封洪強(qiáng), 姚 青, 胡 程, 黃文江, 胡小平,劉 杰, 張?jiān)苹? 張 智, 喬紅波, 劉 偉

(1. 河南省0號(hào)昆蟲雷達(dá)野外科學(xué)觀測(cè)研究站，河南省農(nóng)作物病蟲害防治重點(diǎn)實(shí)驗(yàn)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(diǎn)實(shí)驗(yàn)室，河南省作物保護(hù)國(guó)際聯(lián)合實(shí)驗(yàn)室，河南省農(nóng)業(yè)科學(xué)院植物保護(hù)研究所，鄭州 450002；2. 浙江理工大學(xué)計(jì)算機(jī)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(dá)技術(shù)研究所，北京 100081；4. 中國(guó)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(guó)家重點(diǎn)實(shí)驗(yàn)室，植保資源與病蟲害治理教育部重點(diǎn)實(shí)驗(yàn)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(diǎn)實(shí)驗(yàn)室，西北農(nóng)林科技大學(xué)植物保護(hù)學(xué)院，楊陵 712100；6. 全國(guó)農(nóng)業(yè)技術(shù)推廣服務(wù)中心，北京 100125；7. 中國(guó)農(nóng)業(yè)科學(xué)院植物保護(hù)研究所，植物病蟲害綜合治理全國(guó)重點(diǎn)實(shí)驗(yàn)室，北京 100193；8. 北京市植物保護(hù)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(guó)農(nóng)作物病蟲害監(jiān)測(cè)預(yù)警工作始于20世紀(jì)50年代。1955年,農(nóng)業(yè)部頒布了《農(nóng)作物病蟲害預(yù)測(cè)預(yù)報(bào)方案》,從20世紀(jì)60年代起,農(nóng)業(yè)部組織專業(yè)人員整理印發(fā)全國(guó)主要病蟲害基本測(cè)報(bào)資料匯編,供全國(guó)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(cè)報(bào)調(diào)查規(guī)范,并于1995年在全國(guó)范圍內(nèi)實(shí)施,成為新中國(guó)成立以來(lái)首批植物病蟲害測(cè)報(bào)調(diào)查規(guī)范國(guó)家標(biāo)準(zhǔn)[1]。2009年以來(lái),在農(nóng)業(yè)部的高度重視和大力支持下,我國(guó)農(nóng)作物重大病蟲害監(jiān)測(cè)預(yù)警信息化建設(shè)快速發(fā)展,初步建成了國(guó)家農(nóng)作物重大病蟲害數(shù)字化監(jiān)測(cè)預(yù)警系統(tǒng)平臺(tái)[2],并形成了電視、廣播、手機(jī)、網(wǎng)絡(luò)和報(bào)紙等多種媒體發(fā)布農(nóng)作物病蟲害測(cè)報(bào)結(jié)果的新模式[3]。近年來(lái),隨著計(jì)算機(jī)、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(cè)預(yù)警中的廣泛應(yīng)用,智能蟲情測(cè)報(bào)燈、智能性誘捕器、昆蟲雷達(dá)、低空遙感、衛(wèi)星遙感、智能識(shí)別App等現(xiàn)代智能病蟲監(jiān)測(cè)裝備以及重大病蟲害實(shí)時(shí)監(jiān)測(cè)預(yù)警系統(tǒng)建設(shè)方面取得了比較明顯的進(jìn)步,對(duì)病蟲害監(jiān)測(cè)和預(yù)測(cè)的時(shí)效性和準(zhǔn)確度得以大幅度提高[4-5]。本文綜述了我國(guó)近5年在利用光譜遙感、昆蟲雷達(dá)、圖像識(shí)別等技術(shù)監(jiān)測(cè)農(nóng)作物病蟲害方面取得的重要技術(shù)進(jìn)展和應(yīng)用案例,在對(duì)各類技術(shù)存在的不足和難點(diǎn)進(jìn)行分析的基礎(chǔ)上提出了未來(lái)發(fā)展的方向,以期為充分利用空天地多源數(shù)據(jù)實(shí)現(xiàn)農(nóng)作物病蟲害精準(zhǔn)預(yù)報(bào)提供指導(dǎo)。

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

1.1 光譜遙感監(jiān)測(cè)技術(shù)

農(nóng)作物病蟲害的光譜遙感監(jiān)測(cè)技術(shù)是利用衛(wèi)星、無(wú)人機(jī)或其他平臺(tái)上的傳感器,根據(jù)不同波段范圍內(nèi)光學(xué)信號(hào)在輻射傳輸過(guò)程中與物體相互作用后發(fā)生的速率、強(qiáng)度等重要屬性改變的原理,來(lái)探測(cè)農(nóng)作物病蟲害的技術(shù)[6]。太陽(yáng)光譜的能量分布特點(diǎn)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(duì)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(bǔ)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(guò)程,從而對(duì)農(nóng)作物病蟲害進(jìn)行早期探測(cè)。然而熒光信號(hào)相對(duì)較弱,容易與自然光混淆,這限制了它們?cè)诖蟪叨葏^(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(cè)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(jiǎn)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(shí),反射光譜可以進(jìn)行不同形式的變換,如連續(xù)統(tǒng)去除、分?jǐn)?shù)階微分和連續(xù)小波變換等,通過(guò)這些變換可以更加深入挖掘反射光譜蘊(yùn)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(cè)中[14-16]。近20年來(lái),目標(biāo)地物的熒光和熱特性也越來(lái)越廣泛地被用于作物遙感監(jiān)測(cè)[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(duì)病蟲害及生境因素進(jìn)行監(jiān)測(cè)[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(qiáng)度、方差、逆差、熵、對(duì)比度等)對(duì)于小尺度水平上的病蟲害監(jiān)測(cè)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(shí)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(tái)、經(jīng)費(fèi)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(duì)農(nóng)作物病蟲害脅迫進(jìn)行監(jiān)測(cè)并取得不錯(cuò)的識(shí)別效果。多光譜成像遙感能獲取更多的光譜信息,使監(jiān)測(cè)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(diǎn),能獲得更好的農(nóng)作物病蟲害遙感監(jiān)測(cè)效果[22-23]。

