涼山州煙草病蟲害發生規律及智能預測預報系統應用效果

摘 要 利用四川省涼山州煙草種植區的煙草病蟲害智能預測預報系統與四川煙草植保大數據平臺，調查分析了涼山州10個地區在2023年煙草種植期內的溫度變化與有害生物發生頻率。結果表明：1）在煙草種植期內，各煙區的平均氣溫約為25 ℃，其中5月的溫差范圍最大。2）煙草病毒病是發生頻率最高的葉部病害，普通花葉病毒病在10個地區均有發生。3）黑脛病是發生頻率最高的根莖部病害。4）蟲害發生頻次較低。5）示范煙田得益于優異的田間管理、及時的預測預報信息、專業的綠色防控策略，其病蟲害的發生種類與發生頻率均明顯低于普通煙田。6）建議在未來煙草的綠色生產中，充分發揮智能預測預報系統的優勢，堅持“智能裝備+人工輔助”的高效模式。

關鍵詞 煙草病蟲害；預測預報；綠色防控；智能裝備；四川省涼山州

中圖分類號：S572 文獻標志碼：A DOI：10.19415/j.cnki.1673-890x.2025.05.036

有害生物的綠色防控是保障我國農業健康可持續發展的必要手段，精準智能的有害生物預測預報系統是支撐綠色防控策略科學制定與高效實施的必要基礎[1]。有害生物的預測預報分為宏觀測報與微觀測報。宏觀測報對大范圍、大面積、區域性的病蟲害流行進行測報，如小麥銹病的跨省傳播[2]，褐飛虱、小地老虎、粘蟲的跨省遷飛[3-5]，東亞飛蝗、草地貪夜蛾的跨國甚至洲際遷飛為害[6-8]等。微觀測報對1塊田、1個溫室甚至1棵植株的有害生物發生情況進行測報。無論宏觀還是微觀層面上的測報，均服務于病蟲害的有效防控，目的是最大限度地避免或減少農業損失。

近年來，隨電子科技、計算機科學、人工智能等領域技術的飛速發展，在農業領域運用光譜遙感[9-10]、機器視覺[11-12]、紅外熱成像[13-14]、氣象監測[15]、機器學習[16-17]等技術進行有害生物預測預報成為可能。在水稻主要病蟲害的診斷與測報上，明得廷等采用圖像采集系統與YOLO v5算法，實現精度高達83.3%的病蟲害識別[18]；任少華等通過總結多年調查研究結果，歸納出中華稻蝗和二化螟的監測調查方法和綜合防治技術[19]。聶曉等通過對9省31縣（市）的小麥白粉病預測模型進行優化、重組，獲得基于降雨系數和日照時數等氣象動態數據的高精確度預測模型[20]。

煙草（Nicotiana tabacum L.）是我國重要的經濟作物，煙葉作為收獲對象，其品質與產量關系著農民的收入。為了避免有害生物對煙葉的大面積破壞，阻斷有害生物傳播、擴散，有害生物綠色防控手段的及時性、精準性、高效性十分關鍵[21]。準確、快速的有害生物預測預報信息是綠色防控策略科學實施的“排頭兵”，它離不開高效的信息采集硬件與智能的數據分析軟件[22-23]。2022年，四川省涼山州核心煙區開始建設煙草病蟲害發生動態智能采集系統與煙草植保大數據平臺，在提高預報信息及時性與準確性的同時，減少了人力投入，提高了煙草病蟲害防控效率。

本研究依托煙草有害生物智能測報系統，通過對四川省涼山州下轄9縣市的2023年有害生物預測預報數據進行統計分析，評價煙草有害生物的為害情況。

1" 材料與方法

1.1" 氣象數據采集

利用煙草病蟲害智能預測預報系統收集了四川省涼山州的德昌縣、會東縣、會理縣、冕寧縣、寧南縣、普格縣、西昌市、喜德縣、鹽源縣、越西縣10個地區2023年的氣象數據，包括日平均溫度、日最高氣溫、日最低氣溫等。根據煙草的4個主要生長階段（還苗—伸根期、旺長期、成熟前期、成熟后期），匯總溫度數據。

