病蟲害專家系統研究進展

劉孝永　王未名　封文杰等

摘 要：病蟲害專家系統能夠對病蟲害實現實時遠程診斷、專家決策以及預測預報。隨著計算機技術的發展，我國病蟲害專家系統發展很快，自動診斷技術也在不斷發展，但病蟲害數據共享和數字化預警系統等的建設有待加強，需要政府的進一步支持。

關鍵詞：病蟲害；專家系統；自動診斷；預警系統

中圖分類號：S431文獻標識號：A文章編號：1001-4942（2013）09-0138-06

病蟲害專家系統，即植物保護專家系統，是根據農作物病蟲害的發病特征和發生規律，為用戶提供有關作物病蟲害的遠程診斷、專家決策以及預測預報的一種農業專家系統。

病蟲害專家系統包含數據量巨大的病蟲害數據庫，加上聲圖文并茂的界面，可以使農民對各種作物、蔬菜和果樹的所有可能發生的病蟲害系統深入了解，對其產生全面認識。而系統中的圖像診斷系統能夠整合大量高層次病蟲害研究專家多年從事病蟲害研究和實踐積累的經驗和知識，幫助農民對發生的病蟲害進行實時診斷，及時采取防治措施。在遭遇比較復雜的病蟲害時，可以通過遠程專家群與專家進行實時溝通診斷，及時有效地防治病蟲害，防止在防治過程中走彎路，減少損失。

病蟲害專家系統還可根據輸入的原始資料自動選擇模擬和計算方法，快速得出預測預報模型，進行相關的病蟲害預警，讓農民對可能發生的病蟲害進行預防。通過病蟲害專家系統，農戶在進行農作物種植的過程中，足不出戶就可以得到農業專家們的指導。

1 國外病蟲害專家系統的研究進展

國際上農業病蟲害專家系統的研究是在20世紀70年代末期開始的，以美國最早。世界上第一個病蟲害專家系統就是由美國伊利諾斯大學（Illinois University）的植物病理學家和計算機專家共同開發的大豆病害診斷專家系統（PLANT/ES）。到了80年代中期， 隨著專家系統技術的成熟完善， 病蟲害專家系統在國際上得到了迅速發展。1982年伊利諾斯大學開發出玉米螟蟲蟲害預測專家系統（PLANT/cd），1985年日本千葉大學開發了番茄病害診斷系統（MICCS）[2]。90年代以來，病蟲害系統研究進入智能化農業專家系統階段，各種智能技術的集成，提高了專家系統決策的精確性、智能性和實用性。美國、德國、法國、澳大利亞和日本等國的發展處于領先地位。1993年Williams等研制出棉花害蟲管理專家系統（rbWHIMS），Trvis等研制出用于蘋果病害綜合管理的PSAOC， 1993年Gonzalez -Andujar等開發的蚜蟲識別專家系統CAES，及Vencill等于1995年報道的馬鈴薯害蟲專家系統PIES，都取得了極大的成功。德國在1998年研制的病蟲害預測預報計算機決策系統在德國北部被廣泛應用于農民的生產實踐，用來預測小麥等作物病害[4，5]。劉萬才等[6]認為，到2010年美國農作物病蟲害數字化監測預警網絡體系已比較健全，從聯邦政府到州政府均建有功能齊全的網絡系統。主要包括病蟲害診斷預警與綜合治理網絡、遠程互動視頻系統和信息制作與發布系統，功能涵蓋了病蟲害發生信息交流、分析處理、監測預警和情報發布等方面。同時美國以政府為主體構建了龐大、完善、規范的農村信息服務體系，如美國國家農業數據庫（AGRICOLA）、國家海洋與大氣管理局數據庫（NOAA）、地質調查局數據庫（USGS）等規模化、影響大的涉農信息數據中心（庫），對農業發展產生了很好的推動作用。德國政府注重模擬模型技術、計算機決策系統技術、精確農業技術等關鍵技術的研發和集成，并形成了自身優勢。其計算機輔助決策系統為農民提供咨詢服務，如小麥品種選擇模型（GENIS）可從提供小麥抗病蟲害的能力等方面的評估情況，幫助農民選擇適宜種植的小麥品種；麥類病害流行預測和損失預測模擬模型，能對單一病害和多種病害綜合發生做出預測。

