耦合气象影响因素和Logistic方程的水稻纹枯病发病等级动态预测模型研究

作     者：张静文 张竞成 张雪雪 黄玉娟 郭安红 吴开华 ZHANG Jingwen;ZHANG Jingcheng;ZHANG Xuexue;HUANG Yujuan;GUO Anhong;WU Kaihua

作者机构：杭州电子科技大学人工智能学院杭州310018 中国气象局国家气象中心北京100081 

出 版 物：《植物保护》 (Plant Protection)

年 卷 期：2022年第48卷第3期

页      面：172-180页

核心收录：

学科分类：09[农学] 0904[农学-植物保护] 090401[农学-植物病理学] 090402[农学-农业昆虫与害虫防治] 

基　　金：浙江省科技计划(LGN20D010003) 国家自然科学基金(42071420) 国家重点研发计划国际合作项目(2019YFE0125300) 

主　　题：水稻纹枯病 Logistic方程 温度 湿度 预测模型 

摘      要：本文基于植保、气象等数据研究水稻纹枯病发病等级-时间动态的预测方法和模型。利用2010年-2016年湖南省12个县的植保调查数据和气象观测值,以水稻纹枯病流行机理为基础将Logistic方程与构建的温度影响模块和湿度影响模块耦合,建立Logistic-RICEBLA病害预测模型。通过对模型参数进行调优、训练和验证,实现对水稻纹枯病发病等级的动态预测。结果表明,Logistic-RICEBLA模型能够较好地响应温度、湿度等气象条件的变化,模型预测结果与实际的水稻纹枯病发病等级-时间变化曲线具有较高的一致性。经验证,模型预测结果在单时相上精度达到R^(2)=0.68,RMSE=1,容错准确率P_bias=88%,表明预测值与实际发病等级的误差基本控制在±1级范围内。在多时相整体趋势的验证方面,模型预测的病害流行曲线下面积(AUDPC)与病害实际发展的AUDPC保持高度一致性,决定系数(R^(2))达到0.86,表明模型能给出纹枯病在水稻不同生育期发病等级变化的整体趋势。本研究构建的Logistic-RICEBLA模型能由简单的气象数据和植保数据驱动,对水稻纹枯病发病等级进行动态预测,有助于在植保管理中及时掌握区域中病害发生发展的趋势,为水稻病害统防统治等防控工作提供参考。