1.2" 煙草病蟲害數據采集與利用

在德昌縣等10個地區設立煙草病蟲害智能預測預報點（見圖1），采用智能測報與人工輔助測報的方式，對煙草主要病蟲害（赤星病、番茄斑萎病毒病、黃瓜花葉病毒病、馬鈴薯Y病毒病、普通花葉病毒病、氣候斑點病、角斑病、野火病、根黑腐病、根結線蟲病、黑脛病、青枯病、蚜蟲、煙青蟲/棉鈴蟲等）的發生頻率進行動態采集，并上傳至四川煙草植保大數據平臺進行匯總處理，然后制定精準高效的防控策略。

1.2.1" 煙草病害光譜數據采集

使用配備多光譜設備 [光譜波段，1個RGB+5個單色傳感器 ：藍（B）450 nm；綠（G）560 nm；紅（R）650 nm；紅邊（RE）730 nm；近紅外（NIR）840 nm] 的無人機（DJI Phantom 4 Multispectral，深圳市大疆創新科技有限公司）對煙區進行隨機掃描（見圖2），采集煙草病毒病、角斑病、氣候性斑點病、黑脛病、青枯病等病害的發病情況，其中發生煙草病毒病的田塊，使用“蜀葉衛士”（見圖3）進行鑒別，或人工采集病后使用檢測試制條進行病毒種類鑒定，然后通過“蜀葉衛士”進行數據上傳。

1.2.2" 煙草病原菌孢子采集與處理

利用孢子捕捉器對煙草赤星病等病原孢子進行捕捉識別，結合遙感光譜數據對田間的赤星病發生情況進行采集，相關數據通過“蜀葉衛士”上傳大數據平臺，匯總處理后制定精準防控策略。

1.2.3" 煙草蟲害發生數據采集

采用燈誘、性誘、色板誘集等方式，對煙草害蟲的成蟲進行誘集。通過對害蟲種類進行智能識別后，將相關數據通過“蜀葉衛士”上傳，并結合田間幼蟲基數調查，快速制定防治策略。

1.3" 數據處理

采用SPSS對采集數據進行統計分析。

2" 結果與分析

2.1" 涼山州煙區氣溫變化趨勢分析

如表1所示，2023年煙草種植期間（4—8月），涼山州煙區的平均氣溫約25 ℃，平均氣溫穩定，滿足20 ℃的優質煙葉最低生長氣溫閾值，有利于煙草的生長與成熟。5月的溫差最大，最高氣溫39 ℃，最低氣溫12 ℃，此時煙草處于還苗—伸根期。

根據涼山州地區煙草生長發育時期，將煙草大田期劃分為還苗—伸根期（4月上旬至5月下旬）、旺長期（6月上旬至6月下旬）、成熟前期（7月上旬至7月下旬）和成熟后期（8月上旬至8月下旬）。如表2所示，在還苗—伸根期，涼山州10個地區的平均氣溫范圍為23.5～28.5 ℃，溫差最大的地區為會東縣與越西縣，相對溫差均為27 ℃，溫差最小的地區為鹽源縣，相對溫差為20 ℃；在旺長期，平均氣溫范圍為23.5～25.5 ℃，溫差最大的地區為冕寧縣，相對溫差為25 ℃，溫差最小的地區為鹽源縣，相對溫差為17 ℃；在成熟前期，平均氣溫范圍為23.5～26.0 ℃，溫差最大的地區為喜德縣與鹽源縣，相對溫差均為17 ℃，溫差最小的地區為西昌市，相對溫差為12 ℃；在成熟后期，平均氣溫范圍為22.5～26.5 ℃，溫差最大的地區為德昌縣與喜德縣，相對溫差均為14 ℃，溫差最小的地區為西昌市，相對溫差為7 ℃。在煙草的生長與煙葉的成熟過程中，各地區的平均氣溫平穩，相對溫差范圍減小，有助于煙草生長的同時也為病蟲害的發生創造了條件。

2.2" 涼山州煙區病蟲害發生頻率分析

智能預測預報系統對涼山州煙區的赤星病、番茄斑萎病毒病、黃瓜花葉病毒病、馬鈴薯Y病毒病、普通花葉病毒病、氣候斑點病、角斑病、野火病、根黑腐病、根結線蟲病、黑脛病、青枯病、蚜蟲、煙青蟲/棉鈴蟲等煙草有害生物發生頻率進行了統計（見表3），其中，普通花葉病毒病在10個地區均有發生，發生頻率最高的為會東縣（45.40），發生頻率最低的為越西縣（5.91）；黃瓜花葉病毒病與馬鈴薯Y病毒病均在多個地區有發生；番茄斑萎病毒病僅在會理市發生，發生頻率為23.33。相較于煙草病毒病的普遍發生，赤星病、氣候斑點病、角斑病等的葉部真菌病害發生頻率較低。對于根莖部病害，黑脛病、根黑腐病、根結線蟲病等發生地區較少，且發生頻率均低于15.00，青枯病在德昌縣發生較重，發生頻率為54.11。蚜蟲在德昌縣發生，發生頻率為25.33；煙青蟲/棉鈴蟲僅在寧南縣發生，發生頻率為41.56。在10個預測預報的地區中，德昌縣的煙草病蟲害發生種類較高，共9種病蟲害發生，喜德縣與鹽源縣的煙草有害生物發生種類較低，僅普通煙草花葉病毒病發生。

