(shù)獲得孢子圖像，通過(guò)對(duì)圖像進(jìn)行基于最近鄰插值法的縮放處理、基于K-means聚類算法的分割處理、形態(tài)學(xué)操作修飾和分水嶺分割等一系列處理，實(shí)現(xiàn)了對(duì)夏孢子的自動(dòng)計(jì)數(shù)和標(biāo)記。齊龍等[26]利用顯微圖像處理技術(shù)獲取稻瘟病菌孢子圖像，根據(jù)顯微圖像中孢子的邊緣特征，利用Canny算子進(jìn)行邊緣檢測(cè)，然后對(duì)邊緣檢測(cè)后的二值圖像進(jìn)行數(shù)學(xué)形態(tài)學(xué)閉、開(kāi)運(yùn)算處理，最后通過(guò)基于距離變換和高斯濾波的改進(jìn)分水嶺算法對(duì)粘連孢子進(jìn)行分離，實(shí)現(xiàn)了對(duì)稻瘟病菌孢子的自動(dòng)檢測(cè)和計(jì)數(shù)，孢子檢測(cè)的平均準(zhǔn)確率達(dá)98.5%。利用圖像處理技術(shù)完成孢子計(jì)數(shù)，為氣傳植物真菌病害的預(yù)測(cè)預(yù)報(bào)提供了新的方法。

在農(nóng)業(yè)病害中長(zhǎng)期及超長(zhǎng)期預(yù)警中，圖像處理技術(shù)主要用來(lái)輔助完成農(nóng)作物病害識(shí)別。彭占武等[62]綜合運(yùn)用圖像處理和模糊識(shí)別技術(shù)，以自然光條件下拍攝黃瓜葉片圖像作為實(shí)驗(yàn)數(shù)據(jù)，從病斑形狀、紋理和顏色3方面提取了16個(gè)特征參數(shù)，并對(duì)黃瓜霜霉病葉片圖像進(jìn)行有監(jiān)督的樣本訓(xùn)練，再對(duì)待測(cè)樣本進(jìn)行模糊聚類測(cè)試，平均識(shí)別準(zhǔn)確率為95.28%。王獻(xiàn)鋒等[63]結(jié)合黃瓜生長(zhǎng)的環(huán)境信息提取病斑圖像的顏色、形狀、紋理等統(tǒng)計(jì)特征向量，再利用統(tǒng)計(jì)分析系統(tǒng)進(jìn)行判別分析，實(shí)現(xiàn)了對(duì)黃瓜霜霉病、褐斑病和炭疽病3種葉部病害的識(shí)別，識(shí)別率高達(dá) 90%以上。MA等[64]構(gòu)建了面向葉類蔬菜病害識(shí)別的溫室監(jiān)控視頻采集系統(tǒng)[65]，并利用融合視覺(jué)顯著性和在線聚類的改進(jìn)像素幀平均算法，對(duì)溫室蔬菜監(jiān)控視頻中含有病征信息的關(guān)鍵幀進(jìn)行了提取，并完成了對(duì)油菜葉片病斑的分割。王建璽等[66]對(duì)采集的煙葉圖像進(jìn)行去噪處理，采用快速模糊C-均值聚類算法對(duì)病斑進(jìn)行分割，提取煙葉病斑顏色、形狀和紋理特征，通過(guò)模糊識(shí)別技術(shù)完成了對(duì)煙葉角斑病和野火病的自動(dòng)識(shí)別。

圖像處理技術(shù)主要應(yīng)用于作物病害診斷中，為作物中期和長(zhǎng)期預(yù)警提供有效的參考，是對(duì)作物病害短期(或早期)預(yù)警的一種有效補(bǔ)充。

2.2.2農(nóng)業(yè)病害預(yù)警專家系統(tǒng)

農(nóng)業(yè)專家系統(tǒng)在國(guó)內(nèi)外有較大的發(fā)展，并涉及到作物栽培、施肥、病蟲(chóng)害防治等方面[67]。農(nóng)業(yè)專家系統(tǒng)主要以知識(shí)庫(kù)、數(shù)據(jù)庫(kù)以及推理判斷程序等為核心[68]。

馬麗麗等[69]綜合了番茄生長(zhǎng)日光溫室多年環(huán)境數(shù)據(jù)，建立了周年連續(xù)的溫室環(huán)境通用數(shù)據(jù)庫(kù)，依此數(shù)據(jù)庫(kù)中的溫濕度數(shù)據(jù)對(duì)番茄病害發(fā)生進(jìn)行預(yù)測(cè)預(yù)警，實(shí)現(xiàn)了對(duì)番茄早疫病、晚疫病、灰霉病和葉霉病4種常見(jiàn)病害的預(yù)警。溫皓杰等[70]利用黃瓜病害的專家領(lǐng)域知識(shí)，構(gòu)建了基于Web的黃瓜病害診斷專家系統(tǒng)，以MyEclipse 6.0、SQL Server 2000為系統(tǒng)設(shè)計(jì)及數(shù)據(jù)庫(kù)開(kāi)發(fā)工具，利用JAVA技術(shù)實(shí)現(xiàn)了黃瓜病害診斷系統(tǒng)的開(kāi)發(fā)。宋啟堃等[71]根據(jù)1982—2010年的黔南州統(tǒng)計(jì)的作物病情、蟲(chóng)情數(shù)據(jù)以及1981—2010年統(tǒng)計(jì)的氣象數(shù)據(jù)，構(gòu)建了白背飛虱、卷葉螟蛾等蟲(chóng)情數(shù)據(jù)庫(kù)，稻瘟病、小麥條銹病等病情數(shù)據(jù)庫(kù)以及平均氣溫、逐日降水量、日照時(shí)數(shù)、相對(duì)濕度、風(fēng)向風(fēng)速等氣象數(shù)據(jù)庫(kù)，根據(jù)農(nóng)業(yè)病害領(lǐng)域?qū)＜抑R(shí)，得到病害監(jiān)測(cè)指標(biāo)，利用VB.NET設(shè)計(jì)并開(kāi)發(fā)了黔南州主要農(nóng)作物病蟲(chóng)害監(jiān)測(cè)預(yù)警專家系統(tǒng)，將病害及氣象資料實(shí)時(shí)入庫(kù)監(jiān)測(cè)分析，當(dāng)達(dá)到某種病蟲(chóng)害發(fā)生條件即預(yù)警，實(shí)現(xiàn)了植物保護(hù)的現(xiàn)代化跟蹤監(jiān)測(cè)管理。閔紅[72]將河南省植保專家有關(guān)小麥紋枯病知識(shí)進(jìn)行智能化集成，根據(jù)1991—2000年的河南省項(xiàng)城市、洛陽(yáng)市、鄭州市等地的小麥紋枯病病害情況及氣象條件構(gòu)建病情及氣象數(shù)據(jù)庫(kù)，采取定性預(yù)測(cè)穩(wěn)定期發(fā)病程度和定量預(yù)測(cè)冬前病株率、穩(wěn)定期病指相結(jié)合的方式，對(duì)小麥的整個(gè)生育期進(jìn)行研究，開(kāi)發(fā)了河南省小麥紋枯病預(yù)警與決策專家系統(tǒng)，實(shí)現(xiàn)了對(duì)小麥紋枯病的預(yù)警、診斷和防治決策功能。

