科研之友
微信
新浪微博
Facebook
分享链接
摘要
小麦条锈病是导致小麦大规模减产的气传性病害，其传播扩散过程受多种因素影响，常用的作物病害气象预测模型难以准确模拟。为实现小麦条锈病发病率的精准预测，提出一种基于气象和遥感数据建立的SEIR-StripeRust动态预测模型。以甘肃省陇南地区为研究区，首先基于气象数据和MODIS遥感数据分别构建气象因子和植被指数，然后与发病率进行相关性分析筛选敏感因子并耦合基本感染率，进而建立SEIR-StripeRust模型，最后采用后向传播神经网络(BPNN)、支持向量回归(SVR)和多元线性回归(MLR)模型对比验证SEIR-StripeRust模型的有效性。结果表明：平均气温、相对湿度和归一化植被指数与小麦条锈病发病率显著相关，其建立的SEIRStripeRust模型预测精度最高，决定系数R2达到0.79，均方根误差RMSE为0.10，平均绝对误差MAE为0.09，均优于相同特征变量下的BPNN、SVR和MLR模型。研究结果表明SEIRStripeRust模型能够有效预测小麦条锈病发病率，并为县域尺度的小麦条锈病预测和精确防控提供技术支持。
- 单位
