学术咨询服务正当时学报期刊咨询网是专业的学术咨询服务平台！
发布时间：2021-08-11 17:16所属平台：学报论文发表咨询网浏览： 次
摘要:作物侵染性病害是影响作物安全生产的重要生物灾害，具有突发性、暴发性和强流行性等特点，常常造成巨大的损失。近年来，随着病菌孢子捕捉、遥感、地理信息系统、卫星定位系统、大气环流分析、分子生物学、人工智能、大数据和物联网等技术的快速发展与应
摘要:作物侵染性病害是影响作物安全生产的重要生物灾害，具有突发性、暴发性和强流行性等特点，常常造成巨大的损失。近年来，随着病菌孢子捕捉、遥感、地理信息系统、卫星定位系统、大气环流分析、分子生物学、人工智能、大数据和物联网等技术的快速发展与应用，作物病害监测预警技术也取得了重要进展，大幅度提高了对病害监测和预测的准确度。本文综述了小麦、水稻、玉米和马铃薯等粮食作物的6种重大病害监测预警工作的研究进展及应用情况。同时，探讨了我国作物病害监测预警工作中存在的主要问题，提出了未来作物病害监测预警的前景和发展方向。
关键词:孢子捕捉;实时定量PCR;3S技术;智能化
中国是世界第一大粮食生产国、消费国和进口国，这将在很长一段时间成为中国粮食供求状况的特征，也对中国粮食安全保障提出了新的要求和挑战(曹宝明等，2021)。粮食安全始终是国家安全、社会稳定和经济发展的重要基础(陈印军，2020)。无论是20世纪60年代党中央提出的―以粮为纲，全面发展‖方针，还是现在为确保粮食产能而提出的―藏粮于地、藏粮于技‖新思路(黄季焜，2021)，都体现了粮食安全的重要性。但是，全球每年因病虫草害造成的粮食损失约为作物总产量的30%～40%，其中因病害造成的损失约为14%(Strange&Scott，2005)，成为影响作物产量的重要因素之一。
据2013年《农业部关于加快推进现代植物保护体系建设的意见》报告，近年来，我国农作物病虫害呈多发、重发和频发态势，跨国境、跨区域的迁飞性和重大流行性病虫暴发频率增加，一些地域性和偶发性病虫发生范围扩大、发生频率增加且危害程度加重。我国作物病虫害每年发生面积约852万hm2，并以每年0.05%的速度显著增长(赵淼等，2015)。
2020年，我国农业农村部颁布的《一类农作物病虫害名录》7种一类病害中有5种是粮食作物病害，即小麦条锈病、小麦赤霉病、稻瘟病和马铃薯晚疫病(农业农村部种植业管理司，2020)。此外，小麦白粉病(霍治国等，2002)、小麦黄矮病(宋维孝，2016)、南方水稻黑条矮缩病、玉米大斑病(浦子钢，2010)、玉米锈病(田耀加等，2014)、马铃薯黄萎病(鹿秀云等，2020)和马铃薯黑痣病(陈万利，2012)等也是引起作物产量严重损失的常发流行性病害。当前和今后一段时间内，农药防治仍然是我国作物病害防治的重要措施。但是，过度依赖农药会导致环境污染和农产品质量安全等重大问题。
“十三五”期间，国家提出农药减量增效的战略需求，聚焦主要粮食作物、大田经济作物、蔬菜和果树，启动了系列重点研发计划，以期按照―基础研究、共性关键技术研究、技术集成创新研究与示范‖全链条一体化设计，强化产学研协同创新，解决农药减施增效的重大关键科技问题，为保障国家粮食安全、生态安全和农产品质量安全提供有力的科技支撑。期间，农业措施、作物病害监测预警和科学用药等发挥了重要作用。
“十四五”规划开启之年，国家提出以保障粮食安全为底线，健全农作物病虫害防治体系，建设智慧农业。2020年5月1日起，国务院颁布施行的《农作物病虫害防治条例》指出，监测预警是做好农作物病虫害防控的前提和基础(刘杰等，2020)。我国的作物病虫害监测预警工作始于20世纪50年代。1955年，农业部颁布了《农作物病虫害预测预报方案》，20世纪60年代起，农业部组织专业人员整理印发全国主要病虫基本测报资料汇编，供全国从业人员使用。1987—1990年，农业部对15种重大病虫害按照国家标准编制测报调查规范，并于1995年在全国范围内实施，成为新中国成立以来首批植物病虫害测报调查规范国家标准(刘万才等，2010)。
