基于贝叶斯网络的小麦条锈病小尺度时空传播模型研究

开展小麦条锈病小尺度流行诊断和时空传播模型研究，对于促进小麦条锈病预测防治从大尺度中长期预测走向小尺度短期精准预测与防控具有重要的意义。项目针对小麦条锈病小尺度流行和浸染规律，结合多年条锈病测报数据和诱导实验数据，提出构建基于贝叶斯网络的小麦条锈病小尺度流行诊断和时空传播模型，通过开展不同尺度格网下小麦条锈病诱导实验，获取其在不同尺度下的发生流行和时空传播规律，从而对模型的尺度精确选择、小麦条锈病小尺度流行诊断模型的结构学习方法和时空传播模型的参数学习方法进行研究确定，构建符合小麦条锈病浸染规律的贝叶斯网络模型，通过与影像像素尺度和地块尺度的病害测报或反演数据对比来进行模型精度验证。

小麦条锈病属于真菌性多循环气传病害，其孢子可在风的作用下进行远距离传播，是小麦生产过程中一种破坏性较强的流行性病害。如何在小麦条锈病发病早期对条锈病在时空上的动态变化进行有效预测，一直以来成为重要研究内容。本项目围绕上述问题，主要开展了以下三个方面的研究工作：.首先，采用贝叶斯网络方法，基于对条锈病发生影响较大的四个关键气象因子(气温、相对湿度、降雨量、日照时数)构建一个用于预测小麦条锈病发生环境适宜性的贝叶斯网络模型。采用预测日前7天的气象数据作为预测变量，对预测日起7天后条锈病发病的环境适宜性进行预测，并对我国小麦条锈病重要流行区域——甘肃省东南部地区2010-2012年病害发生情况进行预测。模型在返青期至乳熟期输出的病害发生情况与实际调查结果吻合度分别为62.92%，63.18%，79.48%，94.75%，能够为小麦病害防控提供辅助决策信息。.其次，基于MODIS的归一化植被指数数据、四月中旬前主要菌源地发病面积数据以及气象数据，采用适合小样本量的支持向量机方法建立小麦条锈病发病程度的预测模型，对五月上旬之后条锈病所能到达的最大发病程度进行预测。并对我国小麦条锈病重要流行区域——甘肃天水及周边区域和陕西关中平原地区2010-2012年条锈病发生情况进行预测。加入遥感数据后模型的预测总体精度由未加入遥感数据的50%提高到66.67%，且对于严重发病情况的预测准确度由55%提高到82%。.最后，基于气象因子、小麦植株营养状况信息、已发病地区的发病程度及发病面积数据和影响条锈病空间传播的风场、空间距离、空间位置关系以及小麦种植区域在空间上的分布等因素，在县域尺度上构建了一个基于贝叶斯网络的小麦条锈病空间传播推理模型。并对我国小麦条锈病重要流行区域——甘肃省东南部地区2010年的条锈病在空间上的传播过程进行推理预测，模型预测准确率为82.18%，预测的条锈病在空间上的扩散情况与实际扩散情况高度一致。.本项目完成了任务书规定的任务及考核指标，发表论文23篇，其中SCI检索8篇，EI检索14篇。