脊柱虫叶斑流行病学的混合建模:使用遥感和环境数据集成机械学和机器学习方法

科学领域:

• 植物病理学 植物病理学
• 农业气象 农业气象学
• 遥感 遥感 遥感 遥感

背景情况:

• 叶斑Cercospora对甜菜生产构成重大威胁,影响产量和质量.
• 现有的预测模型往往缺乏整合各种数据源,如机械,气象和无人机数据.

研究的目的:

• 通过整合机械,气象和无人机数据,开发和验证Cercospora叶斑的统一预测框架.
• 评估疾病严重程度和发病对甜菜产量和糖含量的影响.

主要方法:

• 实地试验于2020-2022年进行,在不同的杀菌剂方案和人工接种下,对易受感染的甜菜品种进行了实地试验.
• 在整个生长季节都监测了疾病的严重程度,空气传播的注射剂和产量.
• 开发了混合模型,集成多源数据,包括气候变量,无人机光谱结构指数和机械共变量.

主要成果:

• 观察到显著的治疗差异,疾病的潜伏期持续7-12天,子峰值在严重程度的快速增加之前.
• 产量损失与疾病严重程度直接相关,影响了根的新鲜量和糖含量.
• 综合混合模型实现了高预测准确度,在所有监测参数中显著降低了根平均平方误差 (RMSE),比较简单的模型提高了39%.

结论:

• 开发的混合模型在预测Cercospora叶斑方面取得了重大进展,超过了以前的方法.
• 通过综合数据分析了解疾病流行病学,可以为甜菜提供更有效的疾病管理策略.
• 该框架支持加强作物保护和改善农业决策.