衛(wèi)星遙感監(jiān)測(cè)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(duì)地監(jiān)測(cè)數(shù)據(jù)進(jìn)行農(nóng)作物病蟲害監(jiān)測(cè)的一種技術(shù)。國(guó)內(nèi)外學(xué)者針對(duì)農(nóng)作物病蟲害的衛(wèi)星遙感監(jiān)測(cè)問(wèn)題,基于不同類型的算法,建立了農(nóng)作物病蟲害識(shí)別及發(fā)生嚴(yán)重度診斷模型,并應(yīng)用在不同作物上。1)經(jīng)典統(tǒng)計(jì)模型,具有形式簡(jiǎn)單、機(jī)制明確的優(yōu)點(diǎn),被廣泛應(yīng)用在一些農(nóng)作物病蟲害的監(jiān)測(cè)研究中。如基于3波段夫瑯和費(fèi)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(duì)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(cè)模型[24]。采用二元邏輯回歸評(píng)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(shí)別病害[25]。2)機(jī)器學(xué)習(xí)模型,利用機(jī)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(cè)模型?；?幅Landsat-8影像,提取作物在不同時(shí)期的生長(zhǎng)參數(shù)和環(huán)境參數(shù),使用合成少數(shù)過(guò)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]?；贛ODIS影像數(shù)據(jù),應(yīng)用空間-時(shí)間遞歸神經(jīng)網(wǎng)絡(luò)對(duì)隴南市的小麥條銹病進(jìn)行監(jiān)測(cè)預(yù)警,取得了較好的監(jiān)測(cè)效果[27]。

經(jīng)過(guò)長(zhǎng)期的不斷探索以及衛(wèi)星遙感技術(shù)的快速發(fā)展,我國(guó)利用衛(wèi)星大面積監(jiān)測(cè)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(cè)與預(yù)測(cè)系統(tǒng),定期生產(chǎn)和發(fā)布全球、全國(guó)、重點(diǎn)區(qū)域的多尺度主要農(nóng)作物重大病蟲害遙感監(jiān)測(cè)和預(yù)測(cè)專題圖與報(bào)告產(chǎn)品,基本實(shí)現(xiàn)了業(yè)務(wù)的持續(xù)運(yùn)行[28]。

隨著無(wú)人機(jī)技術(shù)的快速發(fā)展,無(wú)人機(jī)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(guò)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(cè)預(yù)警提供技術(shù)支撐。無(wú)人機(jī)能大范圍、快速、實(shí)時(shí)獲取高分辨率圖像數(shù)據(jù),彌補(bǔ)了衛(wèi)星遙感重訪周期長(zhǎng)、覆蓋角度小以及時(shí)空分辨率低的不足,在農(nóng)作物病蟲害監(jiān)測(cè)方面有著良好的應(yīng)用前景。

研究者利用無(wú)人機(jī)搭載傳感器,對(duì)棉花蚜蟲、葉螨和小麥白粉病、條銹病、全蝕病等病蟲害進(jìn)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(wú)人機(jī)可見光圖像,分析發(fā)現(xiàn)圖像參數(shù)紅值參數(shù)的對(duì)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(cè)白粉病和預(yù)測(cè)產(chǎn)量是可行的,但同時(shí)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(wú)人機(jī)遙感監(jiān)測(cè)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(jī)(support vector machine,SVM)、隨機(jī)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(wú)人機(jī)識(shí)別病蟲害的精度均可達(dá)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(dá)監(jiān)測(cè)技術(shù)

