北京地区秋季日光温室黄瓜白粉病预测的贝叶斯网络模型研究

摘    要：为了准确预测日光温室黄瓜白粉病的发生，以日光温室水果黄瓜为试验材料，于2020年9—11月在北京市不同方位的4个日光温室内，运用无线网络环境监测系统对日光温室黄瓜的生长环境（空气温度、相对湿度、光照强度）进行了实时动态监测，并同步进行白粉病流行调查。采用贝叶斯网络模型建立日光温室黄瓜白粉病预测模型，预测黄瓜白粉病是否发病，并与田间观测的实际发病情况进行比较。结果表明，模型在4个温室和整体预测发生准确度 ACC（Accuracy）分别为0.95、0.92、0.91、0.87、0.87，约登指数J（Youden Index）分别为0.90、0.86、0.84、0.70、0.74。表明模型在预测整体和各个温室效果较好，具有良好的普适性，可为实际生产中黄瓜白粉病预测提供参考。

关键词： 黄瓜;白粉病;贝叶斯网络;预测模型

中图分类号：S642.2 文献标志码：A 文章编号：1673-2871（2022）02-020-08

Prediction of cucumber powdery mildew in autumn solar greenhouse in Beijing based on Bayesian network model

WEI Shaowei1，2， REN Aixin2， ZHAO Jingxuan2， YANG Xinting2， LI Ming1，2， LIU Huiying1

（1. Key Laboratory of Cultivation Physiology and Germplasm Resources Utilization of Featured Fruits and Vegetables of Xinjiang Production and Construction Corps/College of Agriculture， Shihezi University， Shihezi 832003， Xinjiang， China; 2. National Engineering Laboratory for Quality and Safety Traceability Technology and Application of Agricultural Products/Information Technology Research Center， Beijing Academy of Agriculture and Forestry Sciences /National Engineering Research Center of Information Technology in Agriculture/Meteorological Service Center of Urban Agriculture， China Meteorological Administration-Ministry of Agriculture and Rural Affairs， Beijing 100097， China）

Abstract： To accurately predict the occurrence of cucumber powdery mildew in solar greenhouse， four solar greenhouses were chosen in Beijing from September to November 2020， using the wireless network environmental monitoring system and real-time dynamic monitoring to collect cucumber growth environment （air temperature， humidity， light intensity） and powdery mildew data. A forecast model of cucumber powdery mildew in solar greenhouse was developed using the Bayesian network model， the incidence of cucumber powdery mildew predicted was and compared with field observation. The model performed well in four greenhouses with the accuracy ACC= 0.95， 0.92， 0.91， 0.87， 0.87， and the Youden Index J=0.90， 0.86， 0.84， 0.70， 0.74; The results showed that the model had a good prediction at all greenhouse and each greenhouse level， and could provide a guide for powdery mildew management in the actual production.

Key words： Cucumber; Powdery mildew; Bayesian network; Prediction model

白粉病（Erysiphe cucurbitacearum Zheng & Chen）是瓜类生产上的重要病害，在我国各地保护地和陆地的多种瓜菜上普遍发生[1]。一般在黄瓜生长中、后期病情发展传播迅速，会导致大量减产，造成较为严重的经济损失[2]。若不及时防治会造成整株被白粉病层覆盖，不仅会降低植株的光合效率，还会导致整株枯萎和植株过早衰老，严重影响黄瓜的品质和产量[3]。病害的早期预防及防治对病害的发生及控制极其关键，因此在病害发生之前对黄瓜白粉病进行准确快速的预测具有重要意义。

黄瓜白粉病流行趋势主要受寄主、气候条件、病原三方面的因素影响[4]。其中，温度[5]、光照[6]和湿度[7]是影响该病害流行的重要因素。基于这些影响因素，植保专家和学者结合多年的田间生产经验总结和建立了多种黄瓜白粉病的田间预测预报方法，如卷积神经网络[8]、逐步回归法[9]、图像识别[10]、物联网技术[11]等。徐宁[9]通过人工接种和模拟高温高湿环境的方法研究了黄瓜白粉病的发生和流行趋势，采用回归分析，建立黄瓜白粉病始病期与流行程度预测，结果表明效果模型较好。李磊福等[12]采用逐步回归分析法构建温室甜瓜白粉病的流行预测模型。结果表明，该模型具有很强的实用价值。尹哲等[13]采用回归分析技术，建立了温室大棚中黄瓜白粉病流行趋势（病情指数）与湿度、温度间关系的预测模型，结果表明模型预测效果比较好。