2.3" 涼山州普通煙田與示范煙田的病蟲害發生頻率對比

根據表4，煙草病蟲害在示范煙田的發生頻率明顯低于普通煙田，其中，僅煙草病毒病、野火病、根結線蟲病、黑脛病與青枯病有發生，且發生頻率均低于普通煙田，尤其是赤星病，得益于高效的孢子捕捉系統，可提前采取預防措施阻止發病。在示范田中，煙草病毒病的發生頻率最高，其中，普通花葉病毒病的發生頻率為13.44，野火病的發病頻率為2.40，根莖部病害根結線蟲病、黑脛病、青枯病發病頻率均低于1.00，分別為0.24、0.35、0.91。示范田的煙草有害生物發生頻率明顯低于普通煙田，推測為示范田統一管理，根據預測預報信息可更快速、精準地制定預防保護策略，以防止病害或蟲害的發生。

3" 討論與結論

通過對田間智能預測預報系統采集的涼山州煙草種植期內的溫度數據進行分析發現，5月的溫差最大，此時煙草處于還苗—伸根期，煙株抵抗力較弱，易發生病蟲害。因此，建議增加田間預測預報頻率，加強田間管理，及時采取綠色防控措施，以保證煙株順利進入旺長期。

根據四川煙草植保大數據中心匯總的涼山州病蟲害發生信息：1）葉部病害以煙草病毒病為主，該病害無特效藥，主要通過防治傳播媒介、使用免疫誘抗劑、加強田間管理等措施進行防控。當田間檢測到煙草病毒病的發生時，建議在噴施誘抗劑的同時，快速防治傳毒媒介，避免病害進一步蔓延，及時清理病殘株也是避免病毒病繼代傳播的有效措施[24-25]。2）根莖部病害以黑脛病為主，該病害由卵菌煙草疫霉（Phytophthora parasitica）引起，為煙草生產中重大的根莖部病害，其為害嚴重、傳播迅速，通過高光譜掃描很難發現初期病害，因此需結合人工調查來及時發現早期為害，及時采取防治措施，防止病害蔓延[26]。對于發病地塊進行合理輪作，或于煙苗移栽時進行定根用藥，可有效防控該病害[27]。3）蟲害方面，得益于智能預測預報系統的精準性及綠色防控策略的高效性，蚜蟲與煙青蟲/棉鈴蟲均未出現大范圍、高頻率為害。

相較普通煙田，示范煙田的田間管理措施與綠色防控策略更為及時有效，因此其病蟲害的發生種類與頻率更低。建議在未來的煙草種植中，科學利用預測預報系統，發揮“科技裝備+人工輔助”的模式優勢，并通過實時分析制定防控策略，提高煙草有害生物防治效率，降低了病蟲害發生頻率，為煙草行業保駕護航。

參考文獻：

[1]" 王翔宇，溫皓杰，李鑫星，等.農業主要病害檢測與預警技術研究進展分析[J].農業機械學報，2016，47（9）：266-277.

[2]" 陳萬權，劉太國.我國小麥秋苗條銹病發生規律及其區間菌源傳播關系[J].植物保護，2023，49（5）：50-70.

[3]" 包云軒，尚潔，孫思思，等.云南省褐飛虱早期遷入蟲源及其發生大氣背景分析[J].生態學報，2018，38（16）：5621-5635.

[4]" 全國小地老虎科研協作組.小地老虎越冬與遷飛規律的研究[J].植物保護學報，1990（4）：337-342.

[5]" 柳凡，張智，林培炯，等.2013年北京一代粘蟲遷飛峰期的多普勒天氣雷達觀測[J].應用昆蟲學報，2023，60（1）：233-244.

[6]" YIN F， MA W， LI D Q， et al. Expression and kinetic analysis of carboxylesterase LmCesA1 from Locusta migratoria[J].Biotechnology Letters，2021，43：995-1004.

