我國農(nóng)作物病蟲害智能監(jiān)測預(yù)警技術(shù)新進展

封洪強, 姚 青, 胡 程, 黃文江, 胡小平,劉 杰, 張云慧, 張 智, 喬紅波, 劉 偉

(1. 河南省0號昆蟲雷達野外科學(xué)觀測研究站，河南省農(nóng)作物病蟲害防治重點實驗室，農(nóng)業(yè)農(nóng)村部華北南部作物有害生物綜合治理重點實驗室，河南省作物保護國際聯(lián)合實驗室，河南省農(nóng)業(yè)科學(xué)院植物保護研究所，鄭州 450002；2. 浙江理工大學(xué)計算機科學(xué)與技術(shù)學(xué)院，杭州 310018；3. 北京理工大學(xué)信息與電子學(xué)院雷達技術(shù)研究所，北京 100081；4. 中國科學(xué)院空天信息創(chuàng)新研究院，北京 100094；5. 旱區(qū)作物逆境生物學(xué)國家重點實驗室，植保資源與病蟲害治理教育部重點實驗室，農(nóng)業(yè)農(nóng)村部西北黃土高原作物有害生物綜合治理重點實驗室，西北農(nóng)林科技大學(xué)植物保護學(xué)院，楊陵 712100；6. 全國農(nóng)業(yè)技術(shù)推廣服務(wù)中心，北京 100125；7. 中國農(nóng)業(yè)科學(xué)院植物保護研究所，植物病蟲害綜合治理全國重點實驗室，北京 100193；8. 北京市植物保護站，北京 100029；9. 河南農(nóng)業(yè)大學(xué)信息與管理科學(xué)學(xué)院，鄭州 450046)

我國農(nóng)作物病蟲害監(jiān)測預(yù)警工作始于20世紀50年代。1955年,農(nóng)業(yè)部頒布了《農(nóng)作物病蟲害預(yù)測預(yù)報方案》,從20世紀60年代起,農(nóng)業(yè)部組織專業(yè)人員整理印發(fā)全國主要病蟲害基本測報資料匯編,供全國農(nóng)技人員使用。1987年-1990年,農(nóng)業(yè)部編制了15種重大病蟲害測報調(diào)查規(guī)范,并于1995年在全國范圍內(nèi)實施,成為新中國成立以來首批植物病蟲害測報調(diào)查規(guī)范國家標(biāo)準(zhǔn)[1]。2009年以來,在農(nóng)業(yè)部的高度重視和大力支持下,我國農(nóng)作物重大病蟲害監(jiān)測預(yù)警信息化建設(shè)快速發(fā)展,初步建成了國家農(nóng)作物重大病蟲害數(shù)字化監(jiān)測預(yù)警系統(tǒng)平臺[2],并形成了電視、廣播、手機、網(wǎng)絡(luò)和報紙等多種媒體發(fā)布農(nóng)作物病蟲害測報結(jié)果的新模式[3]。近年來,隨著計算機、互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、人工智能、遙感、地理信息系統(tǒng)、衛(wèi)星定位系統(tǒng)、大氣環(huán)流分析等技術(shù)的快速發(fā)展與在農(nóng)作物病蟲害監(jiān)測預(yù)警中的廣泛應(yīng)用,智能蟲情測報燈、智能性誘捕器、昆蟲雷達、低空遙感、衛(wèi)星遙感、智能識別App等現(xiàn)代智能病蟲監(jiān)測裝備以及重大病蟲害實時監(jiān)測預(yù)警系統(tǒng)建設(shè)方面取得了比較明顯的進步,對病蟲害監(jiān)測和預(yù)測的時效性和準(zhǔn)確度得以大幅度提高[4-5]。本文綜述了我國近5年在利用光譜遙感、昆蟲雷達、圖像識別等技術(shù)監(jiān)測農(nóng)作物病蟲害方面取得的重要技術(shù)進展和應(yīng)用案例,在對各類技術(shù)存在的不足和難點進行分析的基礎(chǔ)上提出了未來發(fā)展的方向,以期為充分利用空天地多源數(shù)據(jù)實現(xiàn)農(nóng)作物病蟲害精準(zhǔn)預(yù)報提供指導(dǎo)。

1 農(nóng)作物病蟲害智能監(jiān)測預(yù)警技術(shù)現(xiàn)狀

1.1 光譜遙感監(jiān)測技術(shù)

農(nóng)作物病蟲害的光譜遙感監(jiān)測技術(shù)是利用衛(wèi)星、無人機或其他平臺上的傳感器,根據(jù)不同波段范圍內(nèi)光學(xué)信號在輻射傳輸過程中與物體相互作用后發(fā)生的速率、強度等重要屬性改變的原理,來探測農(nóng)作物病蟲害的技術(shù)[6]。太陽光譜的能量分布特點決定了可見光和近紅外波段的傳感器數(shù)據(jù)信噪比較高。在該譜段,病蟲害的各種特征和生理變化表現(xiàn)明顯[7-9]。此外,短波紅外(SWIR)區(qū)域的一些波段對植物或土壤中的水分含量敏感,它們是傳統(tǒng)可見光和近紅外傳感器的適當(dāng)補充。熒光和熱紅外遙感系統(tǒng)能夠跟蹤植物的呼吸和光合過程,從而對農(nóng)作物病蟲害進行早期探測。然而熒光信號相對較弱,容易與自然光混淆,這限制了它們在大尺度區(qū)域研究中的應(yīng)用;將它們與其他遙感系統(tǒng)(如高光譜系統(tǒng))耦合可有效利用該系統(tǒng)[10-11]。

確定高專一性的特征是光譜遙感監(jiān)測技術(shù)的關(guān)鍵。在可見光和近紅外光譜特征中,波譜反射率是最簡單的形式,很多研究明確了主要農(nóng)作物病蟲害響應(yīng)的敏感光譜區(qū)間[12]。同時,反射光譜可以進行不同形式的變換,如連續(xù)統(tǒng)去除、分數(shù)階微分和連續(xù)小波變換等,通過這些變換可以更加深入挖掘反射光譜蘊含的信息[13]。此外,各種形式的植被指數(shù)也被廣泛用于病蟲害監(jiān)測中[14-16]。近20年來,目標(biāo)地物的熒光和熱特性也越來越廣泛地被用于作物遙感監(jiān)測[17]。利用400～600 nm和650～800 nm熒光誘導(dǎo)波段的植被熒光特性,可以有效地對病蟲害及生境因素進行監(jiān)測[18-19]。與上述特征不同,基于圖像分析的顏色共生矩陣(color co-occurrence matrix, CCM)提取的紋理特征(均勻性、平均強度、方差、逆差、熵、對比度等)對于小尺度水平上的病蟲害監(jiān)測十分重要[20]。此外,還可以基于遙感影像提取空間度量(景觀特征),用于識別農(nóng)作物病蟲害的空間分布模式[21]。

