基于指標模型的河北省小麥蚜蟲氣象預警預測系統研究

司麗麗，郭麗麗，姚樹然，解文娟，趙 亮

（1.河北省氣象災害防御和環境氣象中心，石家莊 050000；2.河北省氣象與生態環境重點實驗室，石家莊 050000；3.河北省氣象科學研究所，石家莊 050000）

中國小麥產量和消費量常年在1億t左右，位居世界第一［1］。河北省是小麥主要生產大省，其總產量、單產量以及播種面積均為全國第三位［2］。而小麥蚜蟲是危害小麥產量和品質的主要蟲害［3-6］。近年來，小麥蚜蟲成為威脅小麥生產的主要蟲害之一，幾乎連年發生，嚴重時小麥產量損失達40%～50%。研究表明，氣象條件幾乎是所有大范圍暴發性、流行性、毀滅性的農作物重大病蟲害的發生、發展、流行的關鍵因子［7］，其中，溫度、濕度則是影響麥蚜種群數量的重要氣象因素［8，9］。在自然條件下，溫濕度對麥蚜發生消長起主導作用，有利的外部氣象環境條件一旦出現，就可以快速暴發成災。因此，基于氣象條件建立預警預報指標體系對于科學防控麥蚜意義重大。多年來，由于農戶對蚜蟲發生規律不了解，不能在達到防治指標的同時科學施藥，致使防治效果不佳，用藥次數偏多，殺傷天敵，并造成環境污染［10］，嚴重影響生態環境。以精準的蟲害預警預測指標體系為基礎的氣象服務系統是科學防控麥蚜、保護生態環境的重要支撐［11］。

國外利用計算機技術解決病蟲防控問題起步較早，20世紀70年代即已開展相關研究［12，13］，瑞士開發的谷物預測預報系統EPIPRE，可準確預報殺蟲劑的施用日期；用于防治馬鈴薯晚疫病的PhytoPRE+2000系統［14-17］，可精準預測該病的發生流行。Drench等［18］研制的冬小麥病蟲害監測預測和防治系統模式Epipre，目前仍在很多西歐國家使用。中國用于病蟲防控的系統研發由于起步較晚，技術水平相對落后，但小麥蚜蟲防控管理平臺在國內已有一些研究，例如，中國農業科學院彭宇［19］研制的基于Web GIS的氣候變化下麥蚜種群動態預測系統，蘇一峰［20］開發的基于物聯網平臺的小麥病蟲害診斷系統等。上述系統的建立為蚜蟲科學管理起到了一定作用，但多用于診斷和實時預警，且基于實地自研的相關技術研究較少，系統應用缺乏科學依據。當前，適用于河北省的融合預警、預測及診斷等多功能的綜合蚜蟲防控服務系統尚未見報道。因此，本研究基于前期研究的小麥蚜蟲預警、預報指標模型體系，結合GIS應用，建立了河北省小麥蚜蟲預警預報氣象服務系統。該系統將信息采集、管理、加工處理以及蚜蟲監測與預警、預測與預報、診斷與知識融為一體，為拓展蚜蟲防控業務提供了優質、高效的智慧平臺，可應用于植保、氣象等部門，并為政府決策蟲害防治措施、農戶科學生產提供依據。

1 材料與方法

1.1 數據來源

面向河北省小麥主產區收集氣象、農業等數據，其中，氣象數據來源于河北省氣象局，蟲害生物學數據來源于河北省植保植檢總站，預警、預報指標模型數據來源于河北省小麥蚜蟲發生氣象條件預警技術指標體系研究課題組。

1.2 數據庫設計與構建

數據庫設計是系統運行最關鍵的環節之一，該系統含有大量且多種類型的多源數據，快速、靈活、精準地析取各類數據是數據庫設計的關鍵所在。因此，數據庫設計方面充分考慮了在保證數據完整性的前提下節省數據存儲空間，以及便于系統功能開發等問題，采用具有強大能力的SQL Server企業版作為數據庫開發平臺，構建該系統基礎數據庫，并與開發工具包Visual Studio 2008緊密對接，為服務器提供統一數據服務供給支撐，以客戶端單機安裝直接調用的模式，保證高效率、高伸縮和高可用，同時更易于內部系統和外部系統連接，大幅降低系統運行、管理和維護風險成本。

1.3 系統開發

該系統在開發模式上采用C/S模式，用戶可通過客戶端進行具體操作，該模式具有較快的響應速度、豐富的界面和操作以及較高的安全性，并且可多層認證。以Microsoft Visual Studio 2008作為開發環境，采用C#語言進行系統開發，將目前主流的GIS（地理信息系統）、動態圖表控件等可視化技術集合實現數據的可視化展示。在擴展性方面采用插件式框架技術［21］，為系統升級和技術革新提供了一個優良的環境，并且實現了模塊化、可擴展的平臺開發架構。