在过去的60余年中，我国病虫害预测预报工作已经取得了长足的进步和发展，特别是在测报的标准化、信息化、网络化、规范化等方面成效显著，并提出了电视、广播、手机、网络和明白纸―五位一体‖的作物病虫害测报结果发布新模式(胡小平，2016)。2009年以来，在农业部的高度重视和大力支持下，我国农作物重大病虫害监测预警信息化建设快速发展，初步建成了国家农作物重大病虫害数字化监测预警系统平台(刘万才和黄冲，2015);2019年，西北农林科技大学成立了中国首个作物病虫草害监测预警研究中心，为病虫草害监测预警研究的深入开展奠定了基础。近年来，作物病害监测预警新技术不断发展，进一步提高了重要作物病害监测预警的质量和水平。
作物病害监测预警涉及病原菌接种体数量、感病寄主植种植物面积以及环境条件等因素。本文以小麦条锈病、小麦赤霉病、小麦白粉病、稻瘟病、马铃薯晚疫病和玉米大斑病等为监测预警对象，整理综述了基于孢子捕捉、3S、大气环流分析、分子生物学和智能化等技术在病害监测预警中的研究和应用概况，并对作物病害监测预警的前景进行展望，以期提升作物病害的防灾减灾水平，增强重大病情监测预警和防控处置能力，为加快推进现代植物保护体系建设提供理论基础和技术支撑。
基于孢子捕捉技术的作物病害监测预警病菌孢子捕捉技术主要针对气传性真菌病害，病菌孢子体积小、质量轻，可随气流远距离传播，是病害发生和流行的关键因素。孢子捕捉根据捕捉方式可分为被动撞击和主动吸入2种(马占鸿，2010);根据捕捉方法可分为水平玻片法(曹青等，2004)、培养皿法(张华旦，1984)、捕捉棒法(Frenz&Elander，1996)、捕捉带法(刘伟等，2018)和离心管法(Guetal.，2018)等。这些方法主要通过在载体上涂抹黏性物质来黏附空气中的孢子或通过空气动力装置将孢子收集至载体上，并定期带回室内，通过显微镜人工识别计数、实时荧光定量PCR(real-timequantitativePCR，qPCR)、抗体识别或图像自动识别计数来实现病害侵染源数量的监测，结合环境、寄主抗病性等因素进行病害的预警。
1.1病菌孢子捕捉技术在作物病害监测中的应用
国外的孢子捕捉技术研究起步较早，Hirst在1952年就设计出了自动定容式孢子捕捉器，空气通过一个窄孔口被吸入，着落在移动速度为2mm/h的玻片上，而且取样器带有风向标可保持取样口正对风向(Hirst，2010)。Hirst孢子捕捉器在后期被Burkard定容式孢子捕捉器所替代，这种捕捉器吸入孢子后，可以着落在表面有胶带的鼓上，而鼓与1个每7d旋转1圈的时钟连接，因此可以捕捉7d的孢子(马占鸿，2010)。
Rotorod在1957年设计出旋转垂直胶棒捕捉器，该捕捉器是通过1对垂直的黏性棒高速旋转，与孢子发生碰撞来收集孢子(Frenz&Elander，1996)。国内的孢子捕捉技术研究始于1956年，晋淓和曹功懋(1956)用载玻片涂油捕捉空气中稻瘟病菌Magnaportheoryzae孢子，用染液涂染孢子区分其死活，显微镜观察计数，并建立了孢子数量和发病情况的数量关系。
小麦赤霉病菌Fusariumspp.孢子捕捉方法较多，张华旦(1984)发明了水盘琼脂培养法，对落入的小麦赤霉病菌孢子进行菌落培养和肉眼计数，建立了菌落数与病穗率的关系;周世明等(1989)利用自制的带遮雨帽的回转式电动孢子捕捉器，镜检2个玻片之间18mm×18mm面积内小麦赤霉病菌的孢子数量，证明了空气中子囊孢子数量与小麦赤霉病流行程度关系密切;Inchetal.(2005)利用旋转棒捕捉器捕捉研究了空气中小麦赤霉病菌的子囊孢子及大型分生孢子的季节性浓度变化动态规律。
