大數據分析信息化監測防控在大棚番茄病蟲害防治中應用的闡述

隨著信息技術快速發展，大數據被越來越多地運用到農業領域中。大棚番茄栽培中傳統病蟲害防治及栽培管理方式有其局限性，很難準確地應對復雜多變的環境和病蟲害狀況。運用大數據技術可以將大量番茄生長數據和病蟲害數據進行融合，發掘其潛在規律并為科學決策奠定基礎，有效地提高大棚番茄栽培效率，促進設施農業朝著智能化和精準化的方向發展。本研究聚焦于基于大數據的大棚番茄病蟲害防治栽培技術。闡述大數據在收集番茄生長環境數據、病蟲害信息方面的應用，分析如何通過數據挖掘與分析構建預測模型，以提前預警病蟲害，旨在提高大棚番茄產量與品質，減少病蟲害損失，為設施農業可持續發展提供技術支撐。

一、大棚番茄常見病害特點

大棚番茄生長在一個比較密閉和特殊的環境下，易受到各種病蟲害的危害，嚴重影響了其生長發育、產量和質量。

1、番茄晚疫病特點

番茄晚疫病為致病疫霉所致真菌性病害，低溫高濕條件下易暴發流行。其癥狀是在葉片上長出水漬狀深綠色病斑，病斑逐漸增大后變褐色，病緣不清，當空氣濕度較大時，病斑后部有白色霉層生成。嚴重的莖稈和果實也可受害，莖部病斑深棕色，略下陷，使植株枯萎乃至枯死；果實染病多在青果期，病斑最初為油漬狀暗綠色，后變為暗褐色至棕褐色，質地硬實，潮濕時也會長出白色霉層，使果實失去商品價值。

2、番茄早疫病特點

早疫病也屬于真菌性病害的一種，是鏈格孢屬病菌所引起的。特征是在葉片上出現圓形或橢圓形褐色病斑，病斑具同心輪紋，葉緣具黃色暈圈，濕潤時病斑表面生有黑色霉層。莖部發病常在枝條上產生棕色至黑褐色不規則的圓形或橢圓形病斑和灰黑色霉狀物。果實染病后在靠近果蒂的部位或果面產生圓形或近似圓形的褐色凹陷斑或同心輪紋等，病斑表面產生黑色霉層，嚴重時可引起落果。

3、番茄灰霉病特點

灰霉病是灰葡萄孢菌感染所致，常發生于低溫高濕和通風不暢環境。主要為害花、果、葉、莖。花器染有病害，花瓣和柱頭水漬，以后漸變褐，腐爛長出許多灰色霉層；果實發病常始于殘留花瓣、柱頭或果臍上，初呈水漬狀淺褐色病斑并逐漸軟化腐爛，果面密被灰色霉層；葉片染病通常始于葉尖，以\"V\"型向內側延伸，病斑初呈水漬狀、淡褐色、邊緣不整齊、具深淺不一的輪紋，后干面上生灰色霉層;莖部病斑初呈水漬狀小斑點，以后擴大呈長橢圓形或長條形，潮濕時病斑長出灰褐色霉層，重者造成莖蔓斷裂。

4、番茄葉霉病特點

葉霉病是以危害葉片為主的黃孢菌屬真菌所致的病害。發病初，在葉片正面產生淺黃色不規則形或橢圓形的病斑，葉緣不明顯，葉背生有白色霉層，病斑色澤隨病情的進展而逐漸變深，呈褐色，霉層色澤亦變灰褐色到黑褐色，病葉自下而上漸卷，植株長勢弱，重者全株葉片枯焦。

5、番茄病毒病特點

病毒病也是大棚番茄上發生比較普遍的一種病害，癥狀表現多種多樣，常見花葉型、蕨葉型以及條斑型。花葉型病毒病葉片呈現黃、綠色斑駁，葉片皺縮不平整，植株長勢遲緩等癥狀；蕨葉型病毒病會導致葉子變得細長并形成線狀，當病情加重時，整株植物會變得矮小，而頂端的葉子會聚集生長；條斑型病毒病可見于莖、葉、果實等部位，莖有深綠色到黑褐色凹陷的油漬樣壞死條斑，葉有褐色斑點或云紋狀斑，果面有不規則褐色壞死斑、凹陷、果實畸形等現象，嚴重影響番茄產量與質量。