2 國內病蟲害專家系統的研究進展

我國從20世紀80年代開始研究病蟲害專家系統，并取得一定的成果。我國第一個病蟲害診斷方面的專家系統是1981年曾士邁等組建的條繡病春季流行模擬模型（TXLX）。南京農業大學和安徽省農業科學院開發出了水稻病蟲害專家系統。90年代，我國專家系統的研究也取得了較快發展，如中國農業科學院植物保護研究所研制的粘蟲異地測報專家系統、胡全勝等的稻縱卷葉螟管理專家系統，1993年采用C語言編制，運用神經網絡系統技術研制的作物病蟲害診斷專家系統PIDS。到2004年為止，出現了許多專業病蟲害專家系統，如梨病蟲害診斷及防治專家系統，亞熱帶果樹病蟲害動態咨詢網站的構建等[5]。

最近幾年，隨著計算機技術的發展，農業技術與計算機技術的結合更加深入，特別是數據庫管理系統、人機交互技術和人工智能系統等的不斷發展，越來越多的病蟲害專家系統特別是病蟲害診斷防治系統已經開發出來。

2.1 病蟲害專家系統最新研究進展

王久興等[7]選用Microsoft Visual Basic 6.0（VB 6.0）作為開發工具開發了蔬菜病蟲害輔助診斷系統（Vegetable Pathology System，VPS）。該系統將圖像處理技術、數據庫技術、專家系統技術結合在一起，實現了以圖像處理技術為基礎的輔助診斷功能。數據庫本身通過Access軟件實現，并使用多表設計結構將不同類型的數據放置在不同表中，以方便數據庫編程和知識庫的分類管理，簡化數據調用過程。這一系統可對蔬菜生產過程中的病蟲害識別與防治起到輔助作用。蘇利等[8]運用SQL SERVER 2000開發工具和JAVA語言，收集整理鄭州市近年來農作物有關病蟲害資料，建立數據庫管理系統，實現了查詢、應用和管理的自動化。趙于東等[9]采用B/S結構，針對內蒙古地區主要農作物病蟲害診斷查詢任務，設計并實現一個基于Web的農作物病蟲害診斷查詢知識庫，可實現任意種農作物和任意多種農作物的病蟲害信息添加，并可生成農作物病蟲害診斷防治專家系統，可實現文字圖片視頻文件等多種媒體方式的人機交互，可通過網站運行，也可單機運行。在系統功能用戶界面、安全性能和可靠性能等方面，應用系統均表現出良好性能。劉宇等[10]將傳統昆蟲分類方法與Web技術、網絡編程相結合，設計了基于Web的蔬菜害蟲遠程診斷系統。系統的構建采用基于Web的B/S（瀏覽器/服務器）三層結構網絡布局模式，包括害蟲遠程診斷數據庫服務器、Web服務器和遠程客戶終端。三層之間的信息交流與傳遞相對簡單，客戶端可通過Web服務器訪問遠程診斷數據庫服務器，獲取害蟲遠程診斷信息。同時可以通過植保專家異地診斷的方式幫助解答用戶提出的非常規性問題，以擴展遠程診斷對象范圍、增強系統實用性。邵剛等[11]以軟件工程原理和專家系統技術為基礎，采用LUBAN模型和JSP編程語言，通過構建農業病蟲害輔助診治推理機，研制了北京地區蔬菜病蟲害遠程診治專家系統VPRDES。該系統針對北京地區140余種蔬菜常見病蟲害進行遠程輔助診治和信息查詢、管理，對實時推廣北京地區主要蔬菜病蟲害的無公害治理技術、促進農戶合理用藥、提高蔬菜產品的安全性等具有重要作用。彭瑩瓊等[12]開發出基于B/S模式的水稻病蟲害診斷專家系統， 系統以Microsoft Visual Studio.NET 2005作為開發平臺， 采用ASP.NET編程技術，后臺數據庫為Microsoft SQL Server 2000。該系統具有開放式的結構，便于用戶通過互聯網實現遠程異地診斷，并可通過互聯網實現專家直接參與診斷過程。系統升級與維護也較為方便。而姜中強[13]在深入該系統后，以Hibemate和Struts等主流的網絡開發技術為基礎，采用基于jess的系統推理機制對該系統進行了完善。于艷等[14]開發了一個用于診斷水稻病蟲害的專家系統。系統采用了正反向混合推理機制，并采用模塊結構將知識庫中的知識組織起來，便于用戶使用和對系統的維護。其軟件設計基于Windows 2000或更高版本的操作系統。采用Visual Studio 6.0版本作為開發工具。其中，采用VB 6.0作為專家系統的開發工具，Microsoft SQL Server 6.0作為相應的數據庫開發工具。在數據庫的操作中，采用Microsoft Transact-SQL的結構化查詢語言。武向良等[15]開發了基于Web的內蒙古地區主要農作物病蟲害診斷查詢系統，用戶在B/S體系結構下訪問系統，利用Activex技術轉化為在用戶訪問頁面。數據庫系統是采用大型數據庫sqlserver 2000，由windows 2000+iis 5.0作為網絡平臺。黃沖等[16]基于Windows平臺，采用Delphi開發了設施作物病蟲害信息檢索與輔助診斷系統（IRADS-PCP）。該系統提供了一個開放的樹形結構知識庫，用于管理設施作物病蟲害信息，實現對這些信息不同方式的檢索查詢和管理功能；通過集成病蟲害檢索表管理工具，可實現對設施作物病蟲害的輔助診斷功能。張衛等[17]采用XMPP及其擴展協議Jingle，研發農業遠程監測和咨詢診斷于一體的綜合平臺，實現農業生產環境因子遠程監測、生產現場遠程視頻監視和遠程雙向視頻咨詢診斷功能。該系統平臺客戶端開發采用delphi語言，服務器端采用Java語言，數據庫采用MySql，環境因子采集端的集中器采用arm平臺開發。吳文斗等[18]以農業專家咨詢系統為例，提出了一種基于XML和知識庫的農業智能專家咨詢系統模型，并對系統進行了功能模塊的劃分和詳細分析。該系統充分結合農業科類知識庫和FAQ庫，可采用多種形式進行咨詢。李崢嶸[19]提出一種結合面向對象和XML技術的小麥病蟲害知識表示方法，構建了小麥病蟲害XML知識庫，使知識庫具有高度可擴展性并且不依賴于軟硬件平臺；探討了網絡專家系統相對于傳統單機版專家系統的優勢，提出了一個基于J2EE/XML的網絡專家系統模型，并使用Java語言開發了診斷算法測試軟件和B/S模式的小麥病害診斷原型系統。系統主要包括小麥病害診斷、圖像查詢、XML知識庫管理與維護等功能。