農(nóng)業(yè)病蟲(chóng)害預(yù)警與防治專家系統(tǒng)的構(gòu)建主要依靠農(nóng)業(yè)病蟲(chóng)害領(lǐng)域?qū)＜业闹R(shí)與經(jīng)驗(yàn)，領(lǐng)域?qū)＜抑R(shí)經(jīng)驗(yàn)的準(zhǔn)確性會(huì)直接影響到專家系統(tǒng)的準(zhǔn)確性，所以大量準(zhǔn)確、專業(yè)的農(nóng)業(yè)病蟲(chóng)害預(yù)測(cè)及診斷知識(shí)是整個(gè)專家系統(tǒng)的有力支撐。

2.2.3農(nóng)業(yè)病害預(yù)測(cè)技術(shù)

2.2.3.1基于回歸分析的病害預(yù)測(cè)模型

以積累的設(shè)施環(huán)境氣象資料為自變量，以設(shè)施作物病蟲(chóng)害發(fā)生或流行的程度為因變量，通過(guò)回歸分析構(gòu)建病蟲(chóng)害回歸預(yù)警模型是最常見(jiàn)的預(yù)警方法。MOH等[73]利用多元回歸分析構(gòu)建了溫度、濕度、接種菌量與馬鈴薯塊莖軟腐病征的關(guān)系模型，結(jié)果證明，模型對(duì)馬鈴薯軟腐病有良好的響應(yīng)和預(yù)測(cè)能力。李明等[74]以黃瓜霜霉病為例，以空氣平均相對(duì)濕度大于等于80%的小時(shí)數(shù)、空氣平均相對(duì)濕度大于等于90%的小時(shí)數(shù)以及病原侵染后的積溫為監(jiān)測(cè)指標(biāo)，并將其與病情指數(shù)建立關(guān)系，采用逐步回歸分析方法進(jìn)行擬合，通過(guò)參數(shù)調(diào)整得到最優(yōu)模型，為溫室黃瓜霜霉病初侵染預(yù)警提供決策支持。鄢洪海[75]以山東省臨邑縣2000—2005年11月和12月氣象資料中的平均溫度、降水量和光照6因子為自變量，以番茄晚疫病病情指數(shù)為因變量，用逐步回歸分析法建立番茄晚疫病預(yù)測(cè)初級(jí)模型，預(yù)測(cè)結(jié)果與實(shí)際結(jié)果基本相符?；菹楹５萚76]根據(jù)2001—2006年的觀察資料，以上年11月和12月的平均氣溫、降水量和光照6個(gè)因子為自變量，以翌年2月辣椒疫病病株率為因變量，利用回歸分析構(gòu)建辣椒疫病預(yù)測(cè)模型，預(yù)測(cè)結(jié)果與實(shí)測(cè)結(jié)果基本一致。華來(lái)慶等[77-79]根據(jù)上海市松江區(qū)蔬菜基地2004年3—6月的氣象數(shù)據(jù)，以黃瓜霜霉病發(fā)病株數(shù)、發(fā)病程度、棚內(nèi)溫度、棚內(nèi)濕度、氣溫、氣濕、降雨量、降雨天數(shù)、日照時(shí)數(shù)等為監(jiān)測(cè)指標(biāo)，通過(guò)主成分回歸模型、自回歸條件異方差模型等，構(gòu)建了監(jiān)測(cè)指標(biāo)與病情指數(shù)的關(guān)系，取得了良好的預(yù)測(cè)效果。馬寧[80]根據(jù)溫度、相對(duì)濕度、降水與玉米大斑病病斑面積及病情指數(shù)的關(guān)系，利用回歸分析方法構(gòu)建了玉米大斑病預(yù)警模型，預(yù)警結(jié)果有較高的準(zhǔn)確性。王純枝等[81]以2002—2008年?yáng)|北地區(qū)楊樹(shù)爛皮病發(fā)病程度及氣溫、降水量、降水日數(shù)、日照時(shí)數(shù)、空氣相對(duì)濕度、溫濕系數(shù)、風(fēng)速等相應(yīng)氣象資料為研究基礎(chǔ)，利用回歸分析法構(gòu)建了楊樹(shù)爛皮病氣象適宜度預(yù)報(bào)模型，平均預(yù)報(bào)準(zhǔn)確率達(dá)75%，具有較好預(yù)測(cè)效果。

基于回歸分析的病害預(yù)測(cè)模型需要一定的數(shù)據(jù)積累，通常需要以各個(gè)植保站、氣象站等相關(guān)單位提供的積年累月的病害數(shù)據(jù)和氣象數(shù)據(jù)為數(shù)據(jù)基礎(chǔ)進(jìn)行分析建模，時(shí)間代價(jià)較大，因此不適合短期或中期預(yù)警。除此，其建模指標(biāo)選取過(guò)程較為復(fù)雜，自變量的選取直接影響到模型的準(zhǔn)確度，泛化能力較差，無(wú)法通過(guò)參數(shù)優(yōu)化來(lái)達(dá)到更準(zhǔn)確的預(yù)測(cè)效果，隨著神經(jīng)網(wǎng)絡(luò)等新的機(jī)器學(xué)習(xí)方法的出現(xiàn)和發(fā)展，回歸分析在病害預(yù)警領(lǐng)域中的應(yīng)用也變得越來(lái)越少。

2.2.3.2基于機(jī)器學(xué)習(xí)的病害預(yù)測(cè)模型

機(jī)器學(xué)習(xí)是指計(jì)算機(jī)通過(guò)模擬人類學(xué)習(xí)方法來(lái)重新組織知識(shí)體系，并實(shí)現(xiàn)獲取新的知識(shí)技能的行為。將機(jī)器學(xué)習(xí)方法應(yīng)用于設(shè)施農(nóng)業(yè)病害預(yù)警中，可實(shí)現(xiàn)病害預(yù)警的智能化。