二、基于大數據的大棚番茄病蟲害防治栽培技術應用價值

1、精準生產決策的優化

以大數據為基礎的大棚番茄病蟲害防治栽培技術，對精準生產決策優化有著極其重要價值。傳統大棚番茄栽培過程中，種植者通常依靠經驗及有限觀測數據進行生產決策，主觀性強，局限性大，很難實現精準化管理。而利用大數據技術則可以改變這種狀況，通過采集、整理、分析與挖掘大量番茄種植數據，向種植者提供完整、準確、實時的信息支持，以實現生產決策的最優化。

大數據可以整合來自多個方面的數據，包括番茄的品種特性、種植環境數據(例如，溫度、濕度、光照、土壤肥力）病蟲害發生數據、農事操作記錄（例如施肥、澆水、打藥的時間及用量等）以及市場需求信息等。如通過分析不同番茄品種在不同生長階段對溫度、濕度、光照等的適應性數據，并與大棚實時環境監測數據相結合，可準確判定大棚內通風、遮陽、增溫、降溫等環境調控措施的執行時機和力度，當大數據分析表明，某一品種番茄開花期的適溫區間是 20～25% ，棚內氣溫監測數據已接近甚至超過該區間時，種植者可以適時對通風設備或者遮陽設施進行調節，以保證番茄在最佳的生長環境下生長，增加開花坐果率。

就病蟲害防治而言，大數據可深度剖析病蟲害的發生規律。通過采集大棚番茄多年病蟲害的發生時間，類型，嚴重程度及相應環境條件資料，構建病蟲害預測模型。例如，利用機器學習算法對這些數據進行訓練，模型可以根據當前大棚的環境數據（比如最近氣溫、濕度的變化情況，有無連作等因素)預測未來一段時間內可能發生的病蟲害種類和概率。如果該模型預測出在具體環境情況下番茄晚疫病在未來1周內發生概率較大，可提前做好防治措施，例如提前噴灑預防性殺菌劑等，加強通風、降低濕度等，有效地降低病蟲害帶來的危害。

2、可持續發展的促進

以大數據為基礎的大棚番茄病蟲害防治栽培技術，對于促進農業可持續發展有著顯著的促進作用。從資源利用的角度來看，大數據有利于實現精準施肥、精準灌溉、提升資源利用效率、減少資源浪費、降低環境污染等。在傳統種植模式中，施肥與灌溉通常都是根據經驗來完成，易發生施肥過多或過少，灌溉過多或過少等問題。而大數據技術是在番茄生長期間對土壤養分含量，植株營養狀況和水分需求進行實時監控和分析，可以準確地計算出番茄在不同生長階段需要的肥料種類，施肥量和灌溉水量。例如，利用土壤傳感器對土壤中的氮、磷、鉀等營養成分進行實時監測，并結合番茄的生長周期和葉子的營養數據進行分析，通過大數據模型判斷番茄此時需要補肥的類型及用量，達到精準施肥的目的，避免了因施肥過量而導致土壤板結及水體富營養化的環境問題。無獨有偶，大數據系統基于大棚濕度傳感器，蒸發量監測數據及番茄植株蒸騰速率數據，能夠實現灌溉水量與灌溉時間的精準調控，保證了番茄在生長過程中既不缺水也不過水，提高了水資源利用效率，有利于農業資源的持續利用。