昆蟲雷達(dá)監(jiān)測(cè)技術(shù)是利用電磁波探測(cè)空中自由飛行昆蟲的一種技術(shù),這種技術(shù)具有對(duì)昆蟲無(wú)干擾、監(jiān)測(cè)距離遠(yuǎn)、采樣空間大、監(jiān)測(cè)速度快、獲得的信息豐富等特點(diǎn)[33]。旋轉(zhuǎn)極化設(shè)計(jì)的垂直昆蟲雷達(dá)由于可以監(jiān)測(cè)到中大型昆蟲的體型參數(shù)、質(zhì)量大小和振翅頻率,對(duì)昆蟲種類有更好的鑒別能力,自20世紀(jì)末以來(lái)正逐漸取代傳統(tǒng)掃描昆蟲雷達(dá),成為昆蟲雷達(dá)的主流機(jī)型[4,33]。近年來(lái)隨著數(shù)字技術(shù)的進(jìn)步,昆蟲雷達(dá)的性能得以大幅提升、制式更加豐富[34-37]。目前,我國(guó)昆蟲雷達(dá) AD 采樣頻率達(dá)到了120 MHz,采樣精度達(dá)到了16 位,相應(yīng)的昆蟲雷達(dá)的距離采樣能力由原來(lái)的50 m提高至1.25 m,昆蟲雷達(dá)盲區(qū)由原來(lái)200 m 左右降低至80 m左右,極大地改善了昆蟲雷達(dá)對(duì)低空飛行昆蟲的探測(cè)能力。近年來(lái),為了進(jìn)一步降低旋轉(zhuǎn)極化垂直昆蟲雷達(dá)盲區(qū),我國(guó)將旋轉(zhuǎn)極化垂直昆蟲雷達(dá)與掃描雷達(dá)相結(jié)合,建成了雙模式昆蟲雷達(dá),即利用一套收發(fā)、信號(hào)采集處理及終端系統(tǒng)實(shí)現(xiàn)兩種雷達(dá)所有探測(cè)功能的新型昆蟲雷達(dá)[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(guó)洛桑研究院昆蟲雷達(dá)運(yùn)至河南現(xiàn)代農(nóng)業(yè)研究開發(fā)基地與我國(guó)昆蟲雷達(dá)進(jìn)行聯(lián)合觀測(cè),結(jié)果表明我國(guó)昆蟲雷達(dá)的性能更優(yōu)秀。2019年9月21日-23日中國(guó)植物保護(hù)學(xué)會(huì)和河南省科學(xué)技術(shù)協(xié)會(huì)主辦了第二屆雷達(dá)空中生態(tài)學(xué)國(guó)際會(huì)議,來(lái)自中國(guó)、英國(guó)、荷蘭、澳大利亞、美國(guó)、法國(guó)、德國(guó)、比利時(shí)、日本等11個(gè)國(guó)家的雷達(dá)空中生態(tài)學(xué)學(xué)者100余人參加了會(huì)議[38]。此次會(huì)議向國(guó)際同行展示了我國(guó)昆蟲雷達(dá)技術(shù)方面的優(yōu)勢(shì),以色列海法大學(xué)2020年訂購(gòu)了我國(guó)生產(chǎn)的昆蟲雷達(dá),英國(guó)利茲大學(xué)2022年也采購(gòu)了我國(guó)生產(chǎn)的昆蟲雷達(dá),實(shí)現(xiàn)了國(guó)產(chǎn)昆蟲雷達(dá)出口零的突破[39-40]。

隨著現(xiàn)代雷達(dá)技術(shù)的發(fā)展,全相參、高分辨、全極化等新技術(shù)越來(lái)越多地被用于雷達(dá)探測(cè)。為了進(jìn)一步提高昆蟲雷達(dá)測(cè)量能力,我國(guó)研發(fā)了相參體制高分辨全極化昆蟲雷達(dá)(圖1)。該雷達(dá)工作在Ku波段,兼具掃描模式和波束垂直對(duì)天觀測(cè)模式[41-42]。該雷達(dá)為相參體制,可測(cè)量目標(biāo)的相位信息;采用調(diào)頻步進(jìn)頻波形,實(shí)現(xiàn)約0.2 m的高距離分辨率[43]。雷達(dá)采用全極化體制,雙極化天線同時(shí)發(fā)射/接收H和V極化信號(hào);發(fā)射機(jī)和接收機(jī)均有H和V兩個(gè)極化通道。在發(fā)射信號(hào)時(shí),H和V極化信號(hào)同時(shí)發(fā)射,通過(guò)正交的相位編碼隔離;在接收信號(hào)時(shí),H和V極化信號(hào)同時(shí)接收,其中H極化接收的信號(hào)包括HH和HV(兩種信號(hào)的相位編碼正交),V極化接收的信號(hào)包括VV和VH(兩種信號(hào)的相位編碼正交),通過(guò)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(dá)對(duì)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(zhǎng)[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(duì)該雷達(dá)開展了外場(chǎng)觀測(cè)試驗(yàn),成功驗(yàn)證了雷達(dá)測(cè)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(dá)先后在云南瀾滄、江城、尋甸和山東東營(yíng)、廣東深圳等地進(jìn)行部署,開展了長(zhǎng)期自動(dòng)化業(yè)務(wù)監(jiān)測(cè)運(yùn)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(cè)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(dá)Fig.1 Ku-band high-resolution and fully polarimetric entomological radar

新一代昆蟲雷達(dá)——高分辨多維協(xié)同雷達(dá)測(cè)量?jī)x(圖2,圖3)的研制成功使昆蟲雷達(dá)技術(shù)實(shí)現(xiàn)了新的突破。它主要由一臺(tái)高分辨相控陣?yán)走_(dá)和3臺(tái)多頻段全極化雷達(dá)組成。其中,高分辨相控陣?yán)走_(dá)是一臺(tái)Ku波段掃描雷達(dá),其方位采用機(jī)械掃描、俯仰采用電掃描,負(fù)責(zé)搜索昆蟲群并分離感興趣的昆蟲個(gè)體,將目標(biāo)位置引導(dǎo)信息發(fā)送給3臺(tái)多頻段全極化雷達(dá);3臺(tái)多頻段全極化雷達(dá)可同時(shí)在X、Ku和Ka三個(gè)波段工作,距離分辨率0.2 m,具備全極化測(cè)量和單脈沖跟蹤能力,根據(jù)高分辨相控陣?yán)走_(dá)提供的位置引導(dǎo)信息,協(xié)同搜索跟蹤昆蟲個(gè)體,實(shí)現(xiàn)精細(xì)跟蹤測(cè)量。同時(shí),多頻段全極化雷達(dá)也具備靜止波束垂直對(duì)天監(jiān)測(cè)、單部雷達(dá)跟蹤測(cè)量等工作模式?；陬~外的多頻段、多基站協(xié)同測(cè)量,高分辨多維協(xié)同雷達(dá)測(cè)量?jī)x將進(jìn)一步提高昆蟲雷達(dá)生物學(xué)參數(shù)反演精度和三維朝向測(cè)量能力[53-55]。目前,該儀器部署在山東東營(yíng)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(dá)測(cè)量?jī)x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(dá)測(cè)量?jī)x實(shí)地部署圖Fig.3 Field deployment photos of high resolution multi-dimensional radar measurement system