不同類型的傳感器可以獲得不同類型的數(shù)據(jù),適于搭載的平臺、經(jīng)費投入、數(shù)據(jù)獲取途徑、分析方法也各不相同,應(yīng)根據(jù)不同的需求選用不同的傳感器。采用較低成本的可見光成像遙感可以方便快捷地對農(nóng)作物病蟲害脅迫進行監(jiān)測并取得不錯的識別效果。多光譜成像遙感能獲取更多的光譜信息,使監(jiān)測結(jié)果更為準(zhǔn)確有效[7]。高光譜成像遙感具有連續(xù)光譜、更多波段和更大數(shù)據(jù)量等特點,能獲得更好的農(nóng)作物病蟲害遙感監(jiān)測效果[22-23]。

衛(wèi)星遙感監(jiān)測技術(shù)是指利用搭載在人造地球衛(wèi)星上的各類傳感器對地監(jiān)測數(shù)據(jù)進行農(nóng)作物病蟲害監(jiān)測的一種技術(shù)。國內(nèi)外學(xué)者針對農(nóng)作物病蟲害的衛(wèi)星遙感監(jiān)測問題,基于不同類型的算法,建立了農(nóng)作物病蟲害識別及發(fā)生嚴重度診斷模型,并應(yīng)用在不同作物上。1)經(jīng)典統(tǒng)計模型,具有形式簡單、機制明確的優(yōu)點,被廣泛應(yīng)用在一些農(nóng)作物病蟲害的監(jiān)測研究中。如基于3波段夫瑯和費暗線和反射率熒光指數(shù)2種方法提取冠層日光誘導(dǎo)葉綠素?zé)晒?sun/solar-induced chlorophyll fluorescence, SIF)數(shù)據(jù),結(jié)合對小麥條銹病敏感的光譜指數(shù),利用偏最小二乘算法構(gòu)建了冬小麥條銹病早期光譜探測模型[24]。采用二元邏輯回歸評估香蕉枯萎病染疫區(qū)和未染疫區(qū)之間植被指數(shù)關(guān)系的研究表明,同等條件下包含紅邊的植被指數(shù)更有助于識別病害[25]。2)機器學(xué)習(xí)模型,利用機器學(xué)習(xí)方法提取多種特征,構(gòu)建農(nóng)作物病蟲害遙感監(jiān)測模型?；?幅Landsat-8影像,提取作物在不同時期的生長參數(shù)和環(huán)境參數(shù),使用合成少數(shù)過采樣技術(shù)和反向傳播神經(jīng)網(wǎng)絡(luò)在區(qū)域尺度上取得了較高準(zhǔn)確度的小麥病蟲害分布圖[26]。基于MODIS影像數(shù)據(jù),應(yīng)用空間-時間遞歸神經(jīng)網(wǎng)絡(luò)對隴南市的小麥條銹病進行監(jiān)測預(yù)警,取得了較好的監(jiān)測效果[27]。

經(jīng)過長期的不斷探索以及衛(wèi)星遙感技術(shù)的快速發(fā)展,我國利用衛(wèi)星大面積監(jiān)測農(nóng)作物病蟲害的能力取得重大突破,構(gòu)建了農(nóng)作物病蟲害遙感監(jiān)測與預(yù)測系統(tǒng),定期生產(chǎn)和發(fā)布全球、全國、重點區(qū)域的多尺度主要農(nóng)作物重大病蟲害遙感監(jiān)測和預(yù)測專題圖與報告產(chǎn)品,基本實現(xiàn)了業(yè)務(wù)的持續(xù)運行[28]。

隨著無人機技術(shù)的快速發(fā)展,無人機具備了搭載可見光、多光譜和高光譜等多種傳感器的能力,通過建立病蟲害光譜特征和圖像關(guān)系模型,并將其反演到圖像上,可為病蟲害監(jiān)測預(yù)警提供技術(shù)支撐。無人機能大范圍、快速、實時獲取高分辨率圖像數(shù)據(jù),彌補了衛(wèi)星遙感重訪周期長、覆蓋角度小以及時空分辨率低的不足,在農(nóng)作物病蟲害監(jiān)測方面有著良好的應(yīng)用前景。

研究者利用無人機搭載傳感器,對棉花蚜蟲、葉螨和小麥白粉病、條銹病、全蝕病等病蟲害進行了研究[29-32]。采用連續(xù)5年在小麥白粉病盛發(fā)期從距地面不同高度處獲取的無人機可見光圖像,分析發(fā)現(xiàn)圖像參數(shù)紅值參數(shù)的對數(shù)(lgR)與病情指數(shù)或者產(chǎn)量在不同年度、不同高度間均存在較高的相關(guān)性,表明利用該圖像數(shù)字參數(shù)監(jiān)測白粉病和預(yù)測產(chǎn)量是可行的,但同時也發(fā)現(xiàn)lgR與病情指數(shù)或者產(chǎn)量之間的關(guān)系模型的穩(wěn)定性在不同年度和高度間均存在一定差異[32]。無人機遙感監(jiān)測農(nóng)作物病蟲害的研究方法主要包括利用光譜角映射(spectral angle mapping,SAM)、K-鄰近(K-nearest neighbor,KNN)、支持向量機(support vector machine,SVM)、隨機系數(shù)混合回歸模型(random coefficient regression models)、深度學(xué)習(xí)等。從研究結(jié)果上看,利用無人機識別病蟲害的精度均可達85%以上,關(guān)鍵在于病蟲害敏感光譜特征的選擇和病蟲情指標(biāo)關(guān)系的建立。

1.2 昆蟲雷達監(jiān)測技術(shù)