機(jī)器學(xué)習(xí)主要是從數(shù)據(jù)中學(xué)習(xí)，包括有指導(dǎo)學(xué)習(xí)、無(wú)指導(dǎo)學(xué)習(xí)和半指導(dǎo)學(xué)習(xí)[82]。對(duì)于農(nóng)業(yè)病蟲(chóng)害預(yù)警，病蟲(chóng)害種類與作物生長(zhǎng)環(huán)境以及病原微生物有著明確的關(guān)系，即根據(jù)環(huán)境條件、侵染的病原及病征表現(xiàn)即可判定病害類型，故常通過(guò)有指導(dǎo)學(xué)習(xí)的方式，構(gòu)建特征(包括環(huán)境條件、病原、病征表現(xiàn)等)與結(jié)果(病害類型)的關(guān)系，從而達(dá)到精確預(yù)警的目的。常見(jiàn)的有指導(dǎo)學(xué)習(xí)包括：決策樹(shù)、貝葉斯算法、人工神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)等。劉曉宇[83]以移栽時(shí)間，氮、磷、鉀肥施用量，5—8月的月平均氣溫、月平均降水量、月平均日照時(shí)數(shù)和月積溫8個(gè)指標(biāo)作為煙草野火病預(yù)警的警兆指標(biāo)，使用病情指數(shù)作為野火病預(yù)警的警情指標(biāo)，綜合分析了黑龍江省2005—2011年的歷史數(shù)據(jù)，構(gòu)建了基于決策樹(shù)的野火病預(yù)警模型，實(shí)現(xiàn)了對(duì)黑龍江省煙草野火病警情指標(biāo)的輕警、中警偏輕、中警、中警偏重、重警5個(gè)警度的預(yù)報(bào)。張壽明等[84]根據(jù)馬龍縣1991—2003年的氣象數(shù)據(jù)和田間馬鈴薯晚疫病實(shí)際病害情況等數(shù)據(jù)，以6、7月份的月平均溫度、平均相對(duì)濕度、總降雨量作為神經(jīng)網(wǎng)絡(luò)的輸入?yún)?shù)，當(dāng)年相應(yīng)的病害流行程度作為輸出參數(shù)，運(yùn)用BP神經(jīng)網(wǎng)絡(luò)技術(shù)開(kāi)發(fā)了馬鈴薯晚疫病預(yù)測(cè)預(yù)警系統(tǒng)。李麗等[85]以平均氣溫、最低氣溫、日照時(shí)數(shù)、降雨量為輸入向量，以蘋(píng)果病蟲(chóng)害發(fā)生等級(jí)為輸出向量，構(gòu)建了基于徑向基的神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，可以預(yù)測(cè)蘋(píng)果常見(jiàn)的20余種病蟲(chóng)害。熊雪梅等[86]、曹志勇等[87]將神經(jīng)網(wǎng)絡(luò)應(yīng)用于植物病蟲(chóng)害預(yù)警中，建立降雨量、雨日數(shù)、平均溫度、平均濕度、光照指標(biāo)等與作物病情指數(shù)的關(guān)系，實(shí)現(xiàn)了對(duì)作物病害的預(yù)警。牛海微[88]、李娟[89]分別應(yīng)用人工神經(jīng)網(wǎng)絡(luò)構(gòu)建了月季花卉病害預(yù)警模型和小麥黃矮病預(yù)警模型，并取得了較好的預(yù)警效果。RUMPF等[90]根據(jù)甜菜葉片光譜圖像特征，利用支持向量機(jī)分類算法進(jìn)行了甜菜褐斑病和白粉病的早期檢測(cè)及預(yù)警。楊志民等[91]以浙江省寧波市1995—2007年的稻瘟病氣象數(shù)據(jù)為基礎(chǔ)，將對(duì)稻瘟病影響較大的日平均氣溫、平均空氣相對(duì)濕度、平均日降水量、平均日照時(shí)數(shù)等指標(biāo)作為警兆指標(biāo)，構(gòu)建了基于強(qiáng)模糊支持向量機(jī)的稻瘟病氣象預(yù)警模型，實(shí)現(xiàn)了對(duì)稻瘟病的氣象預(yù)警。

機(jī)器學(xué)習(xí)是一個(gè)“黑匣子”問(wèn)題，它可以根據(jù)環(huán)境信息及作物生理信息對(duì)病害及流行趨勢(shì)進(jìn)行預(yù)測(cè)，但其無(wú)法準(zhǔn)確表示出環(huán)境信息、作物生理信息與病害之間的關(guān)系。所以基于機(jī)器學(xué)習(xí)的設(shè)施農(nóng)業(yè)病蟲(chóng)害預(yù)警仍需建立在準(zhǔn)確、詳實(shí)的農(nóng)業(yè)病蟲(chóng)害及相關(guān)信息和數(shù)據(jù)的基礎(chǔ)之上，通過(guò)改進(jìn)和優(yōu)化機(jī)器學(xué)習(xí)算法及參數(shù)，可以獲得具有良好推演、泛化能力的預(yù)警模型，已經(jīng)成為了農(nóng)業(yè)病害預(yù)警研究領(lǐng)域的一條重要途徑。

3　農(nóng)業(yè)病害預(yù)警發(fā)展趨勢(shì)

我國(guó)在農(nóng)業(yè)病害預(yù)警研究中取得了一定的進(jìn)展，特別是在水稻、小麥等糧食作物以及黃瓜、番茄等蔬菜病害預(yù)警中取得了較大進(jìn)步，隨著物聯(lián)網(wǎng)、3S、光譜、圖像處理、病原微生物檢測(cè)等信息技術(shù)的發(fā)展成熟，也為農(nóng)業(yè)病害預(yù)警提供了良好的技術(shù)支持。

(1)多種技術(shù)的結(jié)合、集成及融合將使農(nóng)業(yè)病害預(yù)警的覆蓋面更廣，預(yù)警準(zhǔn)確性更高。以往的研究中，往往只針對(duì)某種預(yù)警技術(shù)進(jìn)行研究，而忽略了其他技術(shù)的幫助和指導(dǎo)，通過(guò)技術(shù)的結(jié)合應(yīng)用，如：將物聯(lián)網(wǎng)技術(shù)與3S技術(shù)結(jié)合起來(lái)，將對(duì)整個(gè)農(nóng)作物(大田作物與設(shè)施作物)生長(zhǎng)環(huán)境監(jiān)測(cè)形成覆蓋，使信息的采集更加全面；結(jié)合不同機(jī)器學(xué)習(xí)算法的優(yōu)勢(shì)進(jìn)行病害預(yù)警模型構(gòu)建，將使病害預(yù)測(cè)準(zhǔn)確度更加精確；結(jié)合光譜、電鏡檢測(cè)、PCR及生物芯片技術(shù)，將使病害預(yù)警從宏觀到微觀均得到良好效果。

(2)預(yù)警信息獲取方式將更加精確，獲取范圍將更加廣泛。精確、有效的數(shù)據(jù)是支撐和驗(yàn)證理論的核心，以往的病害預(yù)警研究中，往往只是定性研究，不注重?cái)?shù)據(jù)的積累和及時(shí)更新，科研機(jī)構(gòu)和相關(guān)單位應(yīng)該更加注重對(duì)環(huán)境、病害及病原微生物等信息的數(shù)據(jù)積累和信息獲取技術(shù)的改進(jìn)提升，保證數(shù)據(jù)的準(zhǔn)確性和泛用性，不斷更新數(shù)據(jù)，才能為病害預(yù)警研究提供更可靠的技術(shù)與數(shù)據(jù)支撐。

(3)農(nóng)業(yè)病害早期/初期檢測(cè)、診斷與預(yù)警會(huì)成為新的發(fā)展方向。現(xiàn)階段的農(nóng)業(yè)病害預(yù)警研究，主要根據(jù)歷史數(shù)據(jù)進(jìn)行中長(zhǎng)期預(yù)警，可以為農(nóng)作物生產(chǎn)提供宏觀指導(dǎo)，但時(shí)效性較差，且病害預(yù)警模型多以環(huán)境及病害數(shù)據(jù)為預(yù)警依據(jù)，即預(yù)警模型構(gòu)建的數(shù)據(jù)來(lái)源于環(huán)境參數(shù)及已經(jīng)發(fā)生病害的葉片樣本，樣本采集周期長(zhǎng)，且構(gòu)建的預(yù)警模型僅僅能針對(duì)某種作物的一種或幾種病害進(jìn)行預(yù)警，通用性較差，而農(nóng)業(yè)病害早期/初期檢測(cè)技術(shù)可以在短時(shí)間內(nèi)準(zhǔn)確判定病原，即有效做到了短期預(yù)警，其預(yù)警精確性高、時(shí)效性好，同時(shí)，農(nóng)業(yè)病害早期診斷與預(yù)警可以及時(shí)為農(nóng)民提供病害防治指導(dǎo)措施，大大減少了不必要的經(jīng)濟(jì)損失。

(4)農(nóng)業(yè)病害預(yù)警系統(tǒng)及裝備將朝低成本方向發(fā)展。有效實(shí)施農(nóng)業(yè)病害預(yù)警會(huì)使用到傳感器、計(jì)算機(jī)等硬件設(shè)備以及實(shí)時(shí)監(jiān)測(cè)等軟件平臺(tái)，目前而言，這些設(shè)備成本相對(duì)較高，只有一些大型農(nóng)業(yè)基地或科研基地能夠負(fù)擔(dān)起這些成本，而對(duì)于一些小型農(nóng)戶，不便推廣應(yīng)用，適當(dāng)降低其成本是普及農(nóng)業(yè)病害預(yù)警信息化技術(shù)的必要手段。