就生態環境保護而言，基于大數據推動的病蟲害防治策略，有助于減少化學農藥用量，減輕農藥殘留對于土壤，水體以及空氣等環境的污染程度，維護生態平衡。傳統病蟲害防治以化學農藥為主，大量施用化學農藥在殺傷害蟲天敵、破壞農田生態系統生物多樣性的同時，還可能造成農藥殘留過量而危害人類健康。而大數據技術可以將病蟲害的發生數據與環境數據進行全面地分析，制定出更科學、更合理的病蟲害綜合防治方案。例如，在溫室中，若番茄蚜蟲的數量開始上升，大數據系統將首先評估該數量是否已達到經濟閾值。若尚未達到，應優先考慮采用生物防治方法，如釋放瓢蟲、草蛉等天敵來抑制蚜蟲的繁殖，并結合物理控制手段，例如懸掛黃色粘蟲板以吸引并捕獲蚜蟲。僅在蚜蟲發生次數超過經濟閾值，生物防治與物理防治效果較差時，慎重選用低毒、高效、低殘留化學農藥精準施藥，并且施藥劑量及施藥時間依據大數據分析結果而定，以保證有效防治病蟲害的前提下，將化學農藥給生態環境帶來的不利影響降到最低，維護農田生態系統穩定與持續。

三、大數據背景下大棚番茄病蟲害防治栽培技術應用途徑

1、大棚番茄數據采集系統的建設

數據采集系統作為大棚番茄病蟲害防治栽培技術中以大數據為依托的系統，系統建設的完善性及準確性直接關系著后續資料的分析質量及決策科學性。系統包括傳感器網絡、數據傳輸模塊、數據存儲平臺。傳感器網絡遍布大棚內各關鍵位置，以收集與番茄生長及病蟲害防治息息相關的各類數據。如利用溫濕度傳感器對棚內空氣溫度、濕度進行實時監控，這些對番茄生長發育、病蟲害等重要環境因素都會產生一定的影響，溫度太高或者太低，濕度太大或者太小，都會造成番茄生長不正常或者引發各種病蟲害。光照傳感器可以檢測大棚里光照強度及光照時間等信息，番茄是喜光植物之一，光照是否充足合適是確保番茄光合作用是否正常及果實品質是否良好的關鍵。土壤傳感器的主要職責是測定土壤的酸堿度、電導率、水分含量以及氮、磷、鉀等營養元素的含量，這些都與番茄的根系生長和營養吸收效率息息相關，在系統運用的過程中，這些參數融入其中，方便工作人員根據實際情況來調整目前的種植方案，降低病蟲害的發生概率。另外，對于病蟲害監測來說，還需要安裝專用病蟲害監測傳感器或者裝置。如通過昆蟲監測傳感器可捕獲大棚里害蟲種類、數量和活動規律;高清攝像頭與圖像識別技術相結合，可對番茄植株葉片、果實及其他部分進行采集與分析，并識別病斑形狀、顏色及大小，由此判定有無病害、病害類型及輕重。數據傳輸模塊，負責把傳感器獲取的數據及時、穩定地傳送給數據存儲平臺。目前，常用的數據傳輸技術包括有線傳輸(如以太網、RS485等）和無線傳輸（如Wi-Fi、藍牙、ZigBee、LoRa等）。有線傳輸有數據傳輸穩定可靠等優勢，但是布線成本較高，靈活性差；無線傳輸技術無需復雜的布線，安裝簡便，特別適用于大棚這種多變的農業環境，但在傳輸距離和系統穩定性方面可能會遇到一些挑戰。在實踐中，可以根據大棚大小、布局和成本預算選擇適當的數據傳輸方式。

2、大棚番茄病蟲害數據特征分析

病蟲害數據特征分析作為大數據大棚番茄病蟲害防控栽培技術中最核心的一環，對收集的病蟲害數據進行深度挖掘與分析，可以準確地確定病蟲害種類，并對發生發展趨勢進行預測，為科學、高效地制定防治策略奠定基礎。首先分類整理病蟲害數據，并對不同類型病蟲害數據單獨進行儲存與管理，便于后續分析。如番茄晚疫病、早疫病和灰霉病的真菌性病害資料歸為1類，白粉虱、蚜蟲和棉鈴蟲的蟲害資料歸為2類，同時將每種病蟲害的資料做了進一步提煉，其中包括發生時間、發生部位等。