昆蟲雷達監(jiān)測技術(shù)是利用電磁波探測空中自由飛行昆蟲的一種技術(shù),這種技術(shù)具有對昆蟲無干擾、監(jiān)測距離遠、采樣空間大、監(jiān)測速度快、獲得的信息豐富等特點[33]。旋轉(zhuǎn)極化設(shè)計的垂直昆蟲雷達由于可以監(jiān)測到中大型昆蟲的體型參數(shù)、質(zhì)量大小和振翅頻率,對昆蟲種類有更好的鑒別能力,自20世紀末以來正逐漸取代傳統(tǒng)掃描昆蟲雷達,成為昆蟲雷達的主流機型[4,33]。近年來隨著數(shù)字技術(shù)的進步,昆蟲雷達的性能得以大幅提升、制式更加豐富[34-37]。目前,我國昆蟲雷達 AD 采樣頻率達到了120 MHz,采樣精度達到了16 位,相應(yīng)的昆蟲雷達的距離采樣能力由原來的50 m提高至1.25 m,昆蟲雷達盲區(qū)由原來200 m 左右降低至80 m左右,極大地改善了昆蟲雷達對低空飛行昆蟲的探測能力。近年來,為了進一步降低旋轉(zhuǎn)極化垂直昆蟲雷達盲區(qū),我國將旋轉(zhuǎn)極化垂直昆蟲雷達與掃描雷達相結(jié)合,建成了雙模式昆蟲雷達,即利用一套收發(fā)、信號采集處理及終端系統(tǒng)實現(xiàn)兩種雷達所有探測功能的新型昆蟲雷達[37]。

2017年6月20日-7月5日河南省農(nóng)業(yè)科學(xué)院將英國洛桑研究院昆蟲雷達運至河南現(xiàn)代農(nóng)業(yè)研究開發(fā)基地與我國昆蟲雷達進行聯(lián)合觀測,結(jié)果表明我國昆蟲雷達的性能更優(yōu)秀。2019年9月21日-23日中國植物保護學(xué)會和河南省科學(xué)技術(shù)協(xié)會主辦了第二屆雷達空中生態(tài)學(xué)國際會議,來自中國、英國、荷蘭、澳大利亞、美國、法國、德國、比利時、日本等11個國家的雷達空中生態(tài)學(xué)學(xué)者100余人參加了會議[38]。此次會議向國際同行展示了我國昆蟲雷達技術(shù)方面的優(yōu)勢,以色列海法大學(xué)2020年訂購了我國生產(chǎn)的昆蟲雷達,英國利茲大學(xué)2022年也采購了我國生產(chǎn)的昆蟲雷達,實現(xiàn)了國產(chǎn)昆蟲雷達出口零的突破[39-40]。

隨著現(xiàn)代雷達技術(shù)的發(fā)展,全相參、高分辨、全極化等新技術(shù)越來越多地被用于雷達探測。為了進一步提高昆蟲雷達測量能力,我國研發(fā)了相參體制高分辨全極化昆蟲雷達(圖1)。該雷達工作在Ku波段,兼具掃描模式和波束垂直對天觀測模式[41-42]。該雷達為相參體制,可測量目標(biāo)的相位信息;采用調(diào)頻步進頻波形,實現(xiàn)約0.2 m的高距離分辨率[43]。雷達采用全極化體制,雙極化天線同時發(fā)射/接收H和V極化信號;發(fā)射機和接收機均有H和V兩個極化通道。在發(fā)射信號時,H和V極化信號同時發(fā)射,通過正交的相位編碼隔離;在接收信號時,H和V極化信號同時接收,其中H極化接收的信號包括HH和HV(兩種信號的相位編碼正交),V極化接收的信號包括VV和VH(兩種信號的相位編碼正交),通過相位解碼可得到目標(biāo)的極化散射矩陣。依托高分辨全極化昆蟲雷達對目標(biāo)幅度、相位、極化等信息的獲取能力,一系列精度更高的體軸朝向[44-45]、體重/體長[46-47]、振翅頻率[48]等生物參數(shù)反演方法被提出。2018年在云南對該雷達開展了外場觀測試驗,成功驗證了雷達測量昆蟲體軸朝向、振翅頻率、速度和上升下降率等參數(shù)的能力[49-51]。自2019年起,該型雷達先后在云南瀾滄、江城、尋甸和山東東營、廣東深圳等地進行部署,開展了長期自動化業(yè)務(wù)監(jiān)測運行,在草地貪夜蛾Spodopterafrugiperda、黃脊竹蝗Ceracriskiangsu、蘋梢鷹夜蛾Hypocalasubsatura等境外重大害蟲遷飛監(jiān)測中發(fā)揮了重要作用[52]。

圖1 Ku波段高分辨全極化昆蟲雷達Fig.1 Ku-band high-resolution and fully polarimetric entomological radar

新一代昆蟲雷達——高分辨多維協(xié)同雷達測量儀(圖2,圖3)的研制成功使昆蟲雷達技術(shù)實現(xiàn)了新的突破。它主要由一臺高分辨相控陣雷達和3臺多頻段全極化雷達組成。其中,高分辨相控陣雷達是一臺Ku波段掃描雷達,其方位采用機械掃描、俯仰采用電掃描,負責(zé)搜索昆蟲群并分離感興趣的昆蟲個體,將目標(biāo)位置引導(dǎo)信息發(fā)送給3臺多頻段全極化雷達;3臺多頻段全極化雷達可同時在X、Ku和Ka三個波段工作,距離分辨率0.2 m,具備全極化測量和單脈沖跟蹤能力,根據(jù)高分辨相控陣雷達提供的位置引導(dǎo)信息,協(xié)同搜索跟蹤昆蟲個體,實現(xiàn)精細跟蹤測量。同時,多頻段全極化雷達也具備靜止波束垂直對天監(jiān)測、單部雷達跟蹤測量等工作模式。基于額外的多頻段、多基站協(xié)同測量,高分辨多維協(xié)同雷達測量儀將進一步提高昆蟲雷達生物學(xué)參數(shù)反演精度和三維朝向測量能力[53-55]。目前,該儀器部署在山東東營黃河三角洲現(xiàn)代農(nóng)業(yè)示范基地(圖3)。

圖2 高分辨多維協(xié)同雷達測量儀示意圖Fig.2 Schematic diagram of high resolution multi-dimensional radar measurement system

圖3 高分辨多維協(xié)同雷達測量儀實地部署圖Fig.3 Field deployment photos of high resolution multi-dimensional radar measurement system

