基于PCA和多元回歸算法構(gòu)建大棚黃瓜霜霉病預(yù)警系統(tǒng)

李 映，葛喜珍

(北京聯(lián)合大學(xué)生物化學(xué)工程學(xué)院，北京 100023)

黃瓜霜霉病(downy mildew)是一種由真菌引起的病害，是大棚黃瓜種植中常年發(fā)生的最普遍、最難防治的病害[1-3]。黃瓜霜霉病主要由病原真菌Pseudoperonosporacubensis引起，從幼苗到收獲階段均可發(fā)生，以成株的危害較重[4-5]。該種病原真菌主要侵染黃瓜的葉片，由葉片基部向上部發(fā)展，在葉面形成淺黃色或白色病斑，有時可延伸至葉片背面[6]。病斑會導(dǎo)致葉片枯黃，使得植物失去正常的生理功能和作用，最后導(dǎo)致植物的死亡。由于霜霉病的傳染性較強且引起的損失慘重，因此對霜霉病的防治一直以來是大棚黃瓜種植的重要工作[7]。用于防治霜霉病的化學(xué)農(nóng)藥主要有波爾多液、石硫合劑等，生物農(nóng)藥主要有苦參堿、芽孢桿菌制劑等[8-10]。但噴灑農(nóng)藥只能抑制霜霉病的蔓延，對霜霉病的預(yù)防和預(yù)測則是更有效的控制手段。

大棚黃瓜霜霉病的發(fā)病規(guī)律已經(jīng)較為清楚。在一年中的不同種植季，霜霉病往往出現(xiàn)在溫度較低、濕度較大、光照強度較小的種植季[11]。在該氣象條件下，黃瓜霜霉病的病原菌可以實現(xiàn)高效的繁殖，并產(chǎn)生大量的孢子蔓延到大棚內(nèi)其他區(qū)域[12]。目前，已有使用孢子收集器或圖像識別系統(tǒng)研究黃瓜各類病害的發(fā)生規(guī)律和預(yù)警系統(tǒng)[13-14]，然而這些裝置價格和維護成本較高，且后續(xù)的孢子成分分析需要專業(yè)設(shè)備的人員進行，因此限制了其廣泛的使用。相比之下，使用氣象條件監(jiān)控系統(tǒng)進行預(yù)警是一種可行性較高的選擇。鑒于此，筆者針對河北邢臺地區(qū)的氣溫特征，利用不同大棚內(nèi)的氣候監(jiān)控系統(tǒng)，研究氣象條件與霜霉病發(fā)生的規(guī)律；使用機器學(xué)習(xí)中的PCA降維算法提高計算速度，并給出回歸方程進行預(yù)測。

1 材料與方法

1.1 儀器與試驗場地大棚氣象監(jiān)測裝置由石家莊圣啟科技有限公司提供，每小時取大棚內(nèi)溫度、濕度、光照、土壤溫度等氣象信息。大棚所在地為河北省隆堯怡東農(nóng)牧有限公司黃瓜大棚(37°40′N，114°92′E)。共使用5個大棚，在不同的種植季節(jié)記錄大棚內(nèi)的氣象條件，同時統(tǒng)計相應(yīng)的霜霉病發(fā)生率。

1.2 田間試驗設(shè)計溫室長60.0 m，寬7.50 m，株距0.40 m，行距0.70 m。自移栽之日起60 d記錄數(shù)據(jù)。霜霉病的發(fā)病率按照5點法取樣，每采樣點選取10株黃瓜，每株選取上、中、下3個部位進行霜霉病發(fā)病率的統(tǒng)計。發(fā)病率(%)=病株數(shù)/調(diào)查總株數(shù)×100。發(fā)病率大于60.0%時，將該試驗區(qū)域的植物清除。

1.3 數(shù)據(jù)分析和預(yù)警系統(tǒng)的建立數(shù)據(jù)的分析和統(tǒng)計在python中進行，使用Sci-Learn包進行數(shù)據(jù)分析。根據(jù)獲取的數(shù)據(jù)將大棚內(nèi)的空氣溫度、濕度和光照強度進行日均值的計算，將不同種植季節(jié)的數(shù)據(jù)進行合并后進行預(yù)測。根據(jù)所有數(shù)據(jù)的不同，使用歸一化的方法將不同單位的數(shù)據(jù)進行歸一以便計算降維分析的權(quán)重。在降維分析中使用置信度為85%計算特征值數(shù)量，得到降維分析的數(shù)據(jù)后，使用多元多項式回歸的方法進行回歸方程的計算。

