基于物聯網的蔬菜主要病蟲害動態氣象預報模型

林鍇　黃園園　關哲忠

摘要 針對主要蔬菜病蟲害進行與氣象要素的相關性分析，分別建立蔬菜病蟲害發生流行可能性程度的氣象預報模型，并建立預測預警平臺，平臺能夠根據獲取的物聯網數據預測病蟲害發生的可能性，并給出生產建議，旨在為蔬菜生產管理和病蟲害防治提供技術參考。

關鍵詞 蔬菜病蟲害;物聯網;氣象預報

中圖分類號：S436.3 文獻標識碼：B 文章編號：2095–3305（2022）02–0031–03

蔬菜病蟲害的發生在一定程度上與氣象要素息息相關，利用氣象要素可以對蔬菜病蟲害未來的發展作出預測預警，但目前對蔬菜病蟲害氣象條件預測的研究多為長期、大區預測，很難具體到每塊田地、每個農戶的農業利益[1]。利用物聯網技術快速、準確、高效地獲取數據的能力，建立病蟲害短期氣象預警模型，能夠在時間、地點上更精確地實現病蟲害發生發展動態的預測，方便經營者實時掌握病蟲害發展趨勢。

1 材料與方法

1.1 氣象資料

采用2019—2020年泉州市“農氣寶”物聯網和區域自動氣象站逐日氣象觀測數據。

1.2 病蟲害資料

蔬菜病蟲害數據為2019—2020年《泉州市病蟲情報》《病蟲害全國各地發生一覽表》及走訪植保站、種植戶實地調查信息。

1.3 研究技術路線

研究技術路線見圖1。通過收集歷史資料，將病蟲害和“農氣寶”歷史數據進行區間分析，利用病蟲害發生適宜溫度、適宜濕度、孵化（孵育）區間段等病蟲害發生判讀依據及氣象預報和實況數據，構建蔬菜病蟲害預警模型，依據病蟲害預警閾值，計算溫度、濕度風險指標和有效性指標，界定高、中、低風險區劃。

2 結果與分析

2.1 蔬菜病蟲害與氣象要素相關分析

2.1.1 主要蔬菜病蟲害樣本構建 根據泉州市病蟲情報建立菜青蟲、蚜蟲、霜霉病、軟腐病4種主要蔬菜病蟲害樣本。通過對《病蟲害全國各地發生一覽表》利用資料的插值與延長適當進行擴大，摘錄主要病蟲害全國發生地區、月份及對應的高溫、低溫及濕度情況進行匯總。

2.1.2 主要病蟲害區間分析 通過論證蔬菜病蟲害的發生是否與溫度、濕度指數有必然聯系，分析主要蔬菜病蟲害與氣象條件之間的關系。

根據《GB/T 23416.1—2009蔬菜病蟲害安全防治技術規范》國家標準，菜青蟲的適宜溫度為20℃～25℃，濕度為76%。相對濕度統計資料顯示每月濕度都在0%～100%，因此在區間分析過程中以氣溫為主。區間分析結果表明：菜青蟲的發生與氣溫有必然關系，適宜溫度基本位于其發生月份的溫度區間。

采用相同的方法對蚜蟲、霜霉病、軟腐病進行區間分析可得，這幾種病蟲害的發生與氣溫有必然聯系，適宜溫度基本位于其發生月份的溫度區間。

2.1.3 相關性分析 選取平均溫度和平均濕度來研究主要病蟲害發生的適宜溫濕度之間的相關關系。

對菜青蟲均溫、均濕進行正態檢驗：以P-P圖（圖2）的形式展現數據的正態分布情況，可見平均溫度和平均濕度的分布基本滿足正態分布，因此，可以進一步開展相關性分析。

利用Pearson相關分析方法進行平均溫度和平均濕度與菜青蟲發生的適宜溫度和濕度區間的相關性分析（圖3）：均溫、均濕與菜青蟲發生的適宜溫度、適宜濕度之間的r值分別為0.985和0.954，表明溫度和濕度均值與菜青蟲發生呈現強相關關系，因此，可選擇平均溫度和平均濕度作為菜青蟲發生的評估標準之一。

對蚜蟲、霜霉病、軟腐病采用同樣方法進行研究，得出結論：蚜蟲、霜霉病、軟腐病與平均溫度、平均濕度的分布也基本滿足正態分布。

進行相關性分析可得：均溫與蚜蟲發生的適宜溫度r值為0.772，與平均濕度的r值為0.65;平均溫度與霜霉病發生的適宜溫度r值為0.920，平均濕度r值為0.591;平均溫度與軟腐病發生的適宜溫度r值為0.978，平均濕度r值為0.975。表明平均溫度和平均濕度與病蟲害發生呈現相關關系，因此可以選擇平均溫度和平均濕度作為病蟲害發生的評估標準之一。

2.1.4 主要病蟲害回歸線性模型建立 平均溫度和平均濕度對蔬菜病蟲害的影響都呈現較強相關關系，因此，取平均溫濕度值作為自變量，蔬菜病蟲害發生的概念溫濕度值為因變量建立回歸線性分析模型。

回歸分析結果如下：菜青蟲溫度線性公式為Y=0.761X+2.572，濕度線性公式為Y=0.993X-3.727;蚜蟲溫度線性公式為Y=0.748X+6.406，濕度線性公式為Y0.895X+6.793;霜霉病溫度線性公式為Y=0.93X+2.948，濕度線性公式為Y=0.776X+15.571;軟腐病溫度線性公式為Y=1.069X+0.831，濕度線性公式為Y=0.982X-2.652。

2.2 主要蔬菜病蟲害預警模型構建

2.2.1 蔬菜病蟲害預警模型 參數輸入由區域自動氣象站實況數據、氣象預報數據、“農氣寶”觀測實況數據構成。

（1）區域自動氣象站實況數據：氣溫、相對濕度;