天氣雷達也可以觀測到昆蟲遷飛,且具有網(wǎng)絡(luò)覆蓋廣的優(yōu)勢。通過對比同期高空探照燈誘蟲量與多普勒天氣雷達回波證實,多普勒天氣雷達可以提取到昆蟲的飛行方向、飛行速度等空中遷飛參數(shù),在遷飛性害蟲監(jiān)測預(yù)警中具有重大的潛在應(yīng)用價值[56-57]。2018年起,我國還利用高分辨多維協(xié)同雷達測量儀,開展了與天氣雷達的長期聯(lián)合觀測試驗,提出了基于我國天氣雷達網(wǎng)的大尺度空中生物監(jiān)測新方法[58]:利用天氣雷達多仰角、多特征數(shù)據(jù),深度挖掘氣象與生物回波輪廓和紋理特征差異,依靠2008年-2019年間200余臺天氣雷達的歷史觀測數(shù)據(jù)構(gòu)建訓(xùn)練與測試數(shù)據(jù)集,提出了基于多通道、多尺度空間特征的空中生物回波識別模型,該模型空中生物回波識別準(zhǔn)確率高于90%[59-60];提出了基于高度分層模型與正則估計的生物回波反射率垂直廓線反演方法,實現(xiàn)了聚集成層遷飛生物垂直分布的準(zhǔn)確估計,并采用聯(lián)合觀測試驗中儀器獲得的精確生物數(shù)量/密度作為參考真值,建立了天氣雷達生物回波強度與生物數(shù)量/密度的映射關(guān)系[61-63];提出了基于聯(lián)合觀測的低分辨天氣雷達空中生物精確定量方法,利用高分辨昆蟲雷達和探鳥雷達驗證了天氣雷達對于遷飛昆蟲和鳥類的定量誤差均小于20%[60]。

1.3 圖像識別監(jiān)測技術(shù)

圖像識別監(jiān)測技術(shù)是利用圖像傳感器采集農(nóng)作物病蟲害圖像,通過圖像識別算法進行病蟲害的自動識別與診斷,從而達到病蟲害智能監(jiān)測的目的。目前該技術(shù)已被應(yīng)用于蟲情測報燈、性誘捕器、手機App、AR眼鏡等。近幾年,隨著人工智能的發(fā)展,深度學(xué)習(xí)方法在圖像識別任務(wù)中表現(xiàn)出色。許多研究者建立卷積神經(jīng)網(wǎng)絡(luò)模型對病蟲害圖像進行識別,獲得了較好的結(jié)果。

傳統(tǒng)(第1代)蟲情測報燈,是由黑光燈、高壓汞燈、雙波系列燈等光源誘集配以氰化鉀、敵敵畏等毒瓶殺死害蟲并人工分類計數(shù)的簡易型測報裝置。20世紀80年代到2015年前后市場上出現(xiàn)了第2代利用現(xiàn)代光、電、數(shù)控技術(shù)的蟲情測報燈,實現(xiàn)了自動開關(guān)燈、蟲體遠紅外殺死、接蟲袋自動轉(zhuǎn)換、蟲體按天存放和整燈自動運行等功能[64-65]。隨著網(wǎng)絡(luò)、圖像識別和人工智能的發(fā)展,2016年開始出現(xiàn)了第3代蟲情測報燈,即智能蟲情測報燈,它由燈光誘蟲、遠紅外殺蟲、蟲體傳輸平臺、蟲體分散裝置、自動清理裝置、高清拍照設(shè)備、圖像實時傳輸、靶標(biāo)昆蟲智能識別與計數(shù)、PC和手機的客戶端遠程監(jiān)控平臺等模塊組成,集成了自動化、互聯(lián)網(wǎng)、圖像處理和深度學(xué)習(xí)等多項前沿科技,可進行害蟲信息實時采集、傳輸、識別、分析和預(yù)警,并可實現(xiàn)遠程實時監(jiān)控、預(yù)警和管理。近年來,相關(guān)植保企業(yè)致力于智能蟲情測報燈的改進,使其識別害蟲的能力不斷提高,有效緩解了我國基層植保人員不足的困境,減輕了植保人員工作量,提升了農(nóng)作物害蟲監(jiān)測預(yù)警能力[66-70]。

隨著智能手機的普及,農(nóng)作物病蟲害拍照識別App得到了快速發(fā)展。一款基于圖像大數(shù)據(jù)、卷積神經(jīng)網(wǎng)絡(luò)(CNN)模型,以TensorFlow為學(xué)習(xí)框架,搭載在移動終端的植物病蟲害手機拍照識病蟲App“植保家”,可識別39種作物上的212種重要病蟲;自上線以來,“植保家”已有近10萬用戶,均可免費使用[71]。搭載核心AI病蟲害手機拍照識別的App和微信小程序“植小?！?原“慧植農(nóng)當(dāng)家”)目前可識別糧食作物(水稻、小麥、玉米)、蔬菜(白菜、番茄、黃光、茄子等)、果樹(柑橘、桃、梨、葡萄、蘋果等)、茶葉、煙草等52種作物675種病害(含生理性病害與藥害)、639種害蟲及危害狀、39種雜草、15種天敵,平均識別準(zhǔn)確率達94.57%[72]。

可穿戴設(shè)備農(nóng)作物病蟲害AR智能測報儀[73],包括AR智能眼鏡、AI識別模型和多終端監(jiān)測預(yù)警平臺。該設(shè)備以第一視角和語音控制采集病蟲害圖像和視頻,對害蟲和病斑進行智能識別診斷,解放雙手,實現(xiàn)病蟲害測報調(diào)查簡單、高效、精準(zhǔn)及數(shù)據(jù)可追溯,讓“測報簡單有效,測報不再辛苦”。目前該設(shè)備可以準(zhǔn)確識別基于盤拍法的3種飛虱(白背飛虱Sogatellafurcifera、褐飛虱Nilaparvatalugens和灰飛虱Laodelphaxstriatellus)的成蟲種類、翅型和高齡若蟲,以及稻飛虱低齡若蟲共10個指標(biāo)。除了稻飛虱田間測報調(diào)查,該設(shè)備還可應(yīng)用于以“人工目測法”為主要測報調(diào)查手段的病蟲害種類,如紅蜘蛛、蚜蟲、煙粉虱Bemisiatabaci、鉆蛀性害蟲為害狀和各種病害病斑等。

1.4 害蟲性誘自動監(jiān)測技術(shù)