(5)實(shí)時(shí)在線的農(nóng)業(yè)病害自動(dòng)預(yù)警方式將成為重點(diǎn)研究方向。現(xiàn)階段的農(nóng)業(yè)病害預(yù)警往往需要結(jié)合一些實(shí)驗(yàn)室處理方法，如光譜采集、電鏡檢測(cè)等，在做出預(yù)警決策之前，已經(jīng)消耗了一定的時(shí)間，因此預(yù)警無(wú)法做到實(shí)時(shí)在線進(jìn)行，將電鏡檢測(cè)、光譜采集等技術(shù)與實(shí)時(shí)在線監(jiān)測(cè)技術(shù)相結(jié)合，實(shí)現(xiàn)對(duì)病害的實(shí)時(shí)監(jiān)測(cè)與自動(dòng)預(yù)警，將對(duì)農(nóng)業(yè)病害預(yù)警領(lǐng)域具有更大的實(shí)際意義。

1馮占山，高世杰. 農(nóng)業(yè)可持續(xù)發(fā)展與農(nóng)業(yè)病害的持續(xù)控制[J]. 現(xiàn)代化農(nóng)業(yè)，2013(3): 5-6.

2姜玉英，曾娟，陸明紅，等. 2015年全國(guó)農(nóng)作物重大病蟲(chóng)害發(fā)生趨勢(shì)預(yù)報(bào)[J]. 中國(guó)植保導(dǎo)刊，2015(2): 10-12.

3申保珍. 我國(guó)設(shè)施農(nóng)業(yè)創(chuàng)造近7000萬(wàn)就業(yè)崗位[N]. 農(nóng)資快遞，2015-7-20.

4姜鈞武. 設(shè)施蔬菜栽培特點(diǎn)及其調(diào)控技術(shù)[J]. 吉林蔬菜，2012(4): 27-28.

5王紅梅，王宏. 淺談設(shè)施蔬菜產(chǎn)業(yè)的發(fā)展[J]. 科學(xué)之友，2012(24): 162-163.

WANG Hongmei, WANG Hong. Discussion on facilities the development of the vegetable industry[J]. Friend of Science Amateurs, 2012(24):162-163. (in Chinese)

6孫傳恒，楊信廷. 可控環(huán)境下溫室蔬菜病蟲(chóng)害發(fā)生特點(diǎn)及預(yù)警技術(shù)研究[C]∥中國(guó)植物保護(hù)學(xué)會(huì)第九屆會(huì)員代表大會(huì)暨2005年學(xué)術(shù)年會(huì)，2005：837-841.

7ILARIA Perto, TSVI Kuflik, IGOR Gordon, et al. Identificator: a web-based tool for visual plant disease identification, a proof of concept with a case study on strawberry[J]. Computers and Electronics in Agriculture, 2012，84: 144-154.

8SINDHUJA Sankaran, ASHISH Mishra, REZA Ehsania, et al. A review of advanced techniques for detecting plant diseases[J]. Computers and Electronics in Agriculture, 2010,70: 1-13.

9李麗. 基于徑向基網(wǎng)絡(luò)和支持向量機(jī)的梨病蟲(chóng)害預(yù)警預(yù)報(bào)系統(tǒng)研究[D]. 北京: 中國(guó)農(nóng)業(yè)大學(xué)，2007.

10李道亮，傅澤田，溫繼文，等. 農(nóng)業(yè)病蟲(chóng)害遠(yuǎn)程診斷與預(yù)警技術(shù)[M]. 北京: 清華大學(xué)出版社，2010.

11陳雅君，李永剛. 園林植物病蟲(chóng)害防治[M]. 北京: 化學(xué)工業(yè)出版社，2012.

12王杰，檀根甲，胡易冰，等. 基于神經(jīng)網(wǎng)絡(luò)的稻白葉枯病中期預(yù)警[J]. 安徽農(nóng)業(yè)大學(xué)學(xué)報(bào)，2002，29(1): 12-15.

WANG Jie, TAN Genjia, HU Yibing, et al. The mid-term predictive warning of neural network for bacterial leaf blight of rice diseases[J]. Journal of Anhui Agricultural University, 2002, 29(1): 12-15. (in Chinese)

13秦淑蓮，翟保平，張孝羲，等. 棉鈴蟲(chóng)發(fā)生與北太平洋海溫的遙相關(guān)及其長(zhǎng)期災(zāi)變預(yù)警[J]. 昆蟲(chóng)學(xué)報(bào)，2003，46(4): 479-488.

QIN Shulian, ZHAI Baoping, ZHANG Xiaoxi, et al. Teleconnection between sea surface temperature in North Pacific and outbreaks of the cotton bollworm,Helicoverpaarmigera(Hübner) in Northern and Eastern China: an approach for long-term forecast[J]. Acta Entomologica Sinica, 2003, 46(4): 479-488. (in Chinese)

14秦世宏. 農(nóng)業(yè)預(yù)警與農(nóng)業(yè)宏觀調(diào)控分析[J]. 農(nóng)業(yè)與技術(shù)，2015，35(11): 19-23.

15劉東紅，周建偉，莫凌飛. 物聯(lián)網(wǎng)技術(shù)在食品及農(nóng)產(chǎn)品中應(yīng)用的研究進(jìn)展[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2012，43(1): 146-152.

LIU Donghong, ZHOU Jianwei, MO Lingfei. Applications of internet of things in food and agri-food areas[J]. Transactions of the Chinese Society for Agricultural Machinery, 2012, 43(1): 146-152. (in Chinese)

16何勇，聶鵬程，劉飛. 農(nóng)業(yè)物聯(lián)網(wǎng)與傳感儀器研究進(jìn)展[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2013，44(10): 216-226.

HE Yong, NIE Pengcheng, LIU Fei. Advancement and trend of internet of things in agriculture and sensing instrument[J]. Transactions of the Chinese Society for Agricultural Machinery, 2013, 44(10): 216-226. (in Chinese)

17黃沖，劉萬(wàn)才. 試論物聯(lián)網(wǎng)技術(shù)在農(nóng)作物重大病蟲(chóng)害檢測(cè)預(yù)警中的應(yīng)用前景[J]. 中國(guó)植保導(dǎo)刊，2015(10): 55-60.

18劉淵，王瑞智，楊澤林. 基于物聯(lián)網(wǎng)的連棟蔬菜溫棚環(huán)境監(jiān)測(cè)系統(tǒng)設(shè)計(jì)[J]. 農(nóng)機(jī)化研究，2014(1): 121-126.

LIU Yuan, WANG Ruizhi, YANG Zelin. Design of environment monitoring system in multi-span vegetable greenhouse based on internet of things[J]. Journal of Agricultural Mechanization Research, 2014(1):121-126. (in Chinese)

19趙中華，車興壁，張君. 物聯(lián)網(wǎng)技術(shù)在馬鈴薯晚疫病防控中的應(yīng)用實(shí)踐[J]. 中國(guó)植保導(dǎo)刊，2015(7): 37-40.

20SENTELLAS P C, MONTEIRO J E B A, GILLESPIE T J. Electronic leaf wetness duration sensor, why it should be painted[J]. International Journal of Biometeorology, 2004, 48(4): 202-205.

21李明，趙春江，喬淑，等. 基于冠層相對(duì)濕度的日光溫室黃瓜葉片濕潤(rùn)時(shí)間估計(jì)模型[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2010，26(9): 286-291.

