基于深度學(xué)習(xí)的貴州辣椒蚜蟲發(fā)生氣象條件 預(yù)測模型初報

劉凱歌 吳康云 邢 丹 宋 敏 牟玉梅 李 明,3*

（1. 貴州春芯科技有限公司， 貴陽 550081； 2. 貴州省農(nóng)業(yè)科學(xué)院辣椒研究所， 貴陽 550025； 3. 北京市農(nóng)林科學(xué)院信息技術(shù)研究中心/國家農(nóng)業(yè)信息化工程技術(shù)研究中心/農(nóng)產(chǎn)品質(zhì)量安全追溯技術(shù)及應(yīng)用國家工程研究中心/中國氣象局-農(nóng)業(yè)農(nóng)村部都市農(nóng)業(yè)氣象服務(wù)中心/農(nóng)業(yè)農(nóng)村部農(nóng)產(chǎn)品冷鏈物流技術(shù)重點實驗室（北京）， 北京 100097； 4. 石河子大學(xué)農(nóng)學(xué)院/特色果蔬栽培生理與種質(zhì)資源利用兵團重點實驗室， 新疆石河子 832003）

辣椒作為世界上栽培面積最大的調(diào)味作物，深受人們喜愛，其維生素C含量居蔬菜首位，且具有較高的藥用價值。貴州是我國辣椒主產(chǎn)地，隨種植面積的不斷擴大和連續(xù)種植，病蟲害發(fā)生與危害逐年加劇，特別是在高溫多雨季節(jié)更易導(dǎo)致病蟲害爆發(fā)流行，造成辣椒產(chǎn)量大幅下降甚至絕收，成為制約辣椒產(chǎn)業(yè)發(fā)展和農(nóng)民增收的瓶頸。

蚜蟲是辣椒生產(chǎn)中高發(fā)害蟲之一，聚集在辣椒葉片、花梗及果實上吸食汁液獲取營養(yǎng)，造成辣椒大幅減產(chǎn)并降低果實品質(zhì)。蚜蟲還是多種病毒的傳播媒介，極易引發(fā)病毒病。因此，通過對蚜蟲發(fā)生情況進(jìn)行預(yù)測，進(jìn)而為農(nóng)戶提供防治信息及用藥指導(dǎo)、降低蚜蟲為害損失至關(guān)重要。由于蚜蟲種群分布范圍廣、繁殖力強，導(dǎo)致溯源難度大、蟲量調(diào)查復(fù)雜。結(jié)合蚜蟲生活習(xí)性，通過分析其與環(huán)境條件的相關(guān)性，作為預(yù)測蚜蟲是否發(fā)生的參考依據(jù)。陳敏等采用數(shù)理統(tǒng)計法對蚜蟲發(fā)生情況進(jìn)行了回歸分析預(yù)測，但這種方法比較復(fù)雜，需要對多年數(shù)據(jù)進(jìn)行擬合，使用不當(dāng)則會降低病害預(yù)測的可信度和準(zhǔn)確性。隨著大數(shù)據(jù)、機器學(xué)習(xí)和遙感等技術(shù)的不斷發(fā)展與成熟，應(yīng)用在蚜蟲預(yù)測上的方法和預(yù)警水平得到了極大改善，高風(fēng)昕、王秀美等、唐翠翠等、李文峰等、Holloway等、Worner等分別結(jié)合氣象數(shù)據(jù)，利用機器學(xué)習(xí)、深度學(xué)習(xí)技術(shù)，基于蚜蟲物候期相關(guān)數(shù)據(jù)構(gòu)建了預(yù)測模型，但尚未見應(yīng)用于辣椒蚜蟲預(yù)測的研究報道，且這些方法對長時間序列數(shù)據(jù)的提取能力較差。由于缺乏記憶能力，這些模型在基于學(xué)習(xí)過程對數(shù)據(jù)進(jìn)行預(yù)測時的魯棒性受到了限制，可能導(dǎo)致準(zhǔn)確率降低等。

長短期記憶（Long Short-Term Memory, LSTM） 神經(jīng)網(wǎng)絡(luò)是由Hochreiter等提出的循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Network, RNN）的變體，常用于解決存在長期依賴問題的時間序列數(shù)據(jù)預(yù)測。其通過改變內(nèi)部結(jié)構(gòu)，優(yōu)化RNN在迭代過程中的梯度消失和梯度爆炸問題，已廣泛應(yīng)用于軌跡預(yù) 測、空氣污染預(yù)測、電力負(fù)荷預(yù)測、交通流量預(yù)測、股票預(yù)測等領(lǐng)域，并取得了良好的效果。本文通過氣象站采集的辣椒生長期間的氣象數(shù)據(jù)，結(jié)合人工調(diào)查蚜蟲發(fā)生情況，采用深度學(xué)習(xí)技術(shù)，構(gòu)建基于LSTM的蚜蟲發(fā)生預(yù)測模型，為辣椒種植根據(jù)氣象變化和預(yù)測結(jié)果及時采取防治措施提供參考。

1 材料與方法

1.1 試驗時間與地點

試驗于2021年6—9月在貴州省辣椒研究所遵義官莊基地 （27.44°N，107.12°E）開展，選擇本地有代表性的中上等肥力水平、地勢平坦、向陽、前作一致、肥力均勻、排灌方便的地塊作為試驗地。