害蟲性誘監(jiān)測技術(shù)是利用人工合成含有害蟲性信息素成分的性誘劑來誘集害蟲,實現(xiàn)害蟲監(jiān)測的技術(shù)。由于性誘劑具有很強的靈敏性和專一性,環(huán)境友好,成本低,已被廣泛應(yīng)用于田間農(nóng)業(yè)害蟲的監(jiān)測,特別是鱗翅目害蟲[4]。目前用于田間的性誘捕器,根據(jù)害蟲捕獲方式和計數(shù)方法的不同,可分為3類:1) 簡易型性誘捕器,利用粘蟲板/桶等+害蟲人工鑒定法,價格便宜,但裝置易損壞且無法重復(fù)利用,需要測報人員定期下田查看誘蟲量,費時費工、數(shù)據(jù)不能實時傳輸;2)光電型智能性誘捕器,利用害蟲捕獲裝置+光電計數(shù)器自動計數(shù)害蟲法[74];由于其實現(xiàn)了自動計數(shù)獲得了廣泛應(yīng)用。但由于人工合成的性誘劑無法保證高度的專一性,一種害蟲不同地區(qū)性信息素成分比例可能存在差異,利用一種性誘劑在不同地區(qū)常引誘到多種相似的非目標(biāo)害蟲,或誤入誘捕器的非目標(biāo)害蟲而導(dǎo)致光電計數(shù)器對目標(biāo)害蟲計數(shù)不準(zhǔn)確[75];3)基于機器視覺的智能性誘捕器,利用粘蟲板+機器視覺系統(tǒng)采集性誘害蟲圖像+害蟲圖像自動識別計數(shù)法解決了性誘劑不專一導(dǎo)致計數(shù)不準(zhǔn)的問題[76-77]?；谏疃葘W(xué)習(xí)和滑動窗的害蟲自動檢測方法被提出用于檢測粘蟲板圖像上的蘋果蠹蛾Cydiapomonella,獲得了較好的害蟲識別計數(shù)效果[76]。利用工業(yè)相機搭建的機器視覺系統(tǒng)被用于定時采集粘蟲板上的梨小食心蟲Grapholitamolesta飛蛾圖像,并利用圖像處理和機器學(xué)習(xí)方法實現(xiàn)了梨小食心蟲的自動識別計數(shù),平均準(zhǔn)確率達到 94%[77]。

1.5 農(nóng)作物病蟲害監(jiān)測預(yù)警技術(shù)體系構(gòu)建與應(yīng)用

1.5.1草地貪夜蛾一體化監(jiān)測預(yù)警技術(shù)體系的構(gòu)建與應(yīng)用

聯(lián)合國糧食及農(nóng)業(yè)組織(Food and Agriculture Organization of the United Nations,FAO)全球預(yù)警的跨洲遷飛性害蟲—草地貪夜蛾自2018年底入侵我國以來,已在全國27個省份1 700多個縣發(fā)生,建立了周年繁殖區(qū),并形成夏季發(fā)生區(qū),成為我國又一個北遷南回、周年為害的重大害蟲,對玉米等糧食作物生產(chǎn)構(gòu)成重大威脅,兩次位列農(nóng)業(yè)農(nóng)村部一類農(nóng)作物病蟲害名錄首位[78]。2020年-2023年中央一號文件均要求“抓好草地貪夜蛾等重大病蟲害防控”,農(nóng)業(yè)農(nóng)村部2021年-2023年《“兩增兩減”蟲口奪糧促豐收行動方案》中,草地貪夜蛾是重要的防控對象。

由于草地貪夜蛾境內(nèi)外蟲源的不確定性和東亞遷飛場的推動力增加了草地貪夜蛾的遷飛危害規(guī)律的復(fù)雜性,及時有效的監(jiān)測預(yù)警是草地貪夜蛾防控成敗的關(guān)鍵。針對草地貪夜蛾對黑光燈趨性較弱、性誘劑產(chǎn)品種類多專一性不強且缺乏田間標(biāo)準(zhǔn)化應(yīng)用技術(shù)等監(jiān)測預(yù)警難題,我國科技人員從草地貪夜蛾遷飛生物學(xué)和風(fēng)場規(guī)律入手,分類突破其單項監(jiān)測預(yù)警技術(shù)研發(fā)和集成應(yīng)用的瓶頸。在昆蟲雷達監(jiān)測技術(shù)示范上,收集了草地貪夜蛾體重、體長、體寬、振翅頻率等生物學(xué)信息,利用預(yù)測模型,實現(xiàn)實時風(fēng)場和遷飛軌跡的精準(zhǔn)預(yù)測,并將以上功能接入“全國草地貪夜蛾發(fā)生防治信息平臺”,雷達技術(shù)由多年的散點試驗,跨入針對具體目標(biāo)和區(qū)域的、有組織的實際應(yīng)用。在高空測報燈監(jiān)測技術(shù)上,利用草地貪夜蛾成蟲趨光習(xí)性和嗜好光譜,研發(fā)了適用草地貪夜蛾監(jiān)測的高空測報燈。在地面測報燈和性誘捕器監(jiān)測技術(shù)上,利用機器視覺、人工智能和基于深度學(xué)習(xí)的圖像識別技術(shù),提高地面測報燈和性誘捕器對草地貪夜蛾的識別精度和效率,實現(xiàn)其自動化、可視化的遠程監(jiān)測。在全國從南至北進行了地面測報燈和性誘捕器廣泛試驗,及時收集誘集效果信息,促使燈誘、性誘產(chǎn)品在半年內(nèi)達到可用的效果。在上述草地貪夜蛾自動識別技術(shù)、昆蟲雷達聯(lián)網(wǎng)監(jiān)測所需單項關(guān)鍵核心技術(shù)實現(xiàn)突破的基礎(chǔ)上,集成創(chuàng)新了以昆蟲雷達監(jiān)測為核心、以燈誘和性誘為基礎(chǔ)的全國草地貪夜蛾一體化智能監(jiān)測預(yù)警技術(shù)(圖4),為全國草地貪夜蛾監(jiān)測部署、實時預(yù)警提供了技術(shù)支撐[78-79]。

圖4 草地貪夜蛾一體化監(jiān)測預(yù)警技術(shù)體系核心監(jiān)測設(shè)備Fig.4 The core monitoring equipments of the integrated monitoring and prediction system for the fall armyworm