LI Ming, ZHAO Chunjiang, QIAO Shu, et al. Estimation model of leaf wetness duration based on canopy relative humidity for cucumbers in solar greenhouse[J]. Transactions of the CSAE, 2010, 26(9): 286-291. (in Chinese)

22ZHAO Chunjiang, LI Ming, YANG Xinting, et al. A data-driven model simulating primary infection probabilities of cucumber downy mildew for use in early warning systems in solar greenhouses[J]. Computers and Electronics in Agriculture, 2011, 76(2): 306-315.

23馬丹丹，鄧雨青，周彥，等. 電鏡技術(shù)在植物病害研究中的應(yīng)用[G]∥中國(guó)植物病理學(xué)會(huì). 中國(guó)植物病理學(xué)會(huì)2015年學(xué)術(shù)年會(huì)論文集，2015：589.

24YE Tao, SOUMOU Wansim Nadege, HUANG Caiping, et al.Brachypodiumdistachyonis a suitable host plant for study of barley yellow dwarf virus[J]. Virus Genes, 2016, 52(2): 299-302.

25李小龍，馬占鴻，孫振宇，等. 基于圖像處理的小麥條銹病菌夏孢子模擬捕捉的自動(dòng)計(jì)數(shù)[J]. 農(nóng)業(yè)工程學(xué)報(bào)， 2013，29(2): 199-206.

LI Xiaolong, MA Zhanhong, SUN Zhenyu, et al. Automatic counting for trapped urediospores ofPucciniastriiformisf. sp. tritici based on image processing[J]. Transactions of the CSAE, 2013, 29(2): 199-206. (in Chinese)

26齊龍，蔣郁，李澤華，等. 基于顯微圖像處理的稻瘟病菌孢子自動(dòng)檢測(cè)與計(jì)數(shù)方法[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2015，31(12): 186-193.

QI Long, JIANG Yu, LI Zehua, et al. Automatic detection and counting method for spores of rice blast based on micro image processing[J]. Transactions of the CSAE, 2015, 31(12): 186-193. (in Chinese)

27YOO S M, LEE S Y. Diagnosis of pathogens using DNA microarray[J]. Recent Patents on Biotechnology, 2008, 2(2): 124-129.

28肖長(zhǎng)坤，李健強(qiáng)，師迎春，等. 十字花科蔬菜黑斑病菌的PCR鑒定[J]. 植物病理學(xué)報(bào)，2005，35(3): 278-282.

XIAO Changkun, LI Jianqiang, SHI Yingchun, et al. PCR identification of the pathogens causing black leaf spot of cruciferae vegetables[J]. Acta Phytopa Thologika Sinica, 2005, 35(3):278-282. (in Chinese)

29林琳，馬雅軍. 生物芯片在病原體檢測(cè)中的研究進(jìn)展[J]. 中國(guó)病原生物學(xué)雜志，2011，6(3): 232-235.

LIN Lin, MA Yajun. Applications of biochip technology in pathogen detection[J]. Journal of Pathogen Biology, 2011, 6(3): 232-235. (in Chinese)

30倪進(jìn)斌，呂德方，高亞梅，等. 生物芯片在植物科學(xué)中應(yīng)用的研究進(jìn)展[J]. 現(xiàn)代化農(nóng)業(yè)，2010(7): 1-3.

31李淼，檀根甲，周冬生，等. 基因芯片技術(shù)及其在植物病害研究中的應(yīng)用[J]. 植物保護(hù)，2003，29(1): 5-9.

LI Miao, TAN Genjia, ZHOU Dongsheng, et al. Gene chip technology and its applications in the research of plant diseases[J]. Plant Protection, 2003，29(1): 5-9. (in Chinese)

32滕安國(guó)，高峰，夏新成，等. 高光譜技術(shù)在農(nóng)業(yè)中的應(yīng)用研究進(jìn)展[J]. 江蘇農(nóng)業(yè)科學(xué)，2009(3): 8-11.

33王坤，朱大洲，張東彥，等. 成像光譜技術(shù)在農(nóng)作物信息診斷中的研究進(jìn)展[J]. 光譜學(xué)與光譜分析，2011，31(3): 589-594.

WANG Kun, ZHU Dazhou, ZHANG Dongyan, et al. Advance of the imaging spectral technique in diagnosis of the information of crop[J]. Spectroscopy and Spectral Analysis, 2011, 31(3): 589-594. (in Chinese)

34孫金英，曹宏鑫，黃云. 光譜技術(shù)在作物生長(zhǎng)與營(yíng)養(yǎng)信息監(jiān)測(cè)方面的研究進(jìn)展[J]. 中國(guó)農(nóng)業(yè)科技導(dǎo)報(bào)，2008，10(增刊1): 18-24.

SUN Jinying, CAO Hongxin, HUANG Yun. Research advances of spectral technology in monitoring the growth and nutrition information of crop[J]. Journal of Agricultural Science and Technology, 2008, 10(Supp.1): 18-24. (in Chinese)

35王海超，高雄，陳鐵英，等. 農(nóng)作物病害檢測(cè)中光譜和圖像處理技術(shù)現(xiàn)狀及展望[J]. 農(nóng)機(jī)化研究，2015(10): 1-7.

WANG Haichao, GAO Xiong, CHEN Tieying,et al. Research progress and prospect of spectral and machine vision technology on crop disease detection[J]. Journal of Agricultural Mechanization Research, 2015(10): 1-7. (in Chinese)

36隋媛媛，于海業(yè)，張蕾，等. 基于葉綠素?zé)晒夤庾V分析的黃瓜霜霉病害預(yù)測(cè)模型[J]. 光譜學(xué)與光譜分析，2011，31(11): 2987-2990.

SUI Yuanyuan, YU Haiye, ZHANG Lei, et al. Cucumber downy mildew prediction model based on analysis of chlorophyll fluorescence spectrum[J]. Spectroscopy and Spectral Analysis, 2011, 31(11):2987-2990. (in Chinese)

37隋媛媛，于海業(yè)，張蕾，等. 溫室黃瓜蚜蟲(chóng)害的熒光光譜監(jiān)測(cè)與預(yù)警[J]. 光譜學(xué)與光譜分析，2012，32(7): 1834-1837.

SUI Yuanyuan, YU Haiye, ZHANG Lei, et al. Fluorescence spectrum monitor for early warning of greenhouse cucumber aphis pests[J]. Spectroscopy and Spectral Analysis, 2012, 32(7):1834-1837. (in Chinese)

38ZHOU Lina, YU Haiye, ZHANG Lei, et al. Rice blast prediction model based on analysis of chlorophyll fluorescence spectrum[J]. Spectroscopy and Spectral Analysis, 2014, 34(4): 1003-1006.

39馮雷，柴榮耀，孫光明，等. 基于多光譜成像技術(shù)的水稻葉瘟檢測(cè)分級(jí)方法研究[J]. 光譜學(xué)與光譜分析，2009，29(10): 2730-2733.

FENG Lei, CHAI Rongyao, SUN Guangming, et al. Identification and classification of rice leaf blast based on multi-spectral imaging sensor[J]. Spectroscopy and Spectral Analysis, 2009, 29(10): 2730-2733. (in Chinese)

40邢東興，常慶瑞. 基于光譜反射率的果樹(shù)病蟲(chóng)害級(jí)別定量化測(cè)評(píng)——以紅富士蘋(píng)果樹(shù)黃葉病害、紅蜘蛛蟲(chóng)害為例[J]. 西北農(nóng)林科技大學(xué)學(xué)報(bào)，2009，37(11): 143-148.