隨著智能手機的爆炸式發展，專家系統的實際應用將變得更加方便快捷，基于Android系統的病蟲害專家系統也得以開發，極具發展潛力。王安煒[20]設計開發了基于Android的水稻病蟲害專家系統。該系統包括利用SQLite數據模型建立的“水稻病蟲害基本信息數據庫”和“水稻診斷規則庫”，采用混合推理機制建立的。本系統采用Eclipse開發軟件結合軟件工程、關系數據庫和專家系統，實現了水稻病蟲害專家診斷模塊、農資查詢、數據同步功能。通過開放性的Android技術和專業性的病蟲害專家系統的大膽融合，在專業的農業信息化領域做出了進一步探索。牛孝國等[21]設計了基于3G網絡的可視化病蟲害系統，用戶可通過手機終端訪問系統，傳送病蟲害特征信息，在線獲取病蟲害防治解決方案。整個系統采用B/S結構，Web服務器采用微軟的IIS，系統終端用戶可通過任何Web瀏覽器訪問本系統，而咨詢服務用戶則用手機信息發送或定制的手段實現相應的咨詢。系統中知識庫的管理、存儲和維護采用Microsoft SQL Server 2000數據庫來實現，利用ASP技術完成系統前后臺界面的開發，實現對知識庫的訪問。邱榮洲等[22]研發了基于3G通信的移動農業專家系統開發平臺DepAes，該平臺是在新型的信息技術與通信環境下，以產生式規則為推理機原理，將推理樹結構分枝結點的搜索過程與計算機數據結構中樹的遞歸算法相結合，為用戶提供一個自主構建專家系統的軟件工具。該平臺具有界面友好、操作簡單、開放共享等特點。用戶可通過平臺自助編寫“知識庫”與 “規則庫”，生成發布支持Windows OS、MAC OS、Windows Mobile、Goolge Android等多種操作系統的農業專家系統。