天氣雷達(dá)也可以觀測(cè)到昆蟲遷飛,且具有網(wǎng)絡(luò)覆蓋廣的優(yōu)勢(shì)。通過(guò)對(duì)比同期高空探照燈誘蟲量與多普勒天氣雷達(dá)回波證實(shí),多普勒天氣雷達(dá)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(cè)預(yù)警中具有重大的潛在應(yīng)用價(jià)值[56-57]。2018年起,我國(guó)還利用高分辨多維協(xié)同雷達(dá)測(cè)量?jī)x,開展了與天氣雷達(dá)的長(zhǎng)期聯(lián)合觀測(cè)試驗(yàn),提出了基于我國(guó)天氣雷達(dá)網(wǎng)的大尺度空中生物監(jiān)測(cè)新方法[58]:利用天氣雷達(dá)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(tái)天氣雷達(dá)的歷史觀測(cè)數(shù)據(jù)構(gòu)建訓(xùn)練與測(cè)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(shí)別模型,該模型空中生物回波識(shí)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(jì)的生物回波反射率垂直廓線反演方法,實(shí)現(xiàn)了聚集成層遷飛生物垂直分布的準(zhǔn)確估計(jì),并采用聯(lián)合觀測(cè)試驗(yàn)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(dá)生物回波強(qiáng)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(cè)的低分辨天氣雷達(dá)空中生物精確定量方法,利用高分辨昆蟲雷達(dá)和探鳥雷達(dá)驗(yàn)證了天氣雷達(dá)對(duì)于遷飛昆蟲和鳥類的定量誤差均小于20%[60]。

1.3 圖像識(shí)別監(jiān)測(cè)技術(shù)

圖像識(shí)別監(jiān)測(cè)技術(shù)是利用圖像傳感器采集農(nóng)作物病蟲害圖像,通過(guò)圖像識(shí)別算法進(jìn)行病蟲害的自動(dòng)識(shí)別與診斷,從而達(dá)到病蟲害智能監(jiān)測(cè)的目的。目前該技術(shù)已被應(yīng)用于蟲情測(cè)報(bào)燈、性誘捕器、手機(jī)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(shí)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(duì)病蟲害圖像進(jìn)行識(shí)別,獲得了較好的結(jié)果。

傳統(tǒng)(第1代)蟲情測(cè)報(bào)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(jì)數(shù)的簡(jiǎn)易型測(cè)報(bào)裝置。20世紀(jì)80年代到2015年前后市場(chǎng)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(cè)報(bào)燈,實(shí)現(xiàn)了自動(dòng)開關(guān)燈、蟲體遠(yuǎn)紅外殺死、接蟲袋自動(dòng)轉(zhuǎn)換、蟲體按天存放和整燈自動(dòng)運(yùn)行等功能[64-65]。隨著網(wǎng)絡(luò)、圖像識(shí)別和人工智能的發(fā)展,2016年開始出現(xiàn)了第3代蟲情測(cè)報(bào)燈,即智能蟲情測(cè)報(bào)燈,它由燈光誘蟲、遠(yuǎn)紅外殺蟲、蟲體傳輸平臺(tái)、蟲體分散裝置、自動(dòng)清理裝置、高清拍照設(shè)備、圖像實(shí)時(shí)傳輸、靶標(biāo)昆蟲智能識(shí)別與計(jì)數(shù)、PC和手機(jī)的客戶端遠(yuǎn)程監(jiān)控平臺(tái)等模塊組成,集成了自動(dòng)化、互聯(lián)網(wǎng)、圖像處理和深度學(xué)習(xí)等多項(xiàng)前沿科技,可進(jìn)行害蟲信息實(shí)時(shí)采集、傳輸、識(shí)別、分析和預(yù)警,并可實(shí)現(xiàn)遠(yuǎn)程實(shí)時(shí)監(jiān)控、預(yù)警和管理。近年來(lái),相關(guān)植保企業(yè)致力于智能蟲情測(cè)報(bào)燈的改進(jìn),使其識(shí)別害蟲的能力不斷提高,有效緩解了我國(guó)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(cè)預(yù)警能力[66-70]。

隨著智能手機(jī)的普及,農(nóng)作物病蟲害拍照識(shí)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(dòng)終端的植物病蟲害手機(jī)拍照識(shí)病蟲App“植保家”,可識(shí)別39種作物上的212種重要病蟲;自上線以來(lái),“植保家”已有近10萬(wàn)用戶,均可免費(fèi)使用[71]。搭載核心AI病蟲害手機(jī)拍照識(shí)別的App和微信小程序“植小保”(原“慧植農(nóng)當(dāng)家”)目前可識(shí)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(shí)別準(zhǔn)確率達(dá)94.57%[72]。