在小麦白粉病菌Blumeriagraminisf.sp.tritici方面，周益林等(2007)利用车载移动式孢子捕捉器借助放有叶片的培养皿捕获小麦白粉病菌孢子，室内培养并统计每皿叶片上的侵染点数，建立了病菌孢子数与田间病害病情的关系;Caoetal.(2012)采用Burkard定容式病菌孢子捕捉器对田间空气中小麦白粉病菌孢子的日动态和季节动态进行了监测，明确了其变化规律及其与气象因子的关系;刘伟(2018)还采用Burkard定容式孢子捕捉器将吸附小麦白粉病菌孢子的捕捉带平均剪段进行显微观察计数，发现小麦白粉病菌孢子数与菌源中心的距离呈正相关。
在小麦条锈病菌Pucciniastriiformisf.sp.tritici方面，Guetal.(2018)利用带有8个1.5mL离心管的旋转盘式孢子捕捉器对小麦条锈病菌夏孢子进行捕捉，明确了甘肃省甘谷地区空气中小麦条锈病菌孢子的周年动态变化规律。在玉米大斑病菌Setosphaeriaturcica方面，于舒怡(2011)利用固定式孢子捕捉器(载玻片粘附凡士林)捕捉空气中玉米大斑病菌分生孢子并通过显微镜计数，明确了田间玉米大斑病菌孢子浓度动态变化规律。在病菌孢子捕获的基础上，计算机图像识别处理技术的应用极大提高了孢子识别技术的工作效率，在一定程度上降低了人工计数的误差。
Lietal.(2017)和Leietal.(2018)利用孢子捕捉和高清图像处理技术对小麦条锈病菌夏孢子进行自动检测和计数，平均准确率在95%以上。雷雨等(2018)和雷雨(2019)设计出了小麦条锈病菌夏孢子显微图像远程采集系统，实现了自动载玻片换取、涂脂、空中孢子捕捉、孢子显微图像采集及载玻片回收等一系列功能，对条锈病菌夏孢子自动识别和计数的准确率可达95%以上。王程利(2018)开发出了基于脉冲信号的智能病菌孢子捕捉仪，实现了小麦条锈病菌的高清显微成像，并将其与物联网技术结合，初步实现了小麦条锈病的远程智能监控。
1.2孢子捕捉技术在作物病害预警中的应用
近年来，基于病菌孢子捕捉技术建立的病害预警模型的研究逐渐成熟。Caoetal.(2012;2015a)和刘伟等(2016)通过对空气中小麦白粉病菌分生孢子的季节性和日变化动态监测，结合气象因子和田间实际病情，建立了基于气象因子和孢子浓度的小麦白粉病预测模型。
张永凯(2016)利用孢子捕捉和图像识别技术对稻瘟病菌进行自动识别和计数，建立了基于孢子数量和环境因子的稻瘟病预测模型，并能通过无线传输模块发送预警信息。周华月(1983)、陈宣民和袁超(1984)利用孢子捕捉器捕捉空气中的小麦赤霉病菌子囊孢子，并建立了基于孢子数量的小麦赤霉病预测模型，预测结果和实际发病情况高度吻合。病菌孢子捕捉技术是当前植物病害监测预警中常用的重要方法之一，但其应用受到诸多因素的限制。
首先，涂抹黏性物质的捕捉棒或玻片易受旋风、涡流、灰尘等影响，导致捕捉效能不高，如在中等风速下，获得的孢子数量的估计值要明显低于实际值;在高风速下，由于边缘效应或涡流的影响，使玻片表面很难截获病菌孢子(王程利，2018)，导致病害监测预警准确率降低;其次，在显微镜下对孢子进行计数的前提是能准确识别出目标病原菌孢子，这对我国基层植保技术人员来讲有一定难度，且显微观察费时费力，计数存在人为误差或者错误。
计算机图像识别技术可以自动识别捕捉到的病原菌孢子，较传统的孢子捕捉计数更加简便、准确和高效，能实现田间试验的无人值守(陶明超等，2016)。但是，拍摄照片的清晰度是影响孢子识别的一个重要因素，而孢子捕捉载体上黏性层的厚薄、平整度和杂质颗粒数量及大小，以及与目标病原菌形态学极其相似的其他病原菌孢子间难以区分，这些因素都会干扰对目标病原菌孢子的识别，降低监测预警的准确率(高士刚等，2017)。
2基于“3S”技术的作物病害监测预警
―3S‖技术，即遥感(remotesensing，RS)、地理信息系统(geographicinformationsystem，GIS)和全球定位系统(globalpositionalsystem，GPS)。―3S‖技术在近几年得到了快速发展，并逐步在作物产量估计、病虫害监测等方面发挥着重要作用。