總的來說，最近幾年，病蟲害專家系統計算機技術方面的發展有以下特點：第一、采用的編程工具比較多，但Visual Basic和Java兩種可視化編程語言逐漸成為主流。應用較多的編輯平臺有Eclipse、Microsoft visual studio、delphi等。第二、數據庫的管理中，大型關系數據管理系統主要是MS SQL Server和MySQL兩種，小型的基本采用Access。而擴展標記語言XML能夠使數據庫具有強有力的存儲和分析能力，且易于在應用程序中讀寫數據，已經成為共用性很強的語言，在數據存儲等方面開始廣泛應用。第三、采用的網絡結構模式多為B/S（Browser/Server）結構，即瀏覽器/服務器模式。第四、適用的操作系統由單一的Windows系統向多媒體系統發展，由單一適用于電腦操作系統向手機操作系統發展。第五、用于病蟲害自動診斷的人工智能技術仍需進一步完善。

2.2 病蟲害自動診斷技術研究進展

劉鶴等[23]針對農業專家在對病蟲害診斷時的思維過程和CBR基本原理的一致性，構建了CBR的蔬菜病蟲害診治專家系統。該系統將CBR的研究方法應用于蔬菜病蟲害防治工作中，可使廣大菜農獨立完成病蟲害防治工作。同時利用CBR能夠對未知案例進行推理得出新結論的功能，輔助農業專家對復雜問題進行診斷和防治。古樂聲等[24]通過研究將CBR技術應用到農業領域中，設計并實現了一個實用化的CBR小麥病蟲害專家系統，與傳統的系統相比具有更強的解題能力、較高的求解效率和正確率，對于降低成本、增加產量、提高效益有很大幫助。刁智華[25]提出了適合大田小麥的一種基于數學形態學的復雜背景下的小麥葉部病害分割算法，在圖像特征提取過程中從小麥葉部病害彩色圖像中分別定義了14個顏色特征、20個紋理特征、12個形狀特征，并成功運用主成分分析方法將原始樣本中的46個特征優化為7個特征，將其作為后期基于支持向量機和決策樹相結合的多類分類器的輸入，進而設計并開發了小麥葉部病害智能識別系統。賴軍臣[26]研究實現了基于領域的對噪聲不敏高斯模型的Markov隨機場分割模型（G-MRF）和區域增長分割算法（SRG），分割玉米葉斑病害，并與有代表性的作物病害分割算法相比較，優選了區域增長分割算法為玉米病害的自動化識別服務。對預處理后的病害圖像提取病斑的顏色、紋理、幾何形狀三方面14個特征值，優化和選擇了似圓度、偏心率和矩形度3個最具有代表性的特征參數。利用模糊模式識別對玉米葉斑病害圖像進行分類，并建立了病害診斷模型。利用VC 6.0作為開發工具，編寫了玉米病斑智能識別系統，實現了對玉米常見葉斑類病害圖像的處理與識別。陳月華[27] 收集了大量的自然光條件下小麥蚜蟲的圖像，采用模式分類技術，以紋理特征作為圖像的分類基礎，運用支持向量機的分類算法，選擇SVM與區域生長相結合算法進行圖像分割。以小麥蚜蟲為例，研究了動態情況下的害蟲檢測方法，設計和開發了基于機器視覺的害蟲檢測系統。李崢嶸[19]提出基于BP神經網絡的小麥病害的知識獲取與推理方法。對小麥病害特征參數進行編碼，利用神經網絡確定病害癥狀與病害類型之間的因果關系，從而實現小麥病害的智能診斷，平均診斷正確率為80%。王越[28]研究并建立了基于BP神經網絡的玉米病蟲害診斷模型，并通過無噪聲樣本和只含關鍵病癥的有噪聲樣本對網絡進行交替訓練，提高了網絡診斷的正確率，改善了網絡的診斷性能，增強了網絡泛化能力。王坤等[29]研究認為可通過成像光譜技術來研究農作物原始圖譜、圖譜導數、植被指數等與病蟲害的關系，建立模型來監測病蟲害情況。該技術成為研究農作物病蟲害情況的先進手段之一，但是這方面的研究面臨很多難點，目前的研究還只限于有限的作物及其病蟲害種類。

目前人工智能技術己經廣泛地運用在病蟲害診斷領域，但在實際應用中還不太廣泛，主要存在以下問題：第一、農作物病蟲害表現癥狀受環境影響大，有時出現不同病蟲害同時發生的情況，提供的信息具有隨機性、模糊性等不確定性等特點，導致采集的數據不夠規范，影響診斷結果。第二、大部分智能診斷軟件系統普適性不強。有的只能對部分病蟲害有較好的診斷正確率，有的只能分析發生在病株某一單一部位的病蟲害，對病蟲害的判斷手段尚不夠豐富。第三、如成像光譜技術等有發展潛力的診斷技術應用成本太高。