1.5.2沙漠蝗災(zāi)情遙感監(jiān)測預(yù)警技術(shù)體系構(gòu)建與應(yīng)用

自2018年起,異常天氣致使沙漠蝗Schistocercagregaria在阿拉伯半島南部沙漠邊緣不斷繁殖,并逐步蔓延席卷東非及西南亞多國,蝗災(zāi)危害程度達肯尼亞70年之最,是埃塞俄比亞和索馬里25年之最。FAO向全球發(fā)出預(yù)警,希望全球高度戒備蝗災(zāi),采取多國聯(lián)合防控措施防止沙漠蝗入侵國家出現(xiàn)糧食危機。由于沙漠蝗多發(fā)生于偏遠地區(qū),其繁殖區(qū)、遷飛動態(tài)和危害區(qū)域的監(jiān)測技術(shù)一直是困擾各國、導(dǎo)致防治被動的瓶頸問題。當(dāng)前,傳統(tǒng)人工監(jiān)測方法和基于氣象站點的預(yù)測方法只能獲取“點”上的蟲害信息,不能滿足“面”上對蟲害的大尺度監(jiān)測預(yù)警和實時防治防控的需求[80-81]。遙感技術(shù)能夠高效客觀地實現(xiàn)大面積、時空連續(xù)的蟲害發(fā)生發(fā)展?fàn)顩r監(jiān)測預(yù)警,對于蟲害的高效監(jiān)測、快速預(yù)警及綠色、科學(xué)防控具有重要的實用價值[82]。

沙漠蝗潛在繁殖區(qū)預(yù)警主要通過研究多生境因子對蝗蟲發(fā)生的適宜性來確定,如應(yīng)用SMAP衛(wèi)星的表面溫度、葉面積指數(shù)LAI (leaf area index)和根區(qū)土壤水分等生境因子來識別沙漠蝗的存在,進而確定其潛在繁殖區(qū)[83]?；跉鉁?、降水、土壤含沙量、土壤濕度以及植被綠度5類因子,運用MaxEnt模型實現(xiàn)了肯尼亞、蘇丹和烏干達東北部的沙漠蝗繁殖區(qū)預(yù)測[84]。在蝗卵孵化動態(tài)預(yù)警研究方面,部分學(xué)者利用遙感影像數(shù)據(jù)對土壤水分、溫度等生境條件進行反演,分析蟲卵孵化與土壤水熱的關(guān)系,對蝗卵孵化動態(tài)進行預(yù)警[85-86]。對于蝗蟲發(fā)生風(fēng)險及等級預(yù)警,主要通過蝗蟲生境適宜度分析來實現(xiàn)。

我國學(xué)者結(jié)合蝗蟲地面調(diào)查和區(qū)域普查數(shù)據(jù)、多源遙感數(shù)據(jù)及產(chǎn)品、地理空間輔助數(shù)據(jù)等數(shù)據(jù)基礎(chǔ),基于蝗蟲生物生態(tài)學(xué)機理及蝗蟲遙感監(jiān)測預(yù)警機理,提取了生物氣候、土壤條件和寄主植被等與蝗蟲發(fā)生發(fā)展密切關(guān)聯(lián)的生態(tài)環(huán)境要素;采用層次分析等方法提取了典型蝗蟲監(jiān)測預(yù)警遙感指標(biāo),通過蝗蟲發(fā)育模型和數(shù)據(jù)挖掘方法分析了遙感指標(biāo)的最優(yōu)時序特征,通過移動窗算法和多尺度分割算法對遙感指標(biāo)進行了景觀結(jié)構(gòu)空間化;最終構(gòu)建了基于多元對地觀測數(shù)據(jù)、結(jié)合氣象差異、考慮時間滯后效應(yīng)的蝗蟲監(jiān)測預(yù)警指標(biāo)體系[87]。在此基礎(chǔ)上建立了蝗蟲遙感監(jiān)測預(yù)警模型,構(gòu)建了基于云平臺技術(shù)的亞非沙漠蝗蟲災(zāi)情遙感監(jiān)測系統(tǒng)http:∥desertlocust.rscrop.com,為用戶提供亞非區(qū)域(也門、埃塞俄比亞、索馬里、巴基斯坦、肯尼亞、印度、尼泊爾、阿富汗和伊朗)的沙漠蝗災(zāi)情遙感監(jiān)測預(yù)警結(jié)果,包括遷飛路徑預(yù)測數(shù)據(jù)、災(zāi)情監(jiān)測數(shù)據(jù)、科學(xué)報告等內(nèi)容。

1.5.3主要糧食作物病害監(jiān)測預(yù)警技術(shù)體系構(gòu)建與應(yīng)用

我國科技工作者重點圍繞小麥條銹病、小麥赤霉病、小麥白粉病、玉米大斑病、水稻稻瘟病等作物病害開展監(jiān)測預(yù)警應(yīng)用基礎(chǔ)及關(guān)鍵技術(shù)研究[5,88-89],建立了病害早期分子檢測技術(shù)體系,明確了病害監(jiān)測的特征光譜,提出了病害宏觀嚴重度和宏觀病情指數(shù)的概念,構(gòu)建了多種作物病害預(yù)測模型,研發(fā)出了作物病害預(yù)報器和孢子捕捉儀(圖5),實現(xiàn)了在一臺作物病害預(yù)報器中安裝多個作物病害預(yù)測模型。小麥赤霉病智能化監(jiān)測預(yù)警系統(tǒng)在陜西、江蘇、安徽等19個省安裝了近400套,科學(xué)精準(zhǔn)指導(dǎo)小麥赤霉病的防控工作。多年多點測試表明,我國小麥-玉米連作區(qū)小麥赤霉病BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的平均預(yù)測準(zhǔn)確度可達80%以上[90]。利用田間稻樁帶菌率和關(guān)鍵氣象因子數(shù)據(jù),構(gòu)建的基于人工神經(jīng)網(wǎng)絡(luò)算法(artificial neural networks,ANN)和支持向量機(support vector machine,SVM)的小麥-水稻輪作區(qū)小麥赤霉病發(fā)生流行程度預(yù)測模型,對江蘇太倉小麥赤霉病發(fā)生流行程度的預(yù)測準(zhǔn)確度均達到了100%[91]。小麥條銹病智能化監(jiān)測預(yù)警技術(shù)已在我國小麥條銹病流行區(qū)域的19個監(jiān)測點進行了試驗示范,并入選了2023年農(nóng)業(yè)農(nóng)村部十大農(nóng)業(yè)重大引領(lǐng)性技術(shù)[92]。玉米大斑病智能化監(jiān)測預(yù)警系統(tǒng),已在內(nèi)蒙古、陜西、河南、山東等4個省(自治區(qū))安裝了近40臺,開展試驗示范工作。稻瘟病智能化監(jiān)測預(yù)警系統(tǒng)已在黑龍江、安徽、江蘇、浙江、四川、陜西等6個省安裝了近30臺,開始試驗示范工作?；诜肿佣繖z測技術(shù)、病菌孢子捕捉技術(shù)、無人機遙感技術(shù)的小麥白粉病監(jiān)測預(yù)警技術(shù)體系,在全國10個省份試驗示范。