2.1遥感技术在作物病害监测预警中的应用
植物病害的遥感监测始于20世纪30年代初期(Bawden，1983)，主要依据健康植株和发病植株在不同波段的差异性吸收和反射特性进行病害监测(Moshouetal.，2005;Sankaranetal.，2010)，根据监测距离的远近分为近地遥感、航空遥感和卫星遥感。近地遥感指在距离地面50m以内，利用安装在高塔或桅杆上的光学传感器探测地物光谱信息(Richardsonetal.，2013)。Zhaoetal.(2014)利用地物光谱仪对小麦抽穗期及灌浆期不同严重度的条锈病光谱信息进行了监测，建立了光化学反射率和病害严重度的线性回归函数。
王利民等(2017)和刘佳等(2019)对不同发病程度的玉米植株进行了监测，明确了玉米大斑病敏感波段位置的光谱特征并构建遥感监测指数，结果表明其与实际病情指数具有极显著相关性。Huangetal.(2019)通过ASD高光谱数据筛选出2个敏感光谱波长范围，建立了小麦赤霉病严重程度的反演模型，并证明了其可用于小麦赤霉病的准确监测。
Caoetal.(2013;2015b)还利用高光谱仪对2个不同抗感性品种、2种不同种植密度下受白粉病危害后的小麦冠层光谱反射率进行了研究，获得了可用于小麦白粉病监测的敏感光谱参数和时期，建立了基于高光谱参数的小麦白粉病监测模型，同时发现品种和种植密度对小麦白粉病监测模型无显著影响。
此外，近地遥感还应用于番茄晚疫病(Zhangetal.，2003)及甜菜褐斑病(Mahleinetal.，2010)等病害的监测。航空遥感主要是利用飞行器、高空气球和无人机等飞行工具搭载多光谱相机、高光谱相机和红外传感器等仪器对地物进行遥感监测。刘良云等(2004)利用高光谱航空图像监测冬小麦条锈病，并设计出了病害光谱指数，成功地监测了冬小麦条锈病发病程度与范围。
乔红波等(2006)发现利用无人机所获图像反射率与灌浆期小麦白粉病病情指数有显著关系。Liuetal.(2018)通过连续5年于小麦白粉病盛发期(小麦灌浆期)从距地面不同高度处获取的无人机航拍数字图像，分析发现图像参数lgR与病情指数或者产量在不同年度、不同高度间均存在较高的相关性，表明利用该图像数字参数监测小麦白粉病和预测产量是完全可行的，但同时也发现lgR与病情指数或者产量之间关系模型的稳定性在不同年度和高度间均存在一定差异，进一步分析表明不同的相机型号是其中重要的误差来源和影响因子。
Suetal.(2019;2020)利用多光谱相机和无人机对接种不同浓度条锈病菌的冬小麦进行时空监测，为田间病情调查和农田尺度下条锈病早期监测提供了重要指导。Sugiuraetal.(2016)利用无人机的RGB图像对马铃薯晚疫病田间发病情况进行评估，结果表明其估计误差小，可用于马铃薯晚疫病田间抗性的表型分析。梁辉等(2020)利用航空遥感技术监测了玉米冠层受到大斑病胁迫时的光谱响应情况，并构建了玉米大斑病的监测模型，该模型对玉米各生育期的监测均取得较好效果。除此之外，航空遥感在棉花根腐病和黄萎病(Yangetal.，2010;Jinetal.，2013)、葡萄条纹病(Albetisetal.，2017)和萝卜病害(Haetal.，2017)的监测方面均有应用。
作物病害卫星遥感是在火箭、人造卫星和载人宇宙飞船上安置各种传感器，对作物病害进行遥感监测。郭洁滨等(2009)通过高分辨率卫星遥感技术对小麦条锈病进行监测，通过光谱信息提取，建立了基于归一化差值植被指数(normailizeddifferencevegetationindex，NDVI)和比值植被指数(ratiovegetationindex，RVI)模型，该模型实现了对小麦条锈病的准确监测。除此之外，卫星遥感在小麦全蚀病(Chenetal.，2007)等病害的监测中也有报道。在病害预警中，马慧琴等(2016)通过遥感提取到的植被指数、地表温度和影像中各波段的反射率特征，结合Relief算法和遥感气象特征，构建了小麦灌浆期白粉病的发生预测模型，模型精度为84.2%。