针对黄瓜白粉病的预测大多采用多元回归等方法，但是这些方法无法揭示变量之间的因果关系，甚至不能进行推理验证。而贝叶斯网络却可以反映变量之间的因果关系，还能进行推理[14]，并且在解决问题方面具有明确、直观等优点，已成为各界学者的研究热点，在农牧业领域研究比较多，包括农产品质量安全预测[15]、农业环境分析[16]、大田作物病害预测[17-18]以及农业工程中的故障诊断[19]等;迄今，在包括小麦[20]、番茄[21]、葡萄[22]等多种植物上，已经成功建立了白粉病的贝叶斯网络预测模型，均在白粉病的预测预报方面取得了超越传统方法的良好效果。然而，通过贝叶斯网络建模来预测温室黄瓜白粉病的发生情况尚未见报道。因此，笔者以温室黄瓜种植期间的环境和病害发生情况数据作为样本，采用贝叶斯网络建模技术，建立了温室黄瓜白粉病预测贝叶斯网络模型，为病害预防奠定基础。

1 材料与方法

1.1 材料

供试黄瓜品种：京研迷你2号水果黄瓜，属于中抗白粉病，由国家蔬菜工程技术研究中心提供。仪器：温室小气候监测点（Enviro monitor，Davis instruments，Hayward，California，USA），Enviro Monitor 无线网络环境监测系统（美国 Davis Instruments）。

1.2 温室黄瓜定植

试验于2020年9—11月在北京市昌平区小汤山国家精准农业试验基地（5号）温室、海淀区首农庄园（9号）温室、房山区弘科农场日光（6号）温室、大兴区裕农公司（7号）温室内中进行，温室由聚乙烯薄膜覆盖，东西延长坐北朝南。于9月定植，并建立生产档案，如实记录灌溉、施肥、夜间通风等栽培管理措施。

1.3 温室黄瓜白粉病调查

调查采用五点取样法，沿对角线选取5个调查样点，每个样点标记12株，发病前每隔2 d观察1次，待发现白粉病粉层后每隔4～5 d观察1次，统计发病情况并根据 GB/T 17980.26—2000 对病害严重度进行分级和记录。所有温室黄瓜植株的白粉病病情指数≥5%时结束调查。

发病程度以病情指数表示，病情指数计算公式为：

病情指数=[Σ（各级病叶数×相对代表值）调查总叶数×9]×

100%。                （1）

黄瓜白粉病分级标准如下[2]：

0 级：无病斑;1 级：病斑面积占整个叶面积 5%及以下;3 级：病斑面积占整个叶面积 6%～10%;5 级：病斑面积占整个叶面积 l1%～25%;7 级：病斑面积占整个叶面积 26%～50%;9 级：病斑面积占整个叶面积 51%及以上。

笔者调查小汤山基地、弘科农场、首农庄园、裕农公司白粉病发病情况，待发现白粉病粉层到病害调查结束共调查4次，根据调查情况进行病情指数计算，所得病情指数为 9.90%、8.37%、9.07%、7.12%，结束调查，并及时进行防治。

1.4 温室环境数据采集

为了采集温室气温、相对湿度、太阳辐射强度和地温等环境数据，在温室病害调查点安装温室小气候监测节点（Enviromonitor，Davis instruments，Hayward，California，USA）。仪器采用 Enviro Monitor 无线网络环境监测系统（美国 Davis Instruments），温室内仪器设置记录数据时间间隔均为 15 min，每 15 min对温室内的气温、相对湿度、太阳辐射强度和地温等数据实时观测并储存，数据通过设备上的无线传输模块和手动下载相结合来收集。

1.5 模型驱动因子的筛选

不同黄瓜品种在抗病原菌侵入方面差异不显著，而在病害扩展速度上有显著差异，所以品种抗性不作为预测模型的驱动因子，选用温度、湿度作为预测模型的驱动因子[23]。此外，太阳辐射强度和地温也是黄瓜白粉病发生的影响因素。因此，选择气温、相对湿度、太阳辐射强度和土壤温度作为模型的驱动因子。

1.6 模型评价

笔者在本试验中采用国际上广泛使用的模型检验方法：R2（决定系数）计算模型的拟合度，均方误差MSE（Mean squared error）评估模型的精度来描述试验样本。均方根误差RMSE（Root mean squared error）对预测值与实际值之间的符合度进行统计分析，用准确度ACC（Accuracy，公式（2））和约登指数 J（Youden Index， 公式（3））来评价，其中TP（True positive）是真阳性比例，FN（False negative）是假阴性比例，FP（False positive）是假阳性比例，TN（True negative）是真阴性比例[24]。

[ACC=TP±TNTP±FN±FP±TN];      （2）