1.4 運行環境

該系統可在裝有Windows XP專業版及以上操作系統的任意電腦上運行，后臺數據監測及分析模塊需NET Framework 3.5框架同時兼有ArcGIS10.0繪圖軟件的支持。

2 結果與分析

2.1 系統總體設計

系統總體架構分為四大部分，分別是數據庫管理、預警預測、蟲害診斷與知識、產品制作與發布（圖1、圖2）。利用數據庫管理模塊，管理員可對數據進行錄入、更新、修改、刪除等管理工作，數據庫內存放植保與氣象大數據，具備強大的統計分析功能，并充分考慮了延展性。監測預警以及預測預報模塊以氣象、生物等大數據為運行基礎，基于氣象條件的預警預測自研指標模型體系，通過自動分析運算，可對達到麥蚜防治指標的天氣條件進行自動預警，利用“氣象因子+指標模型”組合可對蟲害發生年型進行預測，依據預測結果給出防治建議。蟲害診斷與知識模塊提供了小麥7種主要蟲害的診斷、知識查詢，實現了技術與知識充分融合。產品制作與發布模塊提供不同產品模板，可無障礙調用預警預測信息用于業務產品制作，業務人員可對產品進行深加工并針對相關用戶發布。此外，系統可存儲預警、預測數據，用于預警預測指標模型體系的進一步驗證與修訂。

圖1 系統主頁

圖2 系統總體功能結構

2.2 數據庫

基于麥蚜與氣象條件密切相關的生物學特性，充分考慮預警預報模型輸入所需，整理、提煉并集合農業氣象、小麥生產、麥蚜田間發生情況、預警預測指標模型等主要數據，結合應用與維護的便捷性以及系統分析的精準性進行科學分類，共分為4個子數據庫：①氣象數據子庫：包括分縣逐日氣溫、降雨、日照、濕度、風力等與麥蚜消長密切相關的觀測數據，以及短期天氣預報產品和基本農情等農業氣象數據。其中，地面觀測數據部分還具備比較分析功能，包括數據極值、數據排序、雨日和積溫的計算等，并可通過相關圖表對比分析，表征氣象特征要素的變化情況。②生物數據子庫：包括河北省小麥生產面積及產量，小麥蚜蟲發生程度、發生面積、損失情況等，以及多個以縣為單位的系統調查蟲害數據（麥蚜出現后間隔固定時段調查的蚜株率、百株蚜量等數據）；另外，系統分類存儲了小麥7種主要蟲害的為害特征、發生規律、防治方法等特征數據，為蟲害診斷及知識模塊提供數據保障。③模型數據子庫：庫內存有小麥蚜蟲預警指標1套、預測預報指標模型2套，均由河北省小麥蚜蟲發生氣象條件預警技術指標體系研究課題組自主研發。④統計數據庫：主要包括預警結果存儲數據、年度測報數據等，來源于啟動麥蚜預警預測后系統存儲。

數據庫具有較好的延展性，保留數據接口，可即時添加、刪減、修改各類數據，數據庫下一級創建了更加細化的數據表，以實現數據快速而準確的挖掘與應用。

2.3 預警預測

蟲害預警預測模塊是開展小麥蚜蟲防治決策服務的核心內容。該模塊包含監測預警、預測預報兩個子模塊，兩項功能相輔相成，可以更好地開展麥蚜防控業務，服務結果均可以GIS地圖形式輸出。同時具備鏈接服務產品制作的功能，可一鍵式完成產品模板、預警信息、預測結論、天氣預報信息以及防治建議等內容的調用。

2.3.1 指標模型的建立控制好作物蟲害的前提就是預警預報做到精細、準確、快速。因此，建立適宜當地應用的指標模型體系顯得尤為重要，系統用于業務應用的指標模型均為河北省小麥蚜蟲發生氣象條件預警技術指標體系研究課題組在近2年內基于植保知識理論與氣象條件的結合研究所得，數據回代及實測顯示，模型預測可達80%以上的準確率，可用于河北省麥蚜防控預警預測服務。

2.3.2 監測預警

1）預警指標研究。在麥蚜取食供給充足的條件下，溫度是影響麥蚜種群發育速度的主要因素。目前，河北省較為常用的農業防治指標為平均百株蚜量500頭，基于積溫學說，結合麥蚜農防指標，研究發現積溫與歷期的變化均存在一定規律性，因此明確其作為閾值參數。通過滾動檢驗修訂，界定小麥蚜蟲達到防治指標的氣象預警條件為“自小麥蚜蟲出現之日起，積溫（∑T）達到390～460℃，且21 d≤歷時（D）≤25 d”，基于此進行防治決策。

2）預警流程。

①數據調用。從麥蚜零星發展期到高峰期為一個預警關注區間，在該區間內，系統每日訪問局域網，調用氣象數據以及各地逐日天氣數值預報產品，同時讀取預警指標庫。

②預警指標。預防為主、綜合防治是有效防控病蟲發生發展的植保方針，蟲害預警信息應做到提前發布。因此，該系統將自蚜蟲出現之日起計算積溫達350℃、歷期達19 d作為初始閾值。