XING Dongxing, CHANG Qingrui. Quantiative evaluation of the degrees of disease or insect pest intimidation based on spectral reflectance of canopies of fruit trees—Yellow leaf disease and red mite insect pest of fuji apple trees as samples[J]. Journal of Northwest A&F University, 2009, 37(11): 143-148. (in Chinese)

41RINEHART G J, BAIRD J H, CALHOUN R N. Remote sensing of brown patch and dollar spot on creeping bentgrass and annual bluegrass turf using visible and near-infrared spectroscopy[C]∥9th International Turfgrass Research Conference, 2001,9:705-709.

42BRAVO C, MOSHOU D, WEST J, et al. Early disease detection in wheat fields using spectral reflectance [J]. Biosystems Engineering, 2003, 84(22): 137-145.

43JONES C D, JONES J B, LEE W S. Diagnosis of bacterial spot of tomato using spectral signatures[J]. Computers and Electronics in Agriculture, 2010, 74(2): 329-335.

44馮雷，陳雙雙，馮斌，等. 基于光譜技術(shù)的大豆豆莢炭疽病早期鑒別方法[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2012，28(1): 139-144.

FENG Lei, CHEN Shuangshuang, FENG Bin, et al. Early detection of soybean pod anthracnose based on spectrum technology[J]. Transactions of the CSAE, 2012, 28(1): 139-144. (in Chinese)

45姚云軍，秦其明，張自力，等. 高光譜技術(shù)在農(nóng)業(yè)遙感中的應(yīng)用研究進(jìn)展[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2008，24(7): 301-306.

YAO Yunjun, QIN Qiming, ZHANG Zili, et al. Research progress of hyperspectral technology applied in agricultural remote sensing [J]. Transactions of the CSAE, 2008,24(7): 301-306. (in Chinese)

46MOSHOU D, BRAVO C, WAHLEN S, et al. Simultaneous identification of plant stresses and diseases in arable crops using proximal optical sensing and self-organising maps[J]. Precision Agriculture, 2006,7(3): 149-164.

47QIN Zhihao, ZHANG Minghua. Detection of rice sheath blight for in-season disease management using multispectral remote sensing[J]. International Journal of Applied Earth Observation and Geoinformation, 2005,7(2): 115-128.

48李楠，劉成良，李彥明，等. 基于3S技術(shù)聯(lián)合的農(nóng)田墑情遠(yuǎn)程監(jiān)測(cè)系統(tǒng)開(kāi)發(fā)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2010，26(4):169-174.

LI Nan, LIU Chengliang, LI Yanming, et al. Development of remote monitoring system for soil moisture based on 3S technology alliance[J]. Transactions of the CSAE, 2010, 26(4): 169-174. (in Chinese)

49佟彩，吳秋蘭，劉琛，等. 基于3S技術(shù)的智慧農(nóng)業(yè)研究進(jìn)展[J]. 山東農(nóng)業(yè)大學(xué)學(xué)報(bào)，2015，46(6): 856-860.

TONG Cai, WU Qiulan, LIU Chen, et al. A review of wisdom agriculture based on 3S technologies[J]. Journal of Shandong Agricultural University, 2015, 46(6):856-860. (in Chinese)

50趙春江. 農(nóng)業(yè)遙感研究與應(yīng)用進(jìn)展[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2014，45(12): 277-293.

ZHAO Chunjiang. Advances of research and application in remote sensing for agriculture[J]. Transactions of the Chinese Society for Agricultural Machinery, 2014, 45(12): 277-293. (in Chinese)

51洪波，張鋒，李英梅，等. GIS在農(nóng)業(yè)病蟲(chóng)害預(yù)警研究中的應(yīng)用[J]. 陜西農(nóng)業(yè)科學(xué)，2011(3): 170-173.

52石雷，韋雪花，周汝良. 3S技術(shù)在松材線蟲(chóng)病監(jiān)測(cè)預(yù)警中的應(yīng)用研究現(xiàn)狀[J]. 云南地理環(huán)境研究，2008，20(3): 15-19.

SHI Lei, WEI Xuehua, ZHOU Ruliang. Present utilization and research situation of 3S on monitoring and forecasting pine wilt disease[J]. Yunnan Geographic Environment Research, 2008, 20(3):15-19. (in Chinese)

53王蕾，黃華國(guó)，張曉麗，等. 3S技術(shù)在森林蟲(chóng)害動(dòng)態(tài)監(jiān)測(cè)中的應(yīng)用研究[J]. 世界林業(yè)研究，2005，18(2): 51-56.

WANG Lei, HUANG Huaguo, ZHANG Xiaoli, et al. The application of RS,GIS and GPS in the monitoring of forest insect pests dynamics[J]. World Forestry Research, 2005, 18(2): 51-56. (in Chinese)

54石進(jìn)，馬盛安，蔣麗雅，等. 航空遙感技術(shù)監(jiān)測(cè)松材線蟲(chóng)病的應(yīng)用[J]. 中國(guó)森林病蟲(chóng)，2006(1): 18-20.

SHI Jin, MA Shengan, JIANG Liya, et al. Application of aerial remote sensing technique in monitoring pine wood nomatode disease[J]. Forest Pest and Disease, 2006(1):18-20. (in Chinese)

56羅菊花，黃文江，韋朝領(lǐng)，等. 基于GIS的農(nóng)作物病蟲(chóng)害預(yù)警系統(tǒng)的初步建立[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2008，24(12): 127-131.

LUO Juhua, HUANG Wenjiang, WEI Chaoling, et al. Establishment of prewarning system for crop diseases and insect pests[J].Transactions of the CSAE, 2008,24(12):127-131. (in Chinese)

57劉明輝，沈佐銳，高靈旺，等. 基于WebGIS的農(nóng)業(yè)病蟲(chóng)害預(yù)測(cè)預(yù)報(bào)專家系統(tǒng)[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2009，40(7): 180-186.

LIU Minghui, SHEN Zuorui, GAO Lingwang, et al. Expert system based on webgis for forecast and prediction of agricultural pests[J].Transactions of the Chinese Society for Agricultural Machinery, 2009,40(7):180-186. (in Chinese)

58劉書(shū)華，楊曉紅，蔣文科，等. 基于GIS的農(nóng)作物病蟲(chóng)害防治決策支持系統(tǒng)[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2003，19(4): 147-150.

LIU Shuhua, YANG Xiaohong, JIANG Wenke,et al. Decision support system for crop diseases and insect pests prevention and control based on GIS[J].Transactions of the CSAE, 2003,19(4):147-150. (in Chinese)

59陳林，程登發(fā)，陸慶光，等. 一種基于多Agent和GIS的麥蚜種群動(dòng)態(tài)模擬方法研究初報(bào)[J]. 植物保護(hù)，2006，32(6): 33-38.

CHEN Lin, CHENG Dengfa, LU Qingguang, et al. Development of large-scale spatio-temporal dynamic model of wheat aphid population based on the multi-agent system and geographic information system[J]. Plant Protection, 2006, 32(6):33-38. (in Chinese)

60陳兵旗，郭學(xué)梅，李曉華. 基于圖像處理的小麥病害診斷算法[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2009，40(12):190-195.

CHEN Bingqi, GUO Xuemei, LI Xiaohua. Image diagnosis algorithm of diseased wheat[J]. Transactions of the Chinese Society for Agricultural Machinery, 2009, 40(12): 190-195. (in Chinese)

61徐鵬云，么永強(qiáng)，白慶華. 基于圖像灰度識(shí)別的孢子自動(dòng)計(jì)算系統(tǒng)[J]. 植物保護(hù)，2007，33(1): 109-112.