[7]" 李建春，劉杰，齊國君.我國草地貪夜蛾北遷格局及其蟲源銜接關系[J].應用昆蟲學報，2023，60（4）：1-13.

[8]" 鄧環環，楊俊杰，郭安紅，等.草地貪夜蛾遷飛氣象預報方法探索及應用[J].華中農業大學學報，2024，43（1）：70-78.

[9]" KUSKA M， WAHABZADA M， LEUCKER M， et al. Hyperspectral phenotyping on the microscopic scale： towards automated characterization of plant-pathogen interactions[J]. Plant Methods，2015，11：14.

[10] 蘆兵，孫俊，楊寧，等.基于熒光透射譜和高光譜圖像紋理的茶葉病害預測研究[J].光譜學與光譜分析，2019，39（8）：2515-2521.

[11] 肖志云，劉洪.馬鈴薯典型病害圖像自適應特征融合與快速識別[J].農業機械學報，2017，48（12）：26-32.

[12] LU J， HU J， ZHAO G， et al. An in-field automatic wheat disease diagnosis system[J].Computers and Electronics in Agriculture，2017，142：369-379.

[13] Kim， J， Kweon S G， Park J， et al. Digital infrared thermal imaging of crape myrtle leaves infested with sooty mold[J].The Plant Pathology Journal，2016，32（6）：563.

[14] 陳欣欣，劉子毅，呂美巧，等. 基于熱紅外成像技術的油菜菌核病早期檢測研究[J].光譜學與光譜分析，2019，39（3）：730-737.

[15] CAI X H， CHEN T， WANG R Y， et al. Forecasting wildfire disease on tobacco：toward developing a high-accuracy prediction model for disease index using local climate factors and support vector regression[J].Theoretical and Applied Climatology，2019，137（3-4）：2139-2149.

[16] BOGAWSKI P， BORYCKA K， GREWLING L， et al. Detecting distant sources of airborne pollen for Poland：Integrating back-trajectory and dispersion modelling with a satellite-based phenology[J].The Science of the total environment，2019，689：109-125.

[17] WRZESIE? M， TREDER W， KLAMKOWSKI K， et al. Prediction of the apple scab using machine learning and simple weather stations[J].Computers and Electronics in Agriculture，2019，161：252-259.

[18] 明德廷，李娟，王興宇.江西省水稻主要病蟲害診斷與預測系統設計與實現[J].電腦知識與技術， 2023，19（27）：40-42，51.

[19] 任少華，徐麗學，翁杰，等.水稻主要害蟲的差異化測報方法與防控技術[J].云南農業科技，2023（S1）：7-9.

[20] 聶曉，黃沖，劉偉，等.小麥白粉病預測模型的有效性評價[J].植物保護，2020，46（5）：38-41，52.

[21] 曾維愛，周志成，譚琳，等.湖南煙草病蟲害綠色防控技術研究現狀與應用對策[J].中國煙草學報，2019，25（2）：69-73.

[22] 劉小紅.基于WebGIS的煙草病蟲害診斷預測系統設計[J].農業災害研究，2016，6（5）：4-6.

[23] 王珍，黃德勇，鄧海濱.信息技術在煙草測報及防治領域中的應用與研究[J].現代農業科技，2013（8）：328-329.

[24] 閆鼎，蔡憲杰，宋明健，等.基于快速檢測的煙草番茄斑萎病防控技術[J].中南農業科技，2023，44（3）：249-251.

[25] 王克，王晶，吳磊，等.不同葉面免疫誘抗劑對煙草生長和抗性的影響[J].植物醫學，2023，2（1）：67-74.

[26] 閔琪茹，甘勇，陳壽明，等.植物根際促生菌在煙草根莖類病害防治中的應用研究進展[J].現代農業科技，2024（11）：108-112，116.

[27] 曾濤，宗釗輝，陳楨祿，等.煙草害蟲綠色防控技術研究進展[J].安徽農業科學，2022，50（1）：15-17，36.

（責任編輯：敬廷桃）

收稿日期：2024-10-12

基金項目：四川煙草病蟲害智能測報體系構建與應用項目（SCYC202215）。

作者簡介：鄧全（1986—），本科，農藝師，從事植物保護。

E-mail：398151403@qq.com。

*為通信作者，E-mail：12832185@qq.com（劉挺），9038823@qq.com（劉東陽）。