2 農(nóng)作物病蟲害智能監(jiān)測預(yù)警技術(shù)難點與發(fā)展方向

2.1 光譜遙感監(jiān)測技術(shù)

作物的反射率是植株生理生化、結(jié)構(gòu)形態(tài)的綜合反映,這是遙感能夠監(jiān)測農(nóng)作物病蟲害的重要依據(jù)[93]。無論是衛(wèi)星遙感還是無人機遙感,農(nóng)作物病蟲害的光譜遙感監(jiān)測技術(shù)的關(guān)鍵是高度專一且穩(wěn)定的光譜特征。國內(nèi)外學(xué)者利用多/高光譜非成像、成像數(shù)據(jù)通過光譜分析對脅迫機理展開一系列基礎(chǔ)研究,篩選出小麥白粉病、條銹病、全蝕病、赤霉病,東方黏蟲Mythimnaseparata、大小斑病,水稻穎枯病、稻飛虱,番茄葉斑病和晚疫病等病蟲害類型的光譜敏感波段[94]。然而這些特征波段的專一性、穩(wěn)定性仍是需要進一步攻克的難題。利用高光譜遙感技術(shù)在小麥灌漿期監(jiān)測田間小麥冠層光譜反射率與白粉病病情指數(shù)的相關(guān)關(guān)系時發(fā)現(xiàn),近紅外波段與病情的相關(guān)性高于綠光波段[95]。對不同小麥種植品種和不同種植密度下的田間小麥白粉病發(fā)生情況進行近地高光譜遙感監(jiān)測,發(fā)現(xiàn)紅邊面積(Σdr680～760 nm)與田間病情相關(guān)性最好,據(jù)此建立了基于Σdr680～760 nm的病害監(jiān)測模型和產(chǎn)量估計模型,但進一步對不同年份、不同品種和不同種植密度情況下的監(jiān)測模型比較分析時發(fā)現(xiàn),模型的斜率差異不顯著,但截距大部分情況下差異顯著[96-97]。連續(xù)4年利用近地高光譜遙感對田間小麥白粉病的發(fā)生情況進行監(jiān)測,發(fā)現(xiàn)在不同氮肥施用條件下Σdr680～760 nm是用來監(jiān)測小麥白粉病病情和估測產(chǎn)量最好的植被指數(shù),但同樣也發(fā)現(xiàn)基于Σdr680～760 nm所建病害監(jiān)測模型在年度間存在差異[98]。因此,光譜遙感監(jiān)測農(nóng)作物病蟲害模型的穩(wěn)定性就成為重要科學(xué)問題,這直接關(guān)系到其在生產(chǎn)上的應(yīng)用性。在今后研究中,分析和探究基于光譜參數(shù)的農(nóng)作物病蟲害田間發(fā)生程度模型的穩(wěn)定性以及影響穩(wěn)定性的因子,明確這些因子對模型穩(wěn)定性的影響程度,由此建立穩(wěn)定性好、適用范圍廣的主要農(nóng)作物病蟲害光譜監(jiān)測模型,是該技術(shù)的難點和未來研究的重點。

2.2 昆蟲雷達監(jiān)測技術(shù)

利用雷達回波信號進行昆蟲種類的自動識別一直是困擾昆蟲雷達技術(shù)進一步發(fā)展應(yīng)用的難題,采用了人工智能技術(shù)的高分辨全極化昆蟲雷達和高分辨多維協(xié)同雷達測量儀的研制成功為突破這一難題帶來了新的希望。激光雷達把輻射源的頻率提高到光頻段,能夠探測更微小的昆蟲目標(biāo),且可以利用譜率和光澤度等特征來區(qū)分昆蟲種類,小型化的激光昆蟲雷達可用于害蟲的長期自動監(jiān)測,監(jiān)測效果與傳統(tǒng)方法一致[4,99]。然而,激光昆蟲雷達的缺點是無法監(jiān)測到昆蟲移動的方向和速度,如果能將激光昆蟲雷達與微波昆蟲雷達相結(jié)合將會進一步提高對昆蟲目標(biāo)的識別能力。

近年來,我國嘗試利用天氣雷達網(wǎng)監(jiān)測空中生物,取得了一些進展,但如何利用天氣雷達準(zhǔn)確區(qū)分昆蟲、鳥或蝙蝠仍存在技術(shù)困難。國外對天氣雷達的利用也僅局限于鳥類和蝙蝠對物候變化的響應(yīng)、宏觀生態(tài)規(guī)律研究,對昆蟲監(jiān)測的研究甚少[100-103]。旋轉(zhuǎn)極化垂直昆蟲雷達造價低,自動化程度高,性能好且穩(wěn)定,目前已成為國內(nèi)植保科研單位的新裝備,數(shù)量快速增加,實現(xiàn)數(shù)據(jù)實時共享、建成覆蓋全國的昆蟲雷達網(wǎng)是未來幾年的努力方向。

2.3 圖像識別監(jiān)測技術(shù)