具體預警條件如下：

當閾值參數中任意一個達到初始閾值，即出現“∑T≥350℃，D＜19 d”或“D=19 d，且∑T＜350℃”時，系統均啟動預警日期估算程序，通過調用溫度預報預估460℃≥∑T≥390℃，且25 d≥D≥21 d的日期，該日期即為麥蚜達到防治指標的日期，此時進行預警提示。

3）預警信息可視化。超閾值指標實現自動報警（聲音及標識報警），點擊標識，系統即可鏈接詳細的預警信息，包括時間、地點、當前氣象條件、防治建議等。基于GIS技術，預警結果以色斑圖的方式輸出在地圖上（圖3），并生成詳細的預警信息。

圖3 監測預警色斑圖顯示

預警信息如“*年*月*日，自麥蚜始見期開始積溫已達*℃、歷期為*天，預計*年*月*日平均百株蚜量即將上升至500頭，達到防治指標。建議密切關注蟲害及氣象條件變化，在達到防治指標時盡快防治，可用藥劑為辟蚜霧、吡蟲啉、馬拉硫磷、來福靈等。

2.3.3 預測預報該系統依據自研的指標模型可即時預測麥蚜發生年型，可提前15 d對其發生程度進行預測，并根據預測結果進行分級顯示，提供防治建議（圖4）。

圖4 預測預報界面

1）預測預報指標模型研究。基于Bayes判別指標、Fisher判別模型分別建立了2套麥蚜發生程度預測模型。從兩類預測方法的擬合準確率和外延預報準確率來看，預報效果均超過了80%，因此，2種模型均被系統采用。

2）預測流程。系統每年4月1日進行預測提醒，用戶根據本地情況自行選擇預測模型，輸入預測因子，系統進行推理麥蚜發生年型，預測結果分級顯示，并給出針對性的防治建議［22，23］。

2.4 蟲害診斷與蟲害知識

蟲害診斷與蟲害知識具有一定承接性，在對蟲害診斷后可進行相關知識的查詢。蟲害診斷子模塊可對小麥生產中常見的7種蟲害（蚜蟲、吸漿蟲、紅蜘蛛、麥葉蜂等）進行診斷，采用檢索式診斷方式，主要依據蟲害的為害特征進行診斷。通過用戶選擇為害部位以及具體的為害特征，系統檢索識別推送診斷結果，并以蟲害圖片加特征描述的方式顯示，以方便用戶確認。診斷結果明確后，相應的蟲害知識均可調用，用戶可在蟲害知識子模塊查看該蟲害的危害特點、發生規律與防治方法。

2.5 產品制作與分發

產品制作與發布模塊中除預警、預測產品以外，還設計了《適宜噴藥期天氣預報》等農用天氣預報產品，用于在達到防治指標、制作預警產品的同時將適宜噴藥天氣出現的時段提供給農戶。在系統環境中，可依據服務需求選擇相應的產品模板，并調用預警、預報、診斷、知識等內容，疊加文本以及圖表等多種形式輸出。系統存儲常用文字，可隨時調用編輯形成相應產品，自動調用局域網、數據共享平臺、互聯網用戶郵箱等相關地址以及用戶檔案管理和產品目錄管理庫發給相關部門，并可通過微信公眾號、微博等新媒體形式向農戶發布。

3 結論與討論

科學技術迅猛發展，各行各業對信息技術的需求表現強烈，現代化農業氣象服務更依賴于重要的大數據分析以及基于信息手段的快速預警預測［24］。隨著信息技術飛速發展，各項技術的融合應用是必然趨勢，也是農業氣象信息化發展的有效途徑［25，26］。

該系統基于氣象、植保知識，以信息技術為手段，以自行研發的預警預測指標模型為內核，將多源多維數據信息有機融合，集數據管理、監測預警、預測預報、診斷與知識、產品制作與發布等功能為一體，研制了小麥蚜蟲預警預測氣象服務系統。基于建立的氣象數據、生物數據等4類數據庫，實現了20余項數據統計分析功能；通過自行研究開發，建立了3套麥蚜預警預測指標模型，實現了麥蚜達到防治指標的自動預警以及發生程度的中期預測，并提供了麥蚜防治方案。該系統還可以多角度進行資料分析及圖表制作，簡化了資料統計和服務產品的編輯與輸出工作，同時具有數據庫與局域網環境的支持，提高農業氣象業務服務的自動化水平，且氣象資料均來自于氣象局，易于獲取及業務化，填補了河北省小麥蚜蟲氣象預警預測服務的空白，通過系統的運行將顯著提高人們對麥蚜的科學防治水平。隨著現代農業生產的不斷發展以及信息技術的不斷進步，將進一步優化麥蚜警預測模型，發展蟲害評估技術，擴大應用及推廣面積。