3、基于特征提取構建病蟲害預測模型

常用的預測模型包括基于統計分析的回歸模型、基于機器學習的分類模型（例如，決策樹、支持向量機、神經網絡)以及基于深度學習的圖像識別模型等。如將決策樹模型應用于番茄病害數據分析中，將病蟲害癥狀表現，環境條件及其他特性作為輸入變量構造決策樹，遍歷決策樹，可判斷病蟲害類型。在進行蟲害預測時，可采用時間序列分析方法，并結合害蟲歷史發生量數據，以預測未來害蟲的發生量及時機。在實際操作中，通常需要綜合運用多種模型，以相互補充的方式提高預測的準確性。例如，可將圖像識別模型與機器學習分類模型相結合。首先，利用高清攝像頭對番茄植株進行圖像采集，通過圖像識別模型初步判斷是否存在病蟲害以及可能發生的病蟲害類型。隨后，運用機器學習分類模型對特定病蟲害種類進行精確識別，并結合環境數據進行趨勢預測，從而為及時采取有效的防治措施提供準確的信息支持。

4、大棚番茄生長環境的數據整合

生長環境數據整合對基于大數據的大棚番茄病蟲害防控栽培技術起到了至關重要的影響。大棚番茄生長環境是由溫度、濕度、光照、土壤肥力和土壤酸堿度幾個要素組成的復雜系統，各要素之間互相影響，互相作用，一起決定著蕃茄生長狀況及病蟲害發生風險。要對這些零散的生長環境數據加以整合與分析，以便對大棚番茄生長環境狀態有一個整體的認識，為優化栽培管理及病蟲害防治等工作奠定基礎，比如進行溫度數據的整合分析，溫度是番茄生長過程中最關鍵的一個因素，番茄在不同生長階段對溫度的需求也各不相同。在種子開始發芽的階段，最適合的溫度范圍是 25～30% ;幼苗期為 20～25% ;開花期為 20～28^°C 結果期為 22～26% 。通過對大棚不同地點，不同時期氣溫監測數據進行集成，可繪制氣溫變化曲線并對氣溫日變化，周變化及月變化規律進行分析，判斷氣溫是否處于番茄適宜生長區間。例如，如果發現某一時間段內大棚內溫度持續低于或高于番茄某一生長階段的適宜溫度，需要及時采取升溫或降溫措施，例如，對通風設備，遮陽網或者加熱設備進行調節，確保番茄正常生長。同時溫度與病蟲害發生也有密切關系，例如低溫、高濕環境易誘發番茄晚疫病，高溫、干旱環境會使白粉虱和其他蟲害加劇。在融合溫度數據的同時也要結合病蟲害數據分析溫度變化對病蟲害的影響并提前采取預防措施。

對濕度數據進行整合分析也是非常重要的。對于番茄的生長，適宜的相對濕度范圍通常是 60%～80% 。濕度數據的集成包括兩個方面： ① 空氣濕度， ② 王壤濕度。當空氣的濕度超過 90% 時，容易引發如灰霉病這樣的病害，濕度太高會導致病害的快速增長；過低的空氣濕度會導致葉片失水和卷曲，影響光合作用。土壤濕度的大小直接影響番茄根系吸收水分及養分情況，濕度過大會造成根系缺氧腐爛，濕度過小會引起植株生長遲緩及落花落果。通過對濕度監測數據進行集成，把握棚內濕度變化態勢，適時進行通風，澆水等農事作業調整，保持適宜濕度環境。比如經過持續的陰雨天氣，棚內的空氣濕度經常上升，這時要加強通風以減少濕度；但干旱季節需根據土壤濕度監測資料及時澆水以保證土壤濕度合適。

綜上所述，建立在大數據基礎上的大棚番茄病蟲害防治栽培技術，給設施農業提供了一個全新發展契機。將大數據運用到病蟲害預測，栽培管理優化中，可有效提升大棚番茄產量與質量，降低資源浪費與病蟲害損失。今后還需進一步強化技術研發和創新、降低成本、健全數據安全保障體系、提升數據質量、推進大數據技術廣泛應用于大棚番茄種植等農業領域和農業現代化進程中。

（作者單位：256600山東省濱州市濱城區彭李街道辦事處）