蝗蟲監測預警技術發展概況

董歡

（新疆維吾爾自治區農業農村廳哈密植物檢疫工作站，新疆哈密839001）

2020年初，沙漠蝗在東非、西南亞罕見暴發，對當地糧食和農業生產構成嚴重威脅，多國宣布進入應對緊急狀態，聯合國糧農組織發出蝗災預警。我國農業農村部經監測調度分析后表示，沙漠蝗遷飛入侵我國的概率很小，但仍需從底線思維和風險意識出發，統籌做好境內外蝗蟲疫情監測預警工作，為蝗災的治理防控工作發揮“吹哨”作用。

1 蝗蟲的發生特點

蝗蟲屬昆蟲綱直翅目昆蟲，俗稱“蚱蜢”，一生分為卵、蝗蝻、成蟲3個階段，屬于不完全變態。全世界有超過1萬種蝗蟲種類，分布于全世界的熱帶、溫帶的草地和沙漠地區，在我國分布的種類主要為東亞飛蝗、亞洲飛蝗、西藏飛蝗，沙漠蝗尚未遷入我國區域。環境因素對蝗蟲的發生和消長起著決定性作用，其中包括氣候、地形、植被、土壤在內的自然因素。天敵的種類和數量、人類采取的各類防治措施直接決定了蝗蟲種群密度。需要注意的是，人類不適宜的撂荒等農業活動會助長蝗蟲的滋生。

1.1 繁殖速度快，生殖后代多

東亞飛蝗和沙漠蝗均能通過孤雌生殖的方式繁衍后代，大多數蝗蟲從卵中出生到成蝗交配繁殖只需30 d左右，雌蝗成蟲每代可多次產卵，雌蝗一生平均產卵總量為300～400粒。在溫帶地區，蝗蟲一般一年生2代，亞熱帶和熱帶地區可以繁殖三四代，且每代的存活期長達3個月，在無干擾情況下種群數量呈指數增長。

1.2 遷飛能力強

蝗蟲屬于遷飛性害蟲，蝗蝻群均可做短距離擴散，群居型的成蟲均可做長距離的遷飛，種群可實現跨省區遷飛。例如，沙漠蝗遷飛距離在1 500～5 100 km，可連續飛翔17 h。

1.3 食性廣，易暴發成災

蝗蟲以禾本科作物、豆科作物以及各類蔬菜、雜草為食，如東亞飛蝗的食料植物約20種，一生食量60～80 g，成蟲期食量為蝻期的3～7倍，單個蟲體食量大，一般多為全天候取食且多以群聚集中取食，極易暴發成災。蝗群所過之處“遮天蔽日”“赤地千里”，會對農牧業造成減產甚至毀滅性打擊。

2 蝗蟲監測預警技術

2.1 地面調查法

地面調查法是在查蝗卵、蝗蝻和成蟲的基礎上，根據蝗蟲的生長速度、生殖力和擴散遷移習性，結合環境條件的變化對蝗情做出的預測［1］。該方法可以全面了解蝗蟲發生情況，對治理蝗災具有重要意義，但該方法需要以人力和物力保障為基礎，且調查周期長，對工作的連續性也有較為嚴格的要求。

2.2 氣候預測法

早在我國古代就發現了旱澇與蝗災之間的密切聯系，主要依據近地面氣溫、土溫、空氣濕度、土壤濕度等氣候因素預測蝗蟲發生代數和發生時期。該預測方法雖然得到的預測值略偏高，但是可彌補地面調查法的不足，提高預報的準確性，是一種可行性較高的預測方法。

2.3 物候預測法

通過作物、雜草或其他昆蟲的生長時期預測蝗蟲發育階段，如沙漠蝗的孵化期、羽化期、死亡期分別對應特定的沙漠作物的開花期、果熟期和枯萎期［2］。該方法原理簡單易操作，農民掌握度高，在農業生產中應用較為普遍。

2.4 遙感監測技術

遙感作為一種監測技術，在昆蟲學領域主要用于對昆蟲個體及其影響種群動態的環境因子的監測，從而進行適生環境的評估，對風險區進行預測［3］。其可貫穿蝗災調查、監測、預警、評估的各個環節，是蝗災及其成災環境調查、蝗災動態監測工作中的重要技術手段。