遥感技术在病害监测预警中具有巨大的发展潜力，但也存在一些问题。首先，在监测中可能会出现―同谱异物‖和―异谱同物‖现象，即生物因素和非生物因素造成的病害可能具有相同或相似的光谱，或同一病害在作物的不同生育期产生的症状不同，造成光谱存在一定差异(Adamsetal.，1999);其次，只有当作物受到一定程度损害，表现出不同症状时，才能利用遥感技术进行监测，因此该技术存在监测滞后性;第三，遥感技术的预测准确率受自身分辨率、高空云层遮挡和图像获取频率等因素影响较大，稳定性和准确率等方面还有待提高;第四，无法对于冠层以下的叶部病害和茎秆病害进行有效监测。这些也是导致目前基于遥感技术建立的有效预测模型较少的原因。
3基于大气环流的病害监测预警
基于大气环流的病害监测预警是根据气传病害的病原菌随气流传播的特性，利用气象模型模拟其传播路径，并结合具体区域的地形地貌特征、病害发生时序等实际情况，对病害进行监测和预警。Panetal.(2006)利用Hysplit4和M5技术，建立了大豆锈病发生区域的预测模型，该模型提前数月准确预测了大豆锈菌从哥伦比亚进入美国东南部及其在各州的传播情况，并模拟了从非洲到南美洲以及从南美洲南部到哥伦比亚跨越赤道的传播过程。云晓微等(2007)对甘肃省平凉市、陕西省汉中市和河南省郑州市的高空风量风向数据进行分析，发现3地之间小麦条锈病的发生流行具有较高的相关性，交叉验证准确率最高可达93.8%。
王海光等(2009)对我国历史上小麦条锈病大发生的1960、1964、1975和1983等年份病菌远程传播进行了分析，结果表明小麦条锈病菌的远程传播及发生时间可通过计算大气环流运动来预测。尚志云等(2014)建立了基于大气环流特征量的河北省冬小麦白粉病预测模型，年前和春季病害发生程度预测模型的历史回代拟合准确率分别为81.0%和90.5%。在稻瘟病方面，徐敏等(2017)建立了基于大气环流指数的稻瘟病预测模型，预测结果和实际发生情况高度吻合。
Singhetal.(2011)采用Hysplit对1999年在乌干达首次发现的强毒性小麦秆锈病小种Ug99的远距离传播进行了分析和预测，以2007年已传入Ug99的伊朗为菌源基地进行分析，结果发现该病菌可随气流向东传播，也有可能向北传播到高加索和中亚地区。基于大气环流的病害监测预警只考虑了气流运动对病害发生流行的影响，虽然能够模拟出病原菌的高空远程传播路线，但是病原菌着落地区感病寄主是否存在、当地环境条件是否适宜病害发生等均未涉及。在对病害的监测预警中，只有全面考虑与病害发生流行相关的因素，构建病害预测模型，才能进一步提高病害监测预警的准确率。
4基于分子技术的病害监测预警
目前，分子技术已应用于病害流行学的许多领域，展现出巨大的潜力和快速发展趋势，在作物病害的监测预警中也发挥着不可或缺的作用。
4.1基于分子技术的病害监测
分子技术可以实现对作物病害的准确监测，解决了一些用传统植物病害流行学方法无法或很难解决的问题(曹学仁和周益林，2016)。例如，在田间病害调查中，处于潜伏期和潜育期的病菌无法通过肉眼观察来识别，且在病害显症后才能被发现和开展防治，导致病害防治不及时，效果差。目前，监测菌源量常用的分子生物学方法主要有qPCR和数字PCR(曹学仁和周益林，2020)。qPCR由于能实现病菌的实时监测和准确定量而被广泛应用，可分为基于DNA水平的qPCR和基于RNA水平的qPCR。
在DNA水平qPCR定量方面，Barnes&Szab(2007)实现了定量检测潜伏在小麦叶片中的条锈菌量;潘娟娟等(2010)利用该技术建立了田间小麦叶片中条锈菌DNA量的检测方法;Zhengetal.(2013)利用qPCR方法分别对田间不同地区未显症小麦叶片进行检测，并与实际调查的小麦条锈病和白粉病病情指数进行比较，结果表明不同地区小麦叶片样品qPCR检测的分子病情指数与实际病情指数之间有显著的相关性;Caoetal.(2016)和Guetal.(2018)分别利用该技术对空气中小麦白粉病菌和小麦条锈病菌进行定量监测，明确了田间空气中小麦白粉病菌和条锈病菌孢子浓度的动态变化规律。