隨著ResNet、MobileNet、PPLCNet、FasterRCNN、YOLO、Transformer、SSD、RetinaNet等深度學(xué)習(xí)網(wǎng)絡(luò)模型的提出,農(nóng)作物病蟲害圖像識別準(zhǔn)確率大大提高,只要有足夠量的準(zhǔn)確標(biāo)定的數(shù)據(jù),就可以建立農(nóng)作物病蟲害自動識別的各類應(yīng)用軟件[104]。目前,限制這項技術(shù)應(yīng)用的瓶頸是大量準(zhǔn)確標(biāo)定的數(shù)據(jù)[105]模型的輕量化以及搭載模型的芯片。目前盡管不同的研究者建立了自己的病蟲害圖像數(shù)據(jù)庫,但許多圖像未經(jīng)專業(yè)人員正確標(biāo)注,數(shù)據(jù)的標(biāo)準(zhǔn)化和共享共用尚未實現(xiàn)。害蟲蟲態(tài)多樣性、蟲體殘缺、環(huán)境光照、蟲體疊積等因素也增加了害蟲識別和計數(shù)的難度。手機App不需要單獨采購設(shè)備就可以實現(xiàn)農(nóng)作物病蟲害的拍照識別,一經(jīng)出現(xiàn)便受到廣大用戶的喜愛,但由于其監(jiān)測不具有連續(xù)性,而且受人為干擾與影響,不適合用于長期監(jiān)測工作。固定式拍照識別或無人機載拍照識別設(shè)備雖然需要額外投資,但可以進行快速、長期穩(wěn)定監(jiān)測,有可能替代手機成為未來的圖像識別監(jiān)測技術(shù)的主要載體。目前限制智能蟲情測報燈應(yīng)用的不是圖像識別技術(shù),而是因其設(shè)計結(jié)構(gòu)造成的蟲體堆積粘連以及破損帶來的識別困難,通過機械振動和循環(huán)傳輸或圓盤旋轉(zhuǎn)從機械結(jié)構(gòu)上部分解決了燈誘昆蟲粘連堆疊的問題,但因紅外殺死過程中由于昆蟲掙扎造成的蟲體破損仍難以避免。圖像識別技術(shù)目前也被用于性誘監(jiān)測設(shè)備以克服性誘不專一的缺陷,基于機器視覺的智能性誘捕器可采用筒式粘蟲帶,自動根據(jù)圖像中昆蟲密度實現(xiàn)粘蟲帶自動更新,將測報人員從下田查蟲、數(shù)蟲和更換粘蟲板的工作中解脫出來,實現(xiàn)了農(nóng)業(yè)害蟲性誘監(jiān)測的智能化、實時性和數(shù)據(jù)可追溯性。國外一些企業(yè)開發(fā)了Trapview, iSCOUT, SightTrap, Z-Trap,和DTN智能誘捕器,然而,許多種植者對其成本和可擴展性并不滿意[106-107]。國內(nèi)雖然也有企業(yè)在嘗試開發(fā)性誘自動拍照識別設(shè)備,但性能穩(wěn)定、經(jīng)濟有效的產(chǎn)品還有待進一步研發(fā)。

2.4 傳感器技術(shù)

傳感器技術(shù)、計算機技術(shù)和通信技術(shù)被稱為信息技術(shù)的三大支柱。從物聯(lián)網(wǎng)與智慧植保的角度來看,傳感器技術(shù)是衡量行業(yè)智慧化、信息化程度的重要標(biāo)志。傳感器有物理量、化學(xué)量、生物量、溫度傳感器、濕度傳感器、位移傳感器、壓力傳感器、流量傳感器等不同的類型,例如以昆蟲信息素為核心的化學(xué)量傳感器、以氣象因子為核心的各種溫濕度及光照強度等傳感器等等。在植物保護領(lǐng)域應(yīng)用比較成功的案例有安裝在高塔或者桅桿上的光學(xué)傳感器探測地物光譜信息[108]、搭載在無人機上的多光譜相機實現(xiàn)了對田間小麥條銹病不同發(fā)生程度的監(jiān)測[109]、采用葉片表面濕潤時間為核心的小麥赤霉病病穗率自動監(jiān)測預(yù)警系統(tǒng)等[5]。傳感器是數(shù)據(jù)采集過程實現(xiàn)自動化的關(guān)鍵基礎(chǔ)設(shè)備,是未來植物保護實現(xiàn)自動化和智能化的關(guān)鍵核心技術(shù),特別是病原菌、害蟲化學(xué)傳感器、生物量傳感器的研究仍然是一片空白,急需加強這個方向的多學(xué)科基礎(chǔ)交叉研究。

2.5 多源數(shù)據(jù)融合處理技術(shù)

近年來隨著智能蟲情測報燈、智能性誘捕器、昆蟲雷達、低空遙感、衛(wèi)星遙感、智能識別App等現(xiàn)代智能病蟲監(jiān)測裝備的不斷發(fā)展和應(yīng)用,農(nóng)作物病蟲害及其生境的多種來源監(jiān)測數(shù)據(jù)(即多源數(shù)據(jù))呈井噴式增長。然而,海量的多源數(shù)據(jù)只流于病蟲害發(fā)生信息的可視化展示,未實現(xiàn)開放共享和深度挖掘,未在農(nóng)作物病蟲害預(yù)報中發(fā)揮應(yīng)有作用,植保技術(shù)人員仍憑借多年經(jīng)驗對農(nóng)作物病蟲害發(fā)生趨勢進行模糊預(yù)報。這是由于農(nóng)作物病蟲害發(fā)生與發(fā)展受自身生物學(xué)特性以及寄主、生境、耕作栽培措施等多種因素影響,因素之間互作機制極其復(fù)雜,加之重監(jiān)測輕預(yù)報、重數(shù)據(jù)積累輕數(shù)據(jù)挖掘、研究者協(xié)同創(chuàng)新不夠等問題,導(dǎo)致目前沒有可在生產(chǎn)上推廣應(yīng)用的基于多源數(shù)據(jù)的不同時空尺度的農(nóng)作物病蟲害預(yù)報模型。未來面臨的關(guān)鍵難點與挑戰(zhàn)主要為:1)多源數(shù)據(jù)的校準(zhǔn)、規(guī)范和開放共享;2)生物和非生物因素對農(nóng)作物病蟲害的復(fù)雜影響機制的解析;3)多時空尺度農(nóng)作物病蟲害精準(zhǔn)預(yù)報模型的建立與有效性驗證[110]。

建議各級政府、企業(yè)和科研院所加大資金投入,加強對農(nóng)作物病蟲害暴發(fā)成災(zāi)機理解析、智能化精準(zhǔn)預(yù)報理論與技術(shù)探索等基礎(chǔ)研究,加快農(nóng)作物病蟲害智能監(jiān)測關(guān)鍵技術(shù)與裝備研發(fā);建立多部門合作協(xié)調(diào)機制,廣泛驗證現(xiàn)有智能監(jiān)測技術(shù)與設(shè)備的準(zhǔn)確性和穩(wěn)定性,制定并實施一批農(nóng)作物病蟲害智能監(jiān)測設(shè)備與技術(shù)的相關(guān)規(guī)范和標(biāo)準(zhǔn),構(gòu)建天空地一體化自動監(jiān)測為主體、精細人工監(jiān)測校樣點相協(xié)同的農(nóng)作物病蟲害多源數(shù)據(jù)獲取、傳輸、存儲、分析及智能化精準(zhǔn)預(yù)測平臺。