2.3 病蟲害數字化監測預警系統的建設情況

2009年，全國農業技術推廣服務中心初步構建了農作物（水稻）重大病蟲害數字化監測預警平臺。2010年，繼續拓展數字化監測預警覆蓋領域，開發建設了小麥重大病蟲害數字化監測預警系統， 啟動了新一期的農作物重大病蟲害信息化監測預警建設項目，并于2011 年1月正式啟用。該系統的應用推廣，全面提高了小麥重大病蟲害信息管理水平，加速了農作物病蟲害監測預警信息化進程， 并為后續數字化領域拓展和功能深化提供參考[30]。“十一五”期間，在農業部和省政府的支持下，投資建設了11個國家級區域站、44個省級區域站和重大病蟲疫情監測點。這些測報站點的投入，使農作物重大病蟲監測預警能力和防控水平發揮了重要作用。

羅菊花等[31] 以建立農作物病蟲害預警系統為目標，使用國產SuperMap IS .NET的GIS軟件作為開發平臺，以C++語言作為編程語言。該系統充分使用了GIS強大的空間分析功能和RS的快速、實時、大面積獲取病蟲害信息的功能，實現了GIS與RS在系統中的集成。系統最終將抽象的數據轉化成清晰簡明的電子地圖，直觀明了地顯示了病蟲害的發生程度和空間分布規律。系統使用甘肅省慶陽地區西峰區小麥條銹病相關數據展示其實現過程，獲得了與實際報道相吻合的預警結果。

數字化監測預警必將發揮其對農作物重大病蟲害進行預測的能力，對預防病蟲害和減少病蟲害造成的損失起重要作用。鑒于我國農作物病蟲害數字化監測預警起步晚、基礎弱等現狀，在政府部門的領導和監督下，盡快建成一個標準統一、功能完善、服務全國的病蟲監測預警平臺，對病蟲害專家系統的完善有重要意義。

3 結語

現代農業要求發展基于3S技術、決策支持技術和智能裝備技術一體的精準農業，病蟲害專家系統是與農民結合頗為緊密的實用農業信息技術，其發展更需信息和技術并重。信息方面，要進一步加強病蟲害數據庫建設，更大程度地實現數據共享。在數據獲取和采集上繼續增加投入，同時對采集的數據進行深入整理加工，通過數據挖掘和規則推理，提煉出更多有用信息。技術方面，研發針對農業專家系統的專業計算機開發技術及工具，使之與農業發展實際情況相適應。研發的專家系統要方便進行二次開發，以便使用者可以根據當地實際情況創建知識庫和模型庫，取得更好地使用效果。病蟲害數據采集專業技術和專業設備的研究也要跟上研究需要。進一步完善神經網絡、遺傳算法、模糊數學等理論模型，開發出進行病蟲害診斷正確率更高、適應范圍更廣泛的自動診斷技術。另外，要使開發出來的系統受農民歡迎，病蟲害專家系統的界面就必須要讓使用者查詢方便，界面語言力求做到通俗易懂。

更重要的一點，病蟲害專家系統的建設特別是病蟲害數據共享、數字化監測預警等的建設需要政府部門強有力的支持。只有在政府的領導和監督下，盡快形成政府主導和市場引導的農業信息投入機制，重視農業信息網絡人才的培養，提高農業科技工作者開發農業網絡數據庫的能力，同時根據當地農村科技工作的實際情況和特點制定行之有效的培訓方法，定期對廣大農民和基層農業技術推廣人員進行培訓，才能使我國病蟲害專家系統等農業信息化建設取得更快發展，為現代農業做出更大貢獻。

參 考 文 獻：

[1] 李朝東，崔國賢，盛 暢，等.農業專家系統的發展概況與展望[J].農業網絡信息，2009，2：4-7.

[2] 馬新明.農業信息化技術導論[M].北京：中國農業科學技術出版社，2009，51-78.

[3] Xiong F L.Agricultural expert system and its development tool [M].Beijing： Tsinghua University Press， 1999.