（2）“農氣寶”觀測實況數據：氣溫、相對濕度、土壤濕度;

（3）氣象預報數據：未來7 d天氣預報數據。

2.2.2 模型構建 根據《GB/T 23416.1—2009 蔬菜病蟲害安全防治技術規范》對4種主要病蟲害的習性進行梳理，整理不同病蟲害發生適宜溫濕度需求。

利用回歸線性模型，可以根據氣象平均溫濕度實況值、氣象預報值計算蔬菜病蟲害的概念溫濕度值。對比病蟲害發生的適宜溫濕度需求及病蟲害存活期、潛育期成蟲要求，將概念溫濕度與成蟲時間段內適宜溫濕度要求進行結果對比，統計達到條件要求的連續天數。技術過程見圖4。

2.2.3 病蟲害發生風險等級 針對不同蔬菜病蟲害的類型和繁衍條件，將病蟲害發生風險劃分為3個等級（圖5）：（1）高風險：溫度、濕度條件最適宜病蟲害的發生;（2）中風險：溫度、濕度條件適宜病蟲害的發生;（3）低風險：溫度、濕度條件不適宜病蟲害的發生。

2.2.4 預警模型運行流程 將實況溫濕度和預報的溫濕度代入回歸模型計算出概念溫濕度，滑動統計符合適宜條件的連續天數，連續天數為過去實況和未來預報連續符合條件的天數，其中，過去天數按實況平均溫度、濕度得出的概念溫濕度計算符合條件的天數，預報天數按預報溫度計算出的概念溫度和降水帶來的濕度條件計算符合條件的天數。對比連續天數與具體病蟲害風險等級條件天數判斷病蟲害發生可能性的風險等級。

（1）菜青蟲。菜青蟲的適宜溫度是20℃～25℃，濕度是96%。在適宜條件下，卵期4～8 d，幼蟲期11～22 d，蛹期約10 d，成蟲期約5 d。

低風險：符合概念氣溫10℃～ 40℃、概念濕度96%以上、有降水等適宜條件的連續天數在幼蟲期不足11 d;

中風險：符合概念氣溫10℃～ 40℃、概念濕度96%以上、有降水等適宜條件的連續天數達到11～22 d;

高風險：符合概念氣溫20℃～ 25℃、概念濕度96%以上、有降水等適宜條件的連續天數達到11～22 d。

（2）蚜蟲。氣溫為16℃～22℃、濕度小于75%時最適宜蚜蟲繁育，干旱或植株密度過大有利于蚜蟲為害，大多數的蚜蟲繁殖是4～5 d。

低風險：符合概念溫度10℃～ 25℃、概念濕度小于75%、無降水等適宜條件的連續天數不足4 d;

中風險：符合概念溫度10℃～ 25℃、概念濕度小于75%、無降水等適宜條件的連續天數達4～5 d;

高風險：符合概念溫度16℃～ 22℃、概念濕度小于75%、無降水等適宜條件的連續天數達4～5 d。

（3）霜霉病。此病從幼苗到收獲各階段均可發生，以成株受害較重。主要危害葉片，由基部向上部葉發展，適宜溫度為20℃～24℃，濕度條件為60（70）%～100%。霜霉病以蘿卜為例，需持續9～14 d。

低風險：符合概念溫度10℃～ 40℃、概念濕度60（70）%～100%的連續天數不足9 d;

中風險：符合概念溫度10℃～ 40℃、概念濕度60（70）%～100%的連續天數達9～14 d;

高風險：符合概念溫度20℃～ 24℃、概念濕度60（70）%～100%的連續天數達9～14 d。

（4）軟腐病。軟腐病病菌喜溫暖高濕環境，適宜發病的溫度為10℃～38℃，最適發病環境溫度為 25℃～35℃、相對濕度 90%以上，最適感病生育期為成株期至采收期，發病潛育期5～20 d。

定義低風險：符合概念溫度10℃～ 38℃、概念濕度大于90%、有降水等適宜條件的連續天數不足5 d;

中風險：符合概念溫度10℃～ 38℃、概念濕度大于90%、有降水等適宜條件的連續天數達5～20 d;

高風險：符合概念溫度25℃～ 35℃、概念濕度大于90%、有降水等適宜條件的連續天數達5～20 d。

3 病蟲害動態氣象預測預警平臺

根據病蟲害預警模型，建立“基于物聯網的大棚蔬菜主要病蟲害動態氣象預測預警平臺”（圖6）。平臺可實時獲取“農氣寶”物聯網設備的實時監測氣象要素值、附近區域自動氣象站監測數據及未來7 d氣象要素預報值，展示要素數據，同時輸出病蟲害發生可能性風險等級預測結果，并在預測結果上對經營者給出防治措施和建議。

4 結束語

通過收集蔬菜病蟲害歷史數據和物聯網區域自動站氣象數據，進行主要蔬菜病蟲害與氣象要素的相關性分析，建立蔬菜病蟲害發生流行可能性程度的氣象預報模型，構建可獲取物聯網數據、輸出病蟲害發生可能性預測結果、給出生產建議的預測預警平臺，更精準、動態地預測病蟲害發生的時間、地點，方便經營者實時掌握病蟲害發展趨勢，為蔬菜生產管理和病蟲害防治提供技術參考。

參考文獻

[1] 王茂明.福建省蔬菜病蟲害發生態勢與綜合治理[J].福建農業科技，2006（2）：60 -63.

責任編輯：黃艷飛

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 林鍇（1984—），男，福建順昌人，助理工程師，主要從事農業氣象研究工作。

收稿日期 2021-12-12