郭丽丽等(2019)对空气中的小麦条锈病菌夏孢子进行qPCR定量，明确了我国陇南地区小麦条锈病菌夏孢子密度的周年动态规律;许燎原等(2016)对空气中稻瘟病菌孢子进行qPCR定量，实现了最低检测限为2.4~24.0个分生孢子基因组DNA;王强等(2012)利用双重qPCR方法，建立了一种能够同时检测出南方水稻黑条矮缩病毒(southernriceblack-streakeddwarfvirus，SRBSDV)在水稻植株和其传播介体白背飞虱ogatellafurcifera单头虫体内的定量检测方法。基于RNA水平的qPCR定量相关研究报道较少，乔佳兴等(2013)运用基于RNA水平的qPCR技术确立了室内小麦条锈菌活体菌量监测技术体系;马丽杰(2015)利用该技术构建了田间越冬小麦叶片中活体条锈菌量的检测方法，明确了我国甘肃省和青海省不同地区的小麦条锈菌越冬菌量。
4.2基于分子技术的病害预警
目前，利用qPCR技术进行病害预警的报道逐渐增多。如郑亚明(2010)和闫佳会等(2011)分别利用该技术监测田间潜伏侵染的小麦白粉菌和条锈菌，并利用分子病情指数与实际病情指数的相关性分别预测了小麦白粉病和条锈病的发生情况;刘伟(2018)建立了基于分子病情指数和1—3月平均温度的小麦白粉病早春预测模型;马丽杰(2015)利用qPCR技术监测越冬后存活的小麦条锈菌，结合温度及湿度等气象因子分别构建了甘肃省和青海省返青期小麦条锈病发病株率的预测模型;Dharetal.(2019)利用qPCR技术对空气中莴苣霜霉病菌Bremialactucae的孢子量进行监测，证明当空气中的孢子浓度为8.55个/m3时需要进行霜霉病防控。
利用分子技术进行病害监测预警能够及时、快速、准确的监测到潜育期的病原菌，可以提前指导作物病害的田间防控。这种分子检测技术在田间应用时，特别是在病害处于潜育阶段时，面临如何从数量巨大的寄主植物上按照什么样的取样方式以及取多少样的问题。同时，利用分子技术进行病害监测预警所用试剂和仪器昂贵，且操作较为复杂，这对于基层的植保人员来说有一定的难度。
5基于智能化技术的病害监测预警
近年来，人工智能发展迅速，在很多学科领域都获得了广泛应用。目前，国内外已建立了一些基于智能化技术的重大病害监测预警系统，提高了对病害监测预警的准确率和时效性，为作物重大病害的科学防控奠定了基础。
农作物论文范例： 我国作物秸秆资源时空变化特征及其影响因素分析
6面临的问题及展望
作物病害监测预警工作是植保工作的重要组成部分，是实现作物病害科学精准防控，减少农药使用量的重要技术保障之一。目前，各种新兴技术已广泛应用于作物病害监测预警中，并取得了快速发展。但整体看来，我国作物病害监测预警工作还有很多方面需要改进和提高。首先，多数病害的预测模型是基于田间数据的回归模型，缺乏基于病害流行学的预测模型，导致预测的准确度低且不稳定;第二，重大病害流行预警基础及应用研究投入不足，研究队伍青黄不接，经费支持少且不稳定，年轻一代科学家对其重要性认识不够，都涌向做分子植物病理学相关研究。
第三，基层测报队伍人员少且不稳定，专业化水平不高，采集的作物病害田间基础数据不及时、不准确、不完善、不系统。第四，我国的病害监测预警与国外相比，在认知、推广与普及上仍有待加强。病害 监测预警应采取微观和宏观相结合、传统方法和新兴技术相结合，建立并运用预测模型来实现作物病害的智能化和自动化预测，必将成为未来病害监测预警的发展方向。
作者：胡小平1*户雪敏1马丽杰1,2黄冲3周益林4徐向明5
转载请注明来源。原文地址：http://www.xuebaoqk.com/xblw/6787.html
《作物病害监测预警研究进展》