通过神经网络预警玉米叶和虫的季节性动态
Ademar Novais Istchuk1, Elizeu Sá Farias2, Josemar Foresti3
1Crop Protection Discovery & Development, Corteva Agriscience™, Toledo, Paraná, Brazil. ademar.istchuk@corteva.com.
International journal of biometeorology
|March 21, 2025
概括
人工神经网络准确地预测玉米叶 (CL) 种群和病原体感染,有助于对这一重要的玉米害虫进行综合性害虫管理 (IPM).
科学领域:
- 农业昆虫学 农业昆虫学
- 植物病理学 植物病理学
- 机器学习应用 机器学习应用
背景情况:
- 玉米叶 (CL),Dalbulus maidis,是巴西的主要玉米害虫,传播有害的衰老病原体.
- 这些病原体在玉米生产中造成显著的产量损失,需要有效的控制策略.
研究的目的:
- 为了研究CL的丰富性,病原体感染 (玉米特技螺旋体 - CSS和玉米灌木特技植物体 - MBSP) 和环境因素之间的关系.
- 使用人工神经网络 (ANN) 开发CL群体和病原体感染的预测模型.
主要方法:
- 在巴西四个玉米生产地区利用了2019-2023年的监测数据.
- 开发并验证了三个ANN模型,包括天气变量,年度日 (DOY) 和玉米季节.
- 确定了包括相对湿度,温度,风速,DOY,玉米季节和CL丰度在内的关键预测输入.
主要成果:
- ANN模型显示了CL丰度 (0.71) 的强烈验证相关性,以及CSS (0.81) 和MBSP (0.81) 感染的实质性协议.
- 模型成功地预测了全年CL种群和病原体感染.
- 识别了可管理的因素,如志愿者移除植物和优化种植窗口以控制.
结论:
- ANN是预测载体种群动态和Dalbulus maidis植物病原体感染的可靠工具.
- 这些发现为针对CL和相关疾病的综合性害虫管理 (IPM) 策略提供了指导.
- 控制志愿植物和管理种植季节对于缓解CL和性传播至关重要.