可穿戴設(shè)備農(nóng)作物病蟲害AR智能測(cè)報(bào)儀[73],包括AR智能眼鏡、AI識(shí)別模型和多終端監(jiān)測(cè)預(yù)警平臺(tái)。該設(shè)備以第一視角和語(yǔ)音控制采集病蟲害圖像和視頻,對(duì)害蟲和病斑進(jìn)行智能識(shí)別診斷,解放雙手,實(shí)現(xiàn)病蟲害測(cè)報(bào)調(diào)查簡(jiǎn)單、高效、精準(zhǔn)及數(shù)據(jù)可追溯,讓“測(cè)報(bào)簡(jiǎn)單有效,測(cè)報(bào)不再辛苦”。目前該設(shè)備可以準(zhǔn)確識(shí)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(gè)指標(biāo)。除了稻飛虱田間測(cè)報(bào)調(diào)查,該設(shè)備還可應(yīng)用于以“人工目測(cè)法”為主要測(cè)報(bào)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(dòng)監(jiān)測(cè)技術(shù)

害蟲性誘監(jiān)測(cè)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(lái)誘集害蟲,實(shí)現(xiàn)害蟲監(jiān)測(cè)的技術(shù)。由于性誘劑具有很強(qiáng)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(cè),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(jì)數(shù)方法的不同,可分為3類:1) 簡(jiǎn)易型性誘捕器,利用粘蟲板/桶等+害蟲人工鑒定法,價(jià)格便宜,但裝置易損壞且無(wú)法重復(fù)利用,需要測(cè)報(bào)人員定期下田查看誘蟲量,費(fèi)時(shí)費(fèi)工、數(shù)據(jù)不能實(shí)時(shí)傳輸;2)光電型智能性誘捕器,利用害蟲捕獲裝置+光電計(jì)數(shù)器自動(dòng)計(jì)數(shù)害蟲法[74];由于其實(shí)現(xiàn)了自動(dòng)計(jì)數(shù)獲得了廣泛應(yīng)用。但由于人工合成的性誘劑無(wú)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(jì)數(shù)器對(duì)目標(biāo)害蟲計(jì)數(shù)不準(zhǔn)確[75];3)基于機(jī)器視覺(jué)的智能性誘捕器,利用粘蟲板+機(jī)器視覺(jué)系統(tǒng)采集性誘害蟲圖像+害蟲圖像自動(dòng)識(shí)別計(jì)數(shù)法解決了性誘劑不專一導(dǎo)致計(jì)數(shù)不準(zhǔn)的問(wèn)題[76-77]。基于深度學(xué)習(xí)和滑動(dòng)窗的害蟲自動(dòng)檢測(cè)方法被提出用于檢測(cè)粘蟲板圖像上的蘋果蠹蛾Cydiapomonella,獲得了較好的害蟲識(shí)別計(jì)數(shù)效果[76]。利用工業(yè)相機(jī)搭建的機(jī)器視覺(jué)系統(tǒng)被用于定時(shí)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(jī)器學(xué)習(xí)方法實(shí)現(xiàn)了梨小食心蟲的自動(dòng)識(shí)別計(jì)數(shù),平均準(zhǔn)確率達(dá)到 94%[77]。

1.5 農(nóng)作物病蟲害監(jiān)測(cè)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(cè)預(yù)警技術(shù)體系的構(gòu)建與應(yīng)用