2 結(jié)果與分析

2.1 不同種植季數(shù)據(jù)采集在每年的單數(shù)月份采集邢臺地區(qū)不同大棚的氣象條件和霜霉病的發(fā)病率，并從每個大棚中隨機選擇50%的數(shù)據(jù)進行組合，統(tǒng)計和分析霜霉病的發(fā)病率，統(tǒng)計結(jié)果見表1。從表1可以看出，在不同的季節(jié)，霜霉病的發(fā)病率出現(xiàn)了明顯的不同。在空氣溫度低于20 ℃的季節(jié)，霜霉病的發(fā)生率較高。相反的是，在溫度較高、光照強度較高的種植季，霜霉病的發(fā)生率較低，甚至在10.0%以下。因此，霜霉病的發(fā)生率與環(huán)境因素存在非常明顯的相關(guān)性，使用數(shù)學(xué)模型可預(yù)期達到良好的預(yù)測效果。

表1 不同大棚不同種植季節(jié)的氣象條件和霜霉病發(fā)生率

2.2 主成分分析和回歸計算將上述數(shù)據(jù)在python中的Sci-Learn包中進行數(shù)據(jù)主成分分析，設(shè)置主成分的包含度為85%，得到了降維后的二維數(shù)據(jù)，計算出的特征值對應(yīng)的貢獻度分別為73.6%和13.7%，合計超過85.0%。將降維后的數(shù)據(jù)與實際的發(fā)病率進行對比作圖，結(jié)果如圖1所示。圖1A中顯示為特征向量與發(fā)病率的三維數(shù)據(jù)圖，可看到在發(fā)病率較高的情況下，特征值集中于一個較小的區(qū)域。隨后將該三維圖進行影射至二維坐標系，并以圓點大小表示發(fā)病率的高低(圖1B)。由圖中可以看出，霜霉病發(fā)病率較高的區(qū)域集中在2個特征值均較小的區(qū)域。針對該種情況，為了增加預(yù)測精度，使用多元多項式的回歸進行回歸方程的預(yù)測。回歸后的公式如下：

注：圖B中圓形面積代表感染率

F=0.195-3.11x1+3.08x2-0.337x1x2+0.271x12+1.24x22-1.46x23+0.189x12x2-1.58x1x22

式中，F(xiàn)為霜霉病的發(fā)病率，x1和x2分別為數(shù)據(jù)降維之后的2項特征指標。

2.3 預(yù)警精確度的計算針對上述得出的預(yù)警模型進行精確度的計算，使用訓(xùn)練數(shù)據(jù)與實際數(shù)據(jù)的對比(圖2)，并使用方程預(yù)測剩余的50%數(shù)據(jù)，預(yù)測結(jié)果和準確率如表2所示。從表2可以看出，該方程整體的預(yù)測準確率大于85.0%。在感染率大于25.0%的情況下，模型的預(yù)測準確率均較高；而在感染率較低的區(qū)間，預(yù)測準確率有所降低，為85.0%～90.0%。在實際種植過程中，低溫高濕度的環(huán)境會導(dǎo)致霜霉病的快速發(fā)生，因此對于該種情況下的準確預(yù)測顯得更為重要。因此，該方程作為大棚黃瓜霜霉病的預(yù)測模型可有效進行霜霉病的監(jiān)控和預(yù)警。

表2 利用數(shù)據(jù)降維和多元回歸對實際發(fā)病率的結(jié)果預(yù)測分析

圖2 數(shù)據(jù)模型與實際數(shù)據(jù)的結(jié)果對比

3 結(jié)論與討論

黃瓜霜霉病是大棚黃瓜種植中的一種重要病害，然而一直以來缺少安全有效的農(nóng)藥對其進行防控。前人的研究表明，在溫度低、濕度大的環(huán)境下，霜霉病的發(fā)生率會大幅度提高，嚴重者會導(dǎo)致絕收。然而有些地區(qū)因擔(dān)心霜霉病的發(fā)生，提前施灑大量農(nóng)藥，這不僅造成了農(nóng)藥的大量浪費，違背了農(nóng)業(yè)農(nóng)村部“雙減”的政策導(dǎo)向[15]，還會降低農(nóng)產(chǎn)品品質(zhì)并污染空氣和地下水源。因此，研究霜霉病的發(fā)病規(guī)律并在高風(fēng)險的時段進行針對性的提前施藥，是較可行的防控方案。

根據(jù)以往的氣象數(shù)據(jù)和霜霉病的發(fā)生率，該研究模擬出了預(yù)警方程用于預(yù)測霜霉病的發(fā)生規(guī)律。與實際數(shù)據(jù)對比可知，該方法可準確預(yù)測霜霉病的發(fā)生率，且在高風(fēng)險條件下預(yù)測的準確率可達90.0%，為施藥提供有效的指導(dǎo)。