[4] 武向良，高聚林，趙于東，等.農業專家系統研究進展及發展方向[J].農機化研究，2008，1：235-238.

[5] 成必成，廖桂平，肖 芬.專家系統在油菜病蟲害綜合治理中的研究進展[J].作物研究，2004，5：430-433.

[6] 劉萬才，武向文，任寶珍.美國的農作物病蟲害數字化監測預警建設[J].中國植保導刊，2010，8：51-54.

[7] 王久興，賀桂欣，李 卓，等.蔬菜病蟲害輔助診斷與防治系統VPS的構建[J].河北科技師范學院學報，2005，19（3）：42-46.

[8] 蘇 利，曹 輝.大宗農作物病蟲害防治數據庫管理系統的研制[J].陜西農業科學，2009，4：66，72.

[9] 趙于東，房建東，武向良.B/S模式農作物病蟲害診斷查詢系統知識庫設計[J]. 內蒙古農業科技，2005，3：17-19.

[10]劉 宇，曹衛菊，徐建祥.基于Web的蔬菜害蟲遠程診斷系統的開發與實現[J]. 江蘇農業學報，2007， 23（2）：139-143.

[11]邵 剛，李志紅，王維瑞，等.北京地區蔬菜病蟲害遠程診治專家系統VPRDES的研究[J].植物保護， 2006，32（1）：51-54.

[12]彭瑩瓊，王映龍，唐建軍，等. B/S模式的水稻病蟲害診斷專家系統研究[J].江西農業大學學報，2008，30（6）：1157-1160.

[13]姜中強.基于Web的江西水稻病蟲害防治專家系統[D].南昌：江西農業大學，2011.

[14]于 艷.黑龍江省水稻病蟲害診斷專家系統的研究[J].農機化研究， 2004，1：104-105.

[15]武向良，劉正垣，趙于東.內蒙古地區主要農作物病蟲害診斷查詢系統的推廣與應用[J]. 華北農學報，2007， 22（S3）：112-115.

[16]黃 沖，王海光，張 月.設施作物病蟲害信息檢索與輔助診斷系統[J].農機化研究，2010，4：139-142.

[17]張 衛，于金瑩，于 峰.基于XMPP的農業遠程監測和診斷平臺的研究[J].中國農學通報， 2011，27（11）：151-154.

[18]吳文斗，周 兵，楊林楠.基于XML智能農業專家咨詢系統的設計與實現[J].安徽農業科學，2009，37（11）：5313-5314.

[19]李崢嶸.基于WEB的小麥病害智能診斷技術研究[D].楊凌：西北農林科技大學，2006.

[20]王安煒.基于Android的手機農業專家系統的設計與實現[D].濟南：山東大學，2011.

[21]牛孝國，段洪洋，夏 寧，等. 基于3G網絡的果樹病蟲害可視化診斷系統研究[J].中國農學通報，2011，27（30）：303-306.

[22]邱榮洲，翁啟勇，池美香，等.基于3G通訊的移動農業專家系統開發平臺研究[J].福建農業學報，2011，26（6）：1081-1085.

[23]劉 鶴，李東明，陳桂芬.基于CBR的蔬菜病蟲害診治專家系統的研究[J].安徽農業科學，2010，38（27）：15380-15381，15413.

[24]古樂聲，張寶劍，高偉增.基于CBR的小麥病蟲害專家系統的研究與實現[J].廣東農業科學，2009，8：253-255.

[25]刁智華.大田小麥葉部病害智能診斷系統研究與應用[D].合肥：中國科學技術大學，2010.

[26]賴軍臣.基于病癥圖像的玉米病害智能診斷研究[D].石河子：石河子大學，2006.

[27]陳月華.基于機器視覺的小麥蚜蟲自動檢測技術研究[D].哈爾濱：東北農業大學，2007.

[28]王 越.基于神經網絡的農作物病蟲害診斷方法研究[D].長春：東北師范大學，2007.

[29]王 坤，朱大洲，張東彥，等.成像光譜技術在農作物信息診斷中的研究進展[J].光譜學與光譜分析，2011，31（3）：589-594.

[30]曾 娟，劉萬才，姜玉英.小麥重大病蟲害數字化監測預警系統的建設與應用[J].中國植保導刊，2011，31（7）：36-40.

[31]羅菊花，黃文江，韋朝領，等.基于GIS的農作物病蟲害預警系統的初步建立[J].農業工程學報，2008，24（12）：127-131.