聯(lián)合國(guó)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(guó)以來(lái),已在全國(guó)27個(gè)省份1 700多個(gè)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(guó)又一個(gè)北遷南回、周年為害的重大害蟲,對(duì)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(hào)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(dòng)方案》中,草地貪夜蛾是重要的防控對(duì)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(chǎng)的推動(dòng)力增加了草地貪夜蛾的遷飛危害規(guī)律的復(fù)雜性,及時(shí)有效的監(jiān)測(cè)預(yù)警是草地貪夜蛾防控成敗的關(guān)鍵。針對(duì)草地貪夜蛾對(duì)黑光燈趨性較弱、性誘劑產(chǎn)品種類多專一性不強(qiáng)且缺乏田間標(biāo)準(zhǔn)化應(yīng)用技術(shù)等監(jiān)測(cè)預(yù)警難題,我國(guó)科技人員從草地貪夜蛾遷飛生物學(xué)和風(fēng)場(chǎng)規(guī)律入手,分類突破其單項(xiàng)監(jiān)測(cè)預(yù)警技術(shù)研發(fā)和集成應(yīng)用的瓶頸。在昆蟲雷達(dá)監(jiān)測(cè)技術(shù)示范上,收集了草地貪夜蛾體重、體長(zhǎng)、體寬、振翅頻率等生物學(xué)信息,利用預(yù)測(cè)模型,實(shí)現(xiàn)實(shí)時(shí)風(fēng)場(chǎng)和遷飛軌跡的精準(zhǔn)預(yù)測(cè),并將以上功能接入“全國(guó)草地貪夜蛾發(fā)生防治信息平臺(tái)”,雷達(dá)技術(shù)由多年的散點(diǎn)試驗(yàn),跨入針對(duì)具體目標(biāo)和區(qū)域的、有組織的實(shí)際應(yīng)用。在高空測(cè)報(bào)燈監(jiān)測(cè)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(cè)的高空測(cè)報(bào)燈。在地面測(cè)報(bào)燈和性誘捕器監(jiān)測(cè)技術(shù)上,利用機(jī)器視覺(jué)、人工智能和基于深度學(xué)習(xí)的圖像識(shí)別技術(shù),提高地面測(cè)報(bào)燈和性誘捕器對(duì)草地貪夜蛾的識(shí)別精度和效率,實(shí)現(xiàn)其自動(dòng)化、可視化的遠(yuǎn)程監(jiān)測(cè)。在全國(guó)從南至北進(jìn)行了地面測(cè)報(bào)燈和性誘捕器廣泛試驗(yàn),及時(shí)收集誘集效果信息,促使燈誘、性誘產(chǎn)品在半年內(nèi)達(dá)到可用的效果。在上述草地貪夜蛾自動(dòng)識(shí)別技術(shù)、昆蟲雷達(dá)聯(lián)網(wǎng)監(jiān)測(cè)所需單項(xiàng)關(guān)鍵核心技術(shù)實(shí)現(xiàn)突破的基礎(chǔ)上,集成創(chuàng)新了以昆蟲雷達(dá)監(jiān)測(cè)為核心、以燈誘和性誘為基礎(chǔ)的全國(guó)草地貪夜蛾一體化智能監(jiān)測(cè)預(yù)警技術(shù)(圖4),為全國(guó)草地貪夜蛾監(jiān)測(cè)部署、實(shí)時(shí)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(cè)預(yù)警技術(shù)體系核心監(jiān)測(cè)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(cè)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(guó),蝗災(zāi)危害程度達(dá)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(guó)聯(lián)合防控措施防止沙漠蝗入侵國(guó)家出現(xiàn)糧食危機(jī)。由于沙漠蝗多發(fā)生于偏遠(yuǎn)地區(qū),其繁殖區(qū)、遷飛動(dòng)態(tài)和危害區(qū)域的監(jiān)測(cè)技術(shù)一直是困擾各國(guó)、導(dǎo)致防治被動(dòng)的瓶頸問(wèn)題。當(dāng)前,傳統(tǒng)人工監(jiān)測(cè)方法和基于氣象站點(diǎn)的預(yù)測(cè)方法只能獲取“點(diǎn)”上的蟲害信息,不能滿足“面”上對(duì)蟲害的大尺度監(jiān)測(cè)預(yù)警和實(shí)時(shí)防治防控的需求[80-81]。遙感技術(shù)能夠高效客觀地實(shí)現(xiàn)大面積、時(shí)空連續(xù)的蟲害發(fā)生發(fā)展?fàn)顩r監(jiān)測(cè)預(yù)警,對(duì)于蟲害的高效監(jiān)測(cè)、快速預(yù)警及綠色、科學(xué)防控具有重要的實(shí)用價(jià)值[82]。

沙漠蝗潛在繁殖區(qū)預(yù)警主要通過(guò)研究多生境因子對(duì)蝗蟲發(fā)生的適宜性來(lái)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(lái)識(shí)別沙漠蝗的存在,進(jìn)而確定其潛在繁殖區(qū)[83]?；跉鉁亍⒔邓?、土壤含沙量、土壤濕度以及植被綠度5類因子,運(yùn)用MaxEnt模型實(shí)現(xiàn)了肯尼亞、蘇丹和烏干達(dá)東北部的沙漠蝗繁殖區(qū)預(yù)測(cè)[84]。在蝗卵孵化動(dòng)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(duì)土壤水分、溫度等生境條件進(jìn)行反演,分析蟲卵孵化與土壤水熱的關(guān)系,對(duì)蝗卵孵化動(dòng)態(tài)進(jìn)行預(yù)警[85-86]。對(duì)于蝗蟲發(fā)生風(fēng)險(xiǎn)及等級(jí)預(yù)警,主要通過(guò)蝗蟲生境適宜度分析來(lái)實(shí)現(xiàn)。

我國(guó)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(jī)理及蝗蟲遙感監(jiān)測(cè)預(yù)警機(jī)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(cè)預(yù)警遙感指標(biāo),通過(guò)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(shí)序特征,通過(guò)移動(dòng)窗算法和多尺度分割算法對(duì)遙感指標(biāo)進(jìn)行了景觀結(jié)構(gòu)空間化;最終構(gòu)建了基于多元對(duì)地觀測(cè)數(shù)據(jù)、結(jié)合氣象差異、考慮時(shí)間滯后效應(yīng)的蝗蟲監(jiān)測(cè)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(cè)預(yù)警模型,構(gòu)建了基于云平臺(tái)技術(shù)的亞非沙漠蝗蟲災(zāi)情遙感監(jiān)測(cè)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(cè)預(yù)警結(jié)果,包括遷飛路徑預(yù)測(cè)數(shù)據(jù)、災(zāi)情監(jiān)測(cè)數(shù)據(jù)、科學(xué)報(bào)告等內(nèi)容。

