關于大數據助力江蘇省稻麥病害監測預警的實踐與思考

尚芬芬 彭欣 談晶晶 毛學偉 張延發

（1江蘇省互聯網農業發展中心，南京 210017；2北京佳格天地科技有限公司，北京 100190）

江蘇省既是經濟大省，又是農業大省。其中，水稻和小麥是江蘇省主要種植的兩大糧食作物。據統計，2020年江蘇省水稻和小麥的播種面積分別為2.20×106hm2和2.34×106hm2。而稻瘟病和小麥赤霉病分別是江蘇省水稻和小麥生產上主要發生的兩種病害，據研究，稻瘟病在一般發生年份會導致水稻減產10%～20%，在嚴重發生年份可導致水稻減產40%～50%；小麥赤霉病則會導致小麥減產、品質變劣、食用中毒等問題。因此，為保障江蘇省稻麥產量和品質，在稻麥主要病害侵染關鍵期進行有效的病害監測和早期預防，已成為江蘇省稻麥生產管理中的重要任務。

多年來，在指導江蘇省農戶進行稻麥病害防治方面，江蘇省各級植保部門積累了一定的數據和實戰經驗，例如，通過在關鍵時期組織專家實地調查、實時總結匯報發病情況、進行微信或短信提醒等手段，提升了江蘇省稻麥病害的防治水平。但是，在江蘇省稻麥病害防治工作過程中也發現了許多不足，例如，監測覆蓋不夠全面、監測預報網絡體系機制不夠健全、監測設施設備智能化水平不夠先進等。與此同時，近年來，隨著氣候的變化、耕作制度的演變，江蘇省稻麥病害監測預警不斷面臨新的挑戰。然而隨著互聯網、移動互聯、物聯網等信息技術的快速發展，充分利用信息技術改造傳統農業生產、經營、管理和服務方式，已成為促進“互聯網+”現代農業發展的重要驅動。因此，可利用信息化手段提升稻麥重大病害監測預警能力和整體防治水平。為此，江蘇省在大數據與稻麥重大病害防治方面進行了有效探索，其中，利用大數據等技術手段，可提高稻麥病害監測預警的及時性、精準性、高效性。在此背景下，筆者擬對利用大數據等技術手段開展稻麥病害監測預警的實踐做法進行總結，并對該領域的未來發展前景進行展望，以期促進江蘇省農業綠色、高質量發展，從而為保障農業生產安全和推動農業農村高質量發展提供有力支撐。

1 江蘇省“大數據+”稻麥病害監測預警的實踐做法

江蘇省以“預防為主、科學防治”為指導，通過調查研究、統籌規劃，構建了稻麥重大病害監測預警大數據平臺（以下簡稱平臺），并利用大數據等技術手段，助力全省水稻稻瘟病和小麥赤霉病監測預警工作，提高了災害控制和突發災情的應急控制主動性，提升了全省稻麥重大病害的監測預警水平。

1.1 充分利用天空地一體化監測手段，強化多源數據采集能力

數據采集是大數據分析的基礎性工作，平臺運用新一代信息技術來拓展數據采集渠道，構建了集天空地于一體的數據監測體系，提高了數據采集的自動化、精準化水平。具體表現為：（1）數據來源多元化。綜合運用GIS、物聯網、衛星遙感等多種技術，拓展數據采集渠道，匯聚基礎空間數據、氣象數據、作物識別數據、多光譜遙感影像數據等多元數據，自動采集病菌孢子信息等數據，并結合種植品種、生育期、栽培方式、土肥、水利、歷史病害周期等存量數據，為多方位實時監測預警提供了數據支撐。（2）數據采集實時化。病害發生與氣象情況密切相關，根據監測分析需要，強化了氣象數據處理融合，接入了氣象站點的實時氣象數據、歷史氣象數據、氣象預測數據等相關資源，并按照空間分辨率、時間分辨率、多維參數組合等方式進行加工，再將加工后的數據以接口的方式自動接入監測預警系統，提高了氣象數據的實時性和準確性。（3）數據生產智能化。平臺建有智能化數據生產體系，實現了數據生成全過程自動化。例如，自動對衛星遙感影像進行下載、拼接、處理，自動生成歷史基礎數據知識庫，并根據監測預警分析需求定期進行更新，無需進行人工數據維護，其持續性和延續性較強。