XU Pengyun, YAO Yongqiang, BAI Qinghua. Automatic counting system for spores based on gray level recognition[J]. Plant Protection, 2007, 33(1): 109-112. (in Chinese)

62彭占武，司秀麗，王雪，等. 基于圖像處理和模糊聚類方法的黃瓜霜霉病識(shí)別研究[J]. 中國(guó)農(nóng)機(jī)化學(xué)報(bào)，2013，34(2): 212-216.

PENG Zhanwu, SI Xiuli, WANG Xue, et al. Study on the recognition of cucumber downy mildew based on image processing and fuzzy clustering [J]. Journal of Chinese Agricultural Mechanization, 2013, 34(2): 212-216. (in Chinese)

63王獻(xiàn)鋒，張善文，王震，等. 基于葉片圖像和環(huán)境信息的黃瓜病害識(shí)別方法[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2014，30(14): 148-153.

WANG Xianfeng, ZHANG Shanwen, WANG Zhen, et al. Recognition of cucumber diseases based on leaf image and environmental information[J]. Transactions of the CSAE, 2014, 30(14): 148-153. (in Chinese)

64MA Juncheng, LI Xinxing, WEN Haojie, et al. A key frame extraction method for processing greenhouse vegetables production monitoring video[J]. Computers and Electronics in Agriculture, 2015, 111: 92-102.

65馬浚誠(chéng)，李鑫星，溫皓杰，等. 面向葉類蔬菜病害識(shí)別的溫室監(jiān)控視頻采集系統(tǒng)[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2015，46(3): 282-287.

MA Juncheng, LI Xinxing, WEN Haojie, et al. Monitoring video capture system for identification of greenhouse vegetable diseases[J]. Transactions of the Chinese Society for Agricultural Machinery, 2015, 46(3): 282-287. (in Chinese)

66王建璽，徐向藝. 基于圖像處理和模糊識(shí)別技術(shù)的煙葉病害識(shí)別研究[J]. 現(xiàn)代電子技術(shù)，2015，38(8): 4-7.

WANG Jianxi, XU Xiangyi. Research on tobacco disease auto-recognition based on image processing and fuzzy recognition technology[J]. Modern Electronics Technique, 2015, 38(8): 4-7. (in Chinese)

67武向良，高聚林，趙于東，等. 農(nóng)業(yè)專家系統(tǒng)研究進(jìn)展及發(fā)展方向[J]. 農(nóng)機(jī)化研究，2008(1): 235-238.

WU Xiangliang, GAO Julin, ZHAO Yudong, et al. Agriculture expert system research progress and development direction[J]. Journal of Agricultural Mechanization Research, 2008(1): 235-238. (in Chinese)

68劉衛(wèi)華，張順，許家來(lái)，等. 農(nóng)業(yè)專家系統(tǒng)應(yīng)用現(xiàn)狀與前景展望[J]. 農(nóng)業(yè)災(zāi)害研究，2015，5(2): 52-54.

LIU Weihua, ZHANG Shun, XU Jialai, et al. Application status and perspective of agricultural expert system[J]. Journal of Agricultural Catastrophology, 2015, 5(2):52-54. (in Chinese)

69馬麗麗，紀(jì)建偉，賀超興，等. 番茄專家系統(tǒng)環(huán)境數(shù)據(jù)庫(kù)在病害預(yù)測(cè)中的應(yīng)用[J]. 農(nóng)機(jī)化研究，2008(6): 161-163.

MA Lili, JI Jianwei, HE Chaoxing, et al. The application of environment data base in tomato expert system for disease prevention[J]. Journal of Agricultural Mechanization Research, 2008(6):161-163. (in Chinese)

70溫皓杰，張領(lǐng)先，傅澤田，等. 基于Web的黃瓜病害診斷系統(tǒng)設(shè)計(jì)[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2010，41(12): 178-182.

WEN Haojie, ZHANG Lingxian, FU Zetian, et al. Disease diagnosis system design for cucumber based on Web[J]. Transactions of the Chinese Society for Agricultural Machinery, 2010, 41(12):178-182. (in Chinese)

71宋啟堃，鄭松，宋彥棠. 黔南州主要農(nóng)作物病蟲(chóng)害監(jiān)測(cè)預(yù)警專家系統(tǒng)的構(gòu)建與實(shí)現(xiàn)[J]. 云南地理環(huán)境研究，2011，23(1): 34-37.

SONG Qikun, ZHENG Song, SONG Yantang. The construction and realization of the qiannan main plant insect pests monitoring warning expert system[J]. Yunnan Geographic Environment Research, 2011, 23(1): 34-37. (in Chinese)

72閔紅. 河南省小麥紋枯病預(yù)警與決策專家系統(tǒng)的構(gòu)建[D]. 鄭州: 河南農(nóng)業(yè)大學(xué)，2003.

73MOH A, MASSART S, JIJAKLI M H, et al. Models to predict the combined effects of temperature and relative humidity onPectobacteriumatrosepticumandPectobacteriumcarotovorumsubsp.Carotovorumpopulationdensity and soft rot disease development at the surface of wounded potato tubers[J]. Journal of Plant Pathology, 2012, 94 (1): 181-191.

74李明，趙春江，楊信廷，等. 溫室蔬菜病害預(yù)警體系初探——以黃瓜霜霉病為例[J]. 中國(guó)農(nóng)學(xué)通報(bào)，2010，26(6): 324-331.

LI Ming, ZHAO Chunjiang, YANG Xinting, et al. Towards an early warning framework of greenhouse vegetable diseases—a case of cucumber downy mildew[J]. Chinese Agricultural Science Bulletin, 2010, 26(6):324-331. (in Chinese)

75鄢洪海. 保護(hù)地番茄晚疫病發(fā)生流行預(yù)測(cè)模型的建立與應(yīng)用[J]. 長(zhǎng)江蔬菜，2009(10): 72-74.

YAN Honghai. Application and establishment of the prevalence prediction model of tomato late blight in protected cultivation[J]. Journal of Changjiang Vegetables, 2009(10):72-74. (in Chinese)

76惠祥海，孫明海，劉蘭蘭. 溫室辣椒疫病的預(yù)報(bào)模型與防治技術(shù)[J]. 現(xiàn)代農(nóng)業(yè)科技，2009(5): 118-119.

77華來(lái)慶，熊林平，孟虹，等. 指數(shù)平滑法在霜霉病發(fā)病趨勢(shì)預(yù)測(cè)中的應(yīng)用[J]. 數(shù)理醫(yī)藥學(xué)雜志，2006，19(2): 119-121.

HUA Laiqing, XIONG Linping, MENG Hong, et al. The application of exponential smoothing methods on the forecast of downy mildew disease trends[J]. Journal of Mathematical Medicine, 2006, 19(2):119-121. (in Chinese)

78華來(lái)慶，熊林平，孟虹，等. AR-EGARCH模型在疾病指數(shù)時(shí)間序列建模中的應(yīng)用研究[J]. 中國(guó)衛(wèi)生統(tǒng)計(jì)，2006，23(6): 482-485.

HUA Laiqing, XIONG Linping, MENG Hong, et al. Application of AR- EGARCH model in establishing methods of disease index time series models[J]. Chinese Journal of Health Statistics, 2006, 23(6): 482-485. (in Chinese)

79華來(lái)慶，熊林平，申廣榮，等. 自回歸模型在黃瓜霜霉病預(yù)測(cè)中的應(yīng)用[J]. 第二軍醫(yī)大學(xué)學(xué)報(bào)，2005，26(6): 684-686.