2.4.1 近紅外光譜技術。近紅外光譜技術（NIRS，Near Infrared Spectrum Instrument）是一種相對快速、高效的現代檢測技術，可利用NIRS直接感知植物體內各種化學成分的變化，也可建立蝗蟲危害程度的近紅外模型，監測病蟲害發生狀況和規律。近紅外光譜還可與化學模式識別相結合直接偵測蝗蟲，進而為蝗蟲自動偵測系統提供技術支撐［3］。熊雪梅等就利用傅立葉近紅外光譜儀進行全譜測定蝗蟲樣品，鑒定準確率達到了91.67%［4］；彭玉魁等應用NIRS對我國黃土區土壤濕度、有機質及總氮含量進行分析，建立了土壤和蝗蟲蟲卵之間的預測模型［5］。

2.4.2 高光譜技術。該方法是遙感技術發展的一大趨勢，高光譜遙感技術是使用光譜儀對植被冠層光譜進行測定，再對植被葉面積指數進行測定，借助回歸模型將高光譜特征參數篩選出來，并構建蝗蟲光譜指數，從而對蝗蟲的產生及危害進行全面預測。該技術與一般遙感技術最大的區別在于，其可對各種地物用光譜曲線進行記錄，能準確估計動植物參數信息，對蝗災的預測精度更高［6］。

2.4.3 基于Landsat 8衛星數據的遙感監測方法。黃健熙等以內蒙古赤峰市北部三旗為研究區域，通過對Landsat 8衛星數據蝗蟲寄主植物分類，結合疊加先驗蝗區分布圖，判別出蝗蟲適生地后采Landsat 8衛星數據，反演葉面積指數、地表溫度和土壤濕度等蝗蟲生境參數，并結合外業同步調查蝗蟲生境數據、地表溫度和土壤濕度等生境參數的關系模型，該方法建立的監測模型具有較高的精度，決定系數為0.50，均方根誤差為3.17［7］。該方法的局限性在于采用單一時相的遙感數據，未根據蝗蟲的關鍵生育期以及生境變化進行遙感動態監測，加之蟲口密度動態的偶然性和復雜性特點，還需進一步引入其他重要因子以提高監測模型的精確度。

2.4.4 基于SMOS衛星的監測方法。楊娜等利用SMOS（South Deformation Monitoring System，南方自動監測系統）土壤水分數據（2011—2016年），聯合FAO（Food and Agriculture Organization of the United Nations，聯合國糧食及農業組織）統計資料（2012—2016年）、ISRIC土壤網格數據（2016年），以南高加索干旱/半干旱地區為研究區，探索了土壤水分與蝗蟲孵化、分布及成災區域的量化關系，由此得出土壤水分是蝗蟲生長繁殖過程中的關鍵環境因子，通過提取多年蝗災期土壤水分的變化規律，能對下一年度的蝗災風險區做出預測，發布蝗災預警［8］。該方法不足之處在于SMOS土壤水分數據累計年份間的年際、月份波動較大，一定程度上影響了監測的精確度。

2.5 基于模糊模式的圖像識別方法

鄭永軍等以廣東省清遠市英德區域農田為試驗區，采用數碼相機采集蝗蟲圖像，對蝗蟲區域和背景的RGB分量平均值進行對比分析，選用超G絕對值法進行灰度轉換，實現蝗蟲與背景分離，而后通過面積統計對比，確定單個蝗蟲的面積和周長特征，建立單個蝗蟲模糊集和粘連重疊蝗蟲區域模糊集，采用最大隸屬度原則可判定蝗蟲連通區域為單個蝗蟲或是存在圖像粘連重疊［9］。用模糊識別法對單個和黏連重疊區域分別計算數量，準確率達89%。但該方法僅適用于蝗蝻齡期接近、顏色特征較為一致的蝗蟲種群，對于品種類別多、蟲齡不一致的草原蝗蟲，該方法則難以滿足其監測預警需求。

2.6 3S技術

地理信息系統（GIS，Geographic Information System）、地球定位系統（GPS，Global Positioning System）和遙感系統（RS，Remote Sensing）統稱為3S，該方法結合了地理信息系統技術強大的空間存儲、管理和分析能力以及遙感技術的多平臺、多時相、多波段信息源特點，在宏觀和動態監測方面有了充足的信息保障，技術之間的相互融合和互補，大大提高了監測工作有效信息的提取［10］。

3 展望

蝗蟲是世界性的農業生物災害，科學、及時、精準地監測預警技術是治理蝗災的前提和基礎，隨著生物技術、計算機網絡、地理信息系統（GIS）、地球定位系統（GPS）和遙感系統（RS）等高新技術的進一步發展及應用，監測數據的精準性、可靠性、真實性和時效性也將得到極大提升，為治蝗減災、保障農業產業安全發揮基礎保障作用。