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

我國(guó)科技工作者重點(diǎn)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(cè)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(cè)技術(shù)體系,明確了病害監(jiān)測(cè)的特征光譜,提出了病害宏觀嚴(yán)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(cè)模型,研發(fā)出了作物病害預(yù)報(bào)器和孢子捕捉儀(圖5),實(shí)現(xiàn)了在一臺(tái)作物病害預(yù)報(bào)器中安裝多個(gè)作物病害預(yù)測(cè)模型。小麥赤霉病智能化監(jiān)測(cè)預(yù)警系統(tǒng)在陜西、江蘇、安徽等19個(gè)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(diǎn)測(cè)試表明,我國(guó)小麥-玉米連作區(qū)小麥赤霉病BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的平均預(yù)測(cè)準(zhǔn)確度可達(dá)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(jī)(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(cè)模型,對(duì)江蘇太倉(cāng)小麥赤霉病發(fā)生流行程度的預(yù)測(cè)準(zhǔn)確度均達(dá)到了100%[91]。小麥條銹病智能化監(jiān)測(cè)預(yù)警技術(shù)已在我國(guó)小麥條銹病流行區(qū)域的19個(gè)監(jiān)測(cè)點(diǎn)進(jìn)行了試驗(yàn)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(cè)預(yù)警系統(tǒng),已在內(nèi)蒙古、陜西、河南、山東等4個(gè)省(自治區(qū))安裝了近40臺(tái),開展試驗(yàn)示范工作。稻瘟病智能化監(jiān)測(cè)預(yù)警系統(tǒng)已在黑龍江、安徽、江蘇、浙江、四川、陜西等6個(gè)省安裝了近30臺(tái),開始試驗(yàn)示范工作。基于分子定量檢測(cè)技術(shù)、病菌孢子捕捉技術(shù)、無(wú)人機(jī)遙感技術(shù)的小麥白粉病監(jiān)測(cè)預(yù)警技術(shù)體系,在全國(guó)10個(gè)省份試驗(yàn)示范。

2 農(nóng)作物病蟲害智能監(jiān)測(cè)預(yù)警技術(shù)難點(diǎn)與發(fā)展方向

2.1 光譜遙感監(jiān)測(cè)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(cè)農(nóng)作物病蟲害的重要依據(jù)[93]。無(wú)論是衛(wèi)星遙感還是無(wú)人機(jī)遙感,農(nóng)作物病蟲害的光譜遙感監(jiān)測(cè)技術(shù)的關(guān)鍵是高度專一且穩(wěn)定的光譜特征。國(guó)內(nèi)外學(xué)者利用多/高光譜非成像、成像數(shù)據(jù)通過(guò)光譜分析對(duì)脅迫機(jī)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(jìn)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(cè)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(shí)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(duì)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(jìn)行近地高光譜遙感監(jiān)測(cè),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(cè)模型和產(chǎn)量估計(jì)模型,但進(jìn)一步對(duì)不同年份、不同品種和不同種植密度情況下的監(jiān)測(cè)模型比較分析時(shí)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(duì)田間小麥白粉病的發(fā)生情況進(jìn)行監(jiān)測(cè),發(fā)現(xiàn)在不同氮肥施用條件下Σdr680～760 nm是用來(lái)監(jiān)測(cè)小麥白粉病病情和估測(cè)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(cè)模型在年度間存在差異[98]。因此,光譜遙感監(jiān)測(cè)農(nóng)作物病蟲害模型的穩(wěn)定性就成為重要科學(xué)問(wèn)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(duì)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(cè)模型,是該技術(shù)的難點(diǎn)和未來(lái)研究的重點(diǎn)。

2.2 昆蟲雷達(dá)監(jiān)測(cè)技術(shù)

利用雷達(dá)回波信號(hào)進(jìn)行昆蟲種類的自動(dòng)識(shí)別一直是困擾昆蟲雷達(dá)技術(shù)進(jìn)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(dá)和高分辨多維協(xié)同雷達(dá)測(cè)量?jī)x的研制成功為突破這一難題帶來(lái)了新的希望。激光雷達(dá)把輻射源的頻率提高到光頻段,能夠探測(cè)更微小的昆蟲目標(biāo),且可以利用譜率和光澤度等特征來(lái)區(qū)分昆蟲種類,小型化的激光昆蟲雷達(dá)可用于害蟲的長(zhǎng)期自動(dòng)監(jiān)測(cè),監(jiān)測(cè)效果與傳統(tǒng)方法一致[4,99]。然而,激光昆蟲雷達(dá)的缺點(diǎn)是無(wú)法監(jiān)測(cè)到昆蟲移動(dòng)的方向和速度,如果能將激光昆蟲雷達(dá)與微波昆蟲雷達(dá)相結(jié)合將會(huì)進(jìn)一步提高對(duì)昆蟲目標(biāo)的識(shí)別能力。

近年來(lái),我國(guó)嘗試?yán)锰鞖饫走_(dá)網(wǎng)監(jiān)測(cè)空中生物,取得了一些進(jìn)展,但如何利用天氣雷達(dá)準(zhǔn)確區(qū)分昆蟲、鳥或蝙蝠仍存在技術(shù)困難。國(guó)外對(duì)天氣雷達(dá)的利用也僅局限于鳥類和蝙蝠對(duì)物候變化的響應(yīng)、宏觀生態(tài)規(guī)律研究,對(duì)昆蟲監(jiān)測(cè)的研究甚少[100-103]。旋轉(zhuǎn)極化垂直昆蟲雷達(dá)造價(jià)低,自動(dòng)化程度高,性能好且穩(wěn)定,目前已成為國(guó)內(nèi)植?？蒲袉挝坏男卵b備,數(shù)量快速增加,實(shí)現(xiàn)數(shù)據(jù)實(shí)時(shí)共享、建成覆蓋全國(guó)的昆蟲雷達(dá)網(wǎng)是未來(lái)幾年的努力方向。