HUA Laiqing, XIONG Linping, SHEN Guangrong, et al. Application of an autoregressive model in cucumber downy mildew disease forecasting[J]. Academic Journal of Second Military Medical University, 2005, 26(6): 684-686. (in Chinese)

80馬寧. 寒地玉米大斑病預(yù)警診斷系統(tǒng)研究[D]. 泰安: 山東農(nóng)業(yè)大學(xué)，2015.

81王純枝，郭安紅，張玉書(shū)，等. 東北地區(qū)楊樹(shù)爛皮病氣象預(yù)報(bào)模型研究[J]. 中國(guó)農(nóng)學(xué)通報(bào)，2012，28(10): 47-52.

WANG Chunzhi, GUO Anhong, ZHANG Yushu, et al. Study on meteorological forecasting model of valsa sordida nits in northeast China[J]. Chinese Agricultural Science Bulletin, 2012, 28(10):47-52. (in Chinese)

82陳凱，朱鈺. 機(jī)器學(xué)習(xí)及其相關(guān)算法綜述[J]. 統(tǒng)計(jì)與信息論壇，2007，22(5): 105-112.

CHEN Kai, ZHU Yu. A summary of machine learning and related algorithms[J]. Statistics & Information Forum, 2007, 22(5): 105-112. (in Chinese)

83劉曉宇. 黑龍江煙草產(chǎn)量預(yù)測(cè)及病害預(yù)警方法研究[D]. 哈爾濱: 東北農(nóng)業(yè)大學(xué)，2012.

84張壽明，李燦輝，何慧龍，等. 神經(jīng)網(wǎng)絡(luò)在馬鈴薯晚疫病長(zhǎng)期預(yù)報(bào)中的應(yīng)用研究[J]. 昆明理工大學(xué)學(xué)報(bào)，2004，29(4): 139-142.

ZHANG Shouming, LI Canhui, HE Huilong, et al. Applicative research of the long- term prediction of the neural network to the potato late blight disease[J]. Journal of Kunming University of Science and Technology, 2004, 29(4): 139-142. (in Chinese)

85李麗，李道亮，周志堅(jiān)，等. 徑向基函數(shù)網(wǎng)絡(luò)與WebGIS融合的蘋(píng)果病蟲(chóng)害預(yù)測(cè)[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2008，39(3): 116-119.

LI Li, LI Daoliang, ZHOU Zhijian, et al. Forecast of disease and pest in apple orchards based on fusion of radial basis function neural network and WebGIS[J]. Transactions of the Chinese Society for Agricultural Machinery, 2008, 39(3): 116-119. (in Chinese)

86熊雪梅，姬長(zhǎng)英，CLAUDIO Moraga. 基于參數(shù)化遺傳神經(jīng)網(wǎng)絡(luò)的植物病害預(yù)測(cè)方法[J]. 農(nóng)業(yè)機(jī)械學(xué)報(bào)，2004，35(6): 110-114.

XIONG Xuemei, JI Changying, CLAUDIO Moraga. Parametric fuzzy neural network based on genetic algorithm configured for plant disease prediction[J]. Transactions of the Chinese Society for Agricultural Machinery, 2004, 35(6): 110-114. (in Chinese)

87曹志勇，邱靖，曹志娟，等. 基于改進(jìn)型神經(jīng)網(wǎng)絡(luò)的植物病蟲(chóng)害預(yù)警模型的構(gòu)建[J]. 安徽農(nóng)業(yè)科學(xué)，2010，38(1): 538-540.

CAO Zhiyong, QIU Jing, CAO Zhijuan, et al. Construction of the early-warning model for plant diseases based on improving neural network[J]. Journal of Anhui Agricultural Sciences, 2010, 38(1): 538-540. (in Chinese)

88牛海微. 基于遺傳BP神經(jīng)網(wǎng)絡(luò)構(gòu)建溫室月季花卉病害預(yù)警系統(tǒng)[D]. 長(zhǎng)春: 吉林大學(xué)，2011.

89李娟. 小麥黃矮病人工神經(jīng)網(wǎng)絡(luò)模型及蘋(píng)果褐斑病動(dòng)態(tài)預(yù)測(cè)模型的構(gòu)建[D]. 楊凌: 西北農(nóng)林科技大學(xué)，2010.

90RUMPF T, MAHLEIN A K, STEINER U, et al. Early detection and classification of plant diseases with support vector machines based on hyperspectral reflectance[J]. Computers and Electronics in Agriculture，2010, 74(1): 91-99.

91楊志民，梁靜，劉廣利. 強(qiáng)模糊支持向量機(jī)在稻瘟病氣象預(yù)警中的應(yīng)用[J]. 中國(guó)農(nóng)業(yè)大學(xué)學(xué)報(bào)，2010，15(3): 122-128.

YANG Zhimin, LIANG Jing, LIU Guangli. Application of strong fuzzy support vector machine on weather early warning of rice blast[J]. Journal of China Agricultural University, 2010, 15(3): 122-128. (in Chinese)

Research Progress Analysis of Mainly Agricultural Diseases Detectio and Early Warning Technologies

Wang Xiangyu1Wen Haojie1,2Li Xinxing2,3Fu Zetian1,2Lü Xiongjie4Zhang Lingxian3,5

(1.CollegeofEngineering,ChinaAgriculturalUniversity,Beijing100083,China2.BeijingLaboratoryofFoodQualityandSafety,Beijing100083,China3.CollegeofInformationandElectricalEngineering,ChinaAgriculturalUniversity,Beijing100083,China4.InformationInstitute,TianjinAcademyofAgriculturalSciences，Tianjin300192,China5.KeyLaboratoryofAgriculturalInformationAcquisitionTechnology(Beijing),MinistryofAgriculture,Beijing100083,China)

The occurrence of agricultural diseases has been one of the restrict factors of sustainable agricultural development for a long time, and agricultural diseases early warning technology gradually becomes a hot issue in China and abroad. Based on the literature review, the important meaning of agricultural diseases early warning technology for agricultural development was presented. This article expounded the characteristics and classification of agriculture diseases early warning firstly. And then a systematical analysis and discussion were carried on the key technologies for agricultural diseases early warning information acquisition, mainly summarizing the internet of things and sensor technology, 3S technology, spectrum technology and pathogenic microorganism examination technology. And also an introduction of agricultural diseases early warning information processing technologies was made, such as image processing technology, expert system of disease early warning and disease prediction technology. Finally, the conclusion of the whole article was obtained. The results indicated that the integration and combination of muti-technology would cover the whole agricultural diseases early warning area and get a higher accuracy of disease early warning；the acquisition of agricultural information was becoming precision and extensive; the early detection，diagnose and warning of agricultural diseases would be a new development direction; the agricultural disease early warning systems and equipment would be developed with lower cost; the real-time and online agricultural diseases automatic early warning will be an important research direction.

agricultural diseases; early warning; disease detection; internet of things; 3S technology

10.6041/j.issn.1000-1298.2016.09.037

2016-04-22

2016-07-03

葉類蔬菜產(chǎn)業(yè)技術(shù)體系北京市創(chuàng)新團(tuán)隊(duì)建設(shè)專項(xiàng)資金項(xiàng)目(BAIC07-2016)和天津市科技支撐計(jì)劃項(xiàng)目(15ZCZDNC00120)

王翔宇(1989—)，男，博士生，主要從事農(nóng)業(yè)系統(tǒng)與知識(shí)工程研究，E-mail: wangxiangyu@cau.edu.cn

張領(lǐng)先(1970—)，男，副教授，博士，主要從事農(nóng)業(yè)系統(tǒng)與知識(shí)工程研究，E-mail: zlx131@163.com

S431.9； S-1

A

1000-1298(2016)09-0266-12