1.2 創新構建病害模型算法，提升平臺監測預警水平

長期以來，稻麥病害監測預警主要依賴疾病診斷和種植實踐經驗判斷，病害的防控預見性不足。為此，平臺創新構建了病害監測大數據模型算法，有效提高了平臺的預測預警能力。該模型的主要特點為：（1）綜合考慮了國內外模型因素。通過綜合分析國內外研究成果，吸收先進的模型因素，構建了模型的因素和變量。其中，稻瘟病主要考慮的因素和變量有氣溫、空氣濕度、降水、孢子擴散、葉片濕度、生育期、日照、風速、孢子沉降、氮肥施用、作物品種、孢子穿透、露點溫度、孢子釋放等；小麥赤霉病主要考慮的因素和變量有氣溫、降水、空氣濕度、生育期、生物量、葉面積指數、葉綠素含量、遙感NDVI、RVI和DVI指數等。（2）擴展應用了人工智能算法。采用馬爾可夫鏈蒙特卡羅算法（簡稱MCMC），通過訓練、計算、分析、調優、交互，實現了病害因子自動分析，提供了基于位置變量、時間變量等的單/多變量預測服務。同時，結合近十年的歷史病害測報數據和氣象數據，通過回歸分析、穩健性檢驗、靈敏度測試等方法，優化模型參數，穩健輸出了病害發生的風險預測，并將病害預測模型算法結果和觀測圃實地調研采樣結果進行對比，優化了模型結果空間分布的準確性。（3）優化了預測模型流程。水稻稻瘟病和小麥赤霉病的病害風險模型主要包括病害逐日風險預測、病害逐日風險指數、作物生育期預測、關鍵生育期范圍計算、定局病害風險指數計算、作物識別、定局受災風險面積評估7個子模塊，模塊流程見圖1。傳統遙感病害研究模型大多通過高光譜無人機數據的回歸擬合算法進行田間病害監測，優化的病害預測模型與傳統遙感病害研究模型相比，優勢明顯，具體見表1。

圖1 優化的病害預測模型的整體子模塊流程

表1 優化的病害預測模型與傳統遙感病害研究模型的優勢對比

1.3 不斷加大推廣應用力度，平臺預測預警初見成效

近年來，江蘇省通過不斷推廣應用病害監測預警大數據平臺，并將預測結果進行空間可視化展示，取得了積極成效。具體為：（1）平臺的推廣應用范圍較大。目前，平臺的應用覆蓋了省、市、縣三級植保工作人員，這對于江蘇省水稻稻瘟病和小麥赤霉病進行精準侵染期風險預報和發病定局風險預測，重點病害風險區域進行勘察和病害統防統治，稻麥收獲后的處理指導等，均起到了較好的促進作用。據統計，平臺于2018年—2020年3年累計服務小麥和水稻種植面積超過1.33×107hm2，節約了大量人力。（2）平臺的病害輔助預測效果較好。根據模型預測結果，得到了2018年—2020年水稻稻瘟病和小麥赤霉病的風險指數與高風險面積匯總，見表2和表3。同時，通過分析發現，江蘇省水稻稻瘟病和小麥赤霉病的定局整體風險主要受病菌越冬存活率、侵染窗口期的時間及周期、侵染窗口期的天氣狀況三大因素的綜合影響。另外，通過模型可在收獲前1個月左右預測2種病害的發病定局風險，綜合模型結果和專家決策，可指導高風險地區的稻麥在成熟后及時進行搶晴收割、晾曬風揚、合理儲藏，避免稻麥長時間堆放導致再次感染。（3）預測的準確性較高。2018年—2020年平臺預測出了水稻稻瘟病和小麥赤霉病的風險趨勢，在大尺度下與實際觀測結果吻合、趨勢匹配，綜合準確率超過80%。同時，通過平臺預測數據指導相關地區進行提前防治，有效控制了病害的侵染范圍，平均每戶每年減少植保用藥1～2次，每年的病害平均綜合防治率超過90%，每年因此帶來的經濟效益達7億～10億元。

表2 2018年—2020年江蘇省水稻稻瘟病風險指數和高風險面積匯總

表3 2018年—2020年江蘇省小麥赤霉病風險指數和高風險面積匯總

2 江蘇省“大數據+”稻麥病害監測預警的未來發展

2.1 緊跟科技發展步伐

實踐證明，江蘇省“大數據+”稻麥病害監測預警已發揮出重要作用，未來還需進一步結合大數據、云計算、區塊鏈等技術，進行優化調整。例如，深度融合大數據采集、存儲、計算、分析技術，研發病害監測預警實用新成果等，從而進一步為江蘇省開展“大數據+”稻麥病害監測預警工作提供科技支撐。

2.2 逐步豐富平臺的功能應用

未來，江蘇省要探索拓展聯合作物管理知識、作物圖庫、災害指標等模塊，實現對作物的實時遠程監測與診斷，并提供智能化、自動化管理決策，增加稻麥常見病害種類，研究基于GIS的不同病害“全省一張圖”場景化展示，從而打造出農業技術人員管理農業生產的“千里眼”和“聽診器”。

2.3 統籌利用“蘇農云”建設成果

未來，可探索依托江蘇省農業農村大數據云平臺（即“蘇農云”），綜合利用農業農村各行業領域的相關數據資源，多維度、多角度地進行關聯性分析研究，從而深入挖掘出更多有用信息，推動“大數據+”稻麥病害監測預警工作的高效發展，使之更好地服務于江蘇省現代化綠色農業。

3 小 結

近年來，江蘇省針對水稻稻瘟病和小麥赤霉病兩種重大病害，運用天空地一體化監測手段進行數據采集，通過融合衛星遙感、氣象信息、作物生長狀態信息等多元數據，結合作物發病規律、田間防治經驗，研究完善模型算法，構建了稻麥重大病害監測預警大數據平臺，探索了病害監測管理、預報預警、信息服務等大數據分析應用，同時將監測預警結果進行了空間可視化展示，最終取得了較好的輔助預防成效。今后，江蘇省將結合農業綠色、高質量發展需要，進一步豐富和提升稻麥重大病害監測預警大數據平臺的功能模塊和分析能力，進而提高江蘇省“大數據+”稻麥病害監測預警水平，從而為江蘇省稻麥病害監測預警提供更好、更高效的智能化服務。