2.3 圖像識(shí)別監(jiān)測(cè)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(shí)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(dòng)識(shí)別的各類應(yīng)用軟件[104]。目前,限制這項(xiàng)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(kù),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(shí)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(shí)別和計(jì)數(shù)的難度。手機(jī)App不需要單獨(dú)采購(gòu)設(shè)備就可以實(shí)現(xiàn)農(nóng)作物病蟲害的拍照識(shí)別,一經(jīng)出現(xiàn)便受到廣大用戶的喜愛,但由于其監(jiān)測(cè)不具有連續(xù)性,而且受人為干擾與影響,不適合用于長(zhǎng)期監(jiān)測(cè)工作。固定式拍照識(shí)別或無(wú)人機(jī)載拍照識(shí)別設(shè)備雖然需要額外投資,但可以進(jìn)行快速、長(zhǎng)期穩(wěn)定監(jiān)測(cè),有可能替代手機(jī)成為未來(lái)的圖像識(shí)別監(jiān)測(cè)技術(shù)的主要載體。目前限制智能蟲情測(cè)報(bào)燈應(yīng)用的不是圖像識(shí)別技術(shù),而是因其設(shè)計(jì)結(jié)構(gòu)造成的蟲體堆積粘連以及破損帶來(lái)的識(shí)別困難,通過(guò)機(jī)械振動(dòng)和循環(huán)傳輸或圓盤旋轉(zhuǎn)從機(jī)械結(jié)構(gòu)上部分解決了燈誘昆蟲粘連堆疊的問(wèn)題,但因紅外殺死過(guò)程中由于昆蟲掙扎造成的蟲體破損仍難以避免。圖像識(shí)別技術(shù)目前也被用于性誘監(jiān)測(cè)設(shè)備以克服性誘不專一的缺陷,基于機(jī)器視覺(jué)的智能性誘捕器可采用筒式粘蟲帶,自動(dòng)根據(jù)圖像中昆蟲密度實(shí)現(xiàn)粘蟲帶自動(dòng)更新,將測(cè)報(bào)人員從下田查蟲、數(shù)蟲和更換粘蟲板的工作中解脫出來(lái),實(shí)現(xiàn)了農(nóng)業(yè)害蟲性誘監(jiān)測(cè)的智能化、實(shí)時(shí)性和數(shù)據(jù)可追溯性。國(guó)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(duì)其成本和可擴(kuò)展性并不滿意[106-107]。國(guó)內(nèi)雖然也有企業(yè)在嘗試開發(fā)性誘自動(dòng)拍照識(shí)別設(shè)備,但性能穩(wěn)定、經(jīng)濟(jì)有效的產(chǎn)品還有待進(jìn)一步研發(fā)。

2.4 傳感器技術(shù)

傳感器技術(shù)、計(jì)算機(jī)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(lái)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(qiáng)度等傳感器等等。在植物保護(hù)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(cè)地物光譜信息[108]、搭載在無(wú)人機(jī)上的多光譜相機(jī)實(shí)現(xiàn)了對(duì)田間小麥條銹病不同發(fā)生程度的監(jiān)測(cè)[109]、采用葉片表面濕潤(rùn)時(shí)間為核心的小麥赤霉病病穗率自動(dòng)監(jiān)測(cè)預(yù)警系統(tǒng)等[5]。傳感器是數(shù)據(jù)采集過(guò)程實(shí)現(xiàn)自動(dòng)化的關(guān)鍵基礎(chǔ)設(shè)備,是未來(lái)植物保護(hù)實(shí)現(xiàn)自動(dòng)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(qiáng)這個(gè)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(lái)隨著智能蟲情測(cè)報(bào)燈、智能性誘捕器、昆蟲雷達(dá)、低空遙感、衛(wèi)星遙感、智能識(shí)別App等現(xiàn)代智能病蟲監(jiān)測(cè)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(lái)源監(jiān)測(cè)數(shù)據(jù)(即多源數(shù)據(jù))呈井噴式增長(zhǎng)。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(shí)現(xiàn)開放共享和深度挖掘,未在農(nóng)作物病蟲害預(yù)報(bào)中發(fā)揮應(yīng)有作用,植保技術(shù)人員仍憑借多年經(jīng)驗(yàn)對(duì)農(nóng)作物病蟲害發(fā)生趨勢(shì)進(jìn)行模糊預(yù)報(bào)。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(jī)制極其復(fù)雜,加之重監(jiān)測(cè)輕預(yù)報(bào)、重?cái)?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(wèn)題,導(dǎo)致目前沒(méi)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(shí)空尺度的農(nóng)作物病蟲害預(yù)報(bào)模型。未來(lái)面臨的關(guān)鍵難點(diǎn)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(duì)農(nóng)作物病蟲害的復(fù)雜影響機(jī)制的解析;3)多時(shí)空尺度農(nóng)作物病蟲害精準(zhǔn)預(yù)報(bào)模型的建立與有效性驗(yàn)證[110]。

建議各級(jí)政府、企業(yè)和科研院所加大資金投入,加強(qiáng)對(duì)農(nóng)作物病蟲害暴發(fā)成災(zāi)機(jī)理解析、智能化精準(zhǔn)預(yù)報(bào)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(cè)關(guān)鍵技術(shù)與裝備研發(fā);建立多部門合作協(xié)調(diào)機(jī)制,廣泛驗(yàn)證現(xiàn)有智能監(jiān)測(cè)技術(shù)與設(shè)備的準(zhǔn)確性和穩(wěn)定性,制定并實(shí)施一批農(nóng)作物病蟲害智能監(jiān)測(cè)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(dòng)監(jiān)測(cè)為主體、精細(xì)人工監(jiān)測(cè)校樣點(diǎn)相協(xié)同的農(nóng)作物病蟲害多源數(shù)據(jù)獲取、傳輸、存儲(chǔ)、分析及智能化精準(zhǔn)預(yù)測(cè)平臺(tái)。