1.2 試驗材料

栽培辣椒品種為“黔椒8號”，由貴州省辣椒研究所提供。田間按1.3 m連溝開廂，廂面寬80 cm，畦高20 cm，行距60 cm，株距40 cm，過道50 cm，廂植兩行，單株定植，間設(shè)2廂保護行，小區(qū)面積546 m。

1.3 試驗設(shè)計

田間部署一套氣象站，監(jiān)測辣椒生長環(huán)境數(shù)據(jù)。選取5個小區(qū)、100株辣椒進(jìn)行蚜蟲發(fā)生情況的系統(tǒng)調(diào)查，掛牌定點（定株）每日調(diào)查蟲害發(fā)生時間、生育期、發(fā)生嚴(yán)重程度等。6月23日辣椒初花期時初次監(jiān)測到蚜蟲發(fā)生，7月3日達(dá)到4 881頭/百株的危害高峰期。

1.4 試驗方法

1.4.1 模型變量選取 溫度、濕度、風(fēng)速、降雨量等氣象因子是影響蚜蟲消長動態(tài)變化的決定因素。本文選取氣象站每30 min采集的溫度、相對濕度、風(fēng)速、太陽輻射強度、降雨量作為模型輸入變量，以人工調(diào)查的蚜蟲是否發(fā)生作為模型輸出變量，其模型變量設(shè)置與描述見表1。

表1 模型變量設(shè)置與描述Table 1 Model variables setup and description

1.4.2 數(shù)據(jù)預(yù)處理

利用PyCharm 2019.3 & Python 3.7.11對原始?xì)庀髷?shù)據(jù)進(jìn)行均值計算、變量定義與數(shù)據(jù)格式處理，用線性插值法進(jìn)行數(shù)據(jù)缺失值處理，公式如下：

式中X、Y、X、Y、是已知樣本數(shù)據(jù)；為X、X之間的數(shù)據(jù)；為與對應(yīng)的需插值的缺失數(shù)據(jù)。采用最大最小法進(jìn)行歸一化處理，將有量綱數(shù)據(jù)統(tǒng)一轉(zhuǎn)化為[0，1]之間的無量綱數(shù)據(jù)，歸一化公式如下：

式中X為所有樣本數(shù)據(jù)（i = 1，2，.... n）；X為所有樣本數(shù)據(jù)中的最小值；X為所有樣本數(shù)據(jù)中的最大值；X為歸一化后得出的結(jié)果。歸一化后得到模型數(shù)據(jù)集，劃分?jǐn)?shù)據(jù)集的70%作為模型訓(xùn)練集，用于模型學(xué)習(xí)數(shù)據(jù)特征，剩余30%作為模型測試集，用于驗證、評價模型學(xué)習(xí)的有效性。

1.4.3 模型構(gòu)建與評價 使用PyCharm 2019.3 & Python 3.7.11，基于Keras深度學(xué)習(xí)框架（以TensorFlow為后端）進(jìn)行模型構(gòu)建，并采用混淆矩陣 （confusion matrix）、受試者工作特征曲線（Receiver Operating Characteristic, ROC）、AUC值（Area Under the ROC Curve）和準(zhǔn)確率（Accuracy），精準(zhǔn)率（Precision），召回率（Recall），F(xiàn)分值（F-score）對模型性能和分類預(yù)測指標(biāo)進(jìn)行評價。

混淆矩陣是通過n行×n列的矩陣將預(yù)測值與真實值對比數(shù)量進(jìn)行可視化的一個評價指標(biāo)，用于展示模型預(yù)測情況，列聯(lián)表分析結(jié)果如表2所示。

表2 分類結(jié)果和匯總列聯(lián)表Table 2 Contingency table of categorical results and summary

ROC曲線是以假陽性率（FPR）為橫坐標(biāo)、真陽性率（TPR）為縱坐標(biāo)得到的用于展示模型分類效果的曲線圖，AUC值是ROC曲線下的面積，其值越接近1，表示模型的分類性能越好。其計算公式如下：

準(zhǔn)確率表示預(yù)測正確的樣本數(shù)占樣本總數(shù)的比例，精準(zhǔn)率表示正確預(yù)測發(fā)病的樣本數(shù)占預(yù)測發(fā)病樣本數(shù)的比例，召回率表示正確預(yù)測發(fā)病的樣本數(shù)占實際發(fā)病樣本數(shù)的比例，F(xiàn)-score是綜合精準(zhǔn)率和召回率的評價指標(biāo)。其計算公式如下：

上述公式中，真陽性是指實際為陽性且預(yù)測為陽性的樣本，假陽性是指實際為陰性但預(yù)測為陽性的樣本，真陰性是指實際為陰性且預(yù)測為陰性的樣本，假陰性是指實際為陽性但預(yù)測為陰性的 樣本。

2 結(jié)果與分析

2.1 模型訓(xùn)練結(jié)果

模型訓(xùn)練準(zhǔn)確度和訓(xùn)練過程損失函數(shù)（Loss function）變化趨勢如圖1所示，結(jié)果分別為0.981 6 和0.008 0，表明模型對數(shù)據(jù)學(xué)習(xí)效果較好。其中Loss函數(shù)選 用 均方根對數(shù) 誤 差（MSLE, Mean Squared Logarithmic Error）來評價模型預(yù)測值和真實值之間的差異程度，損失函數(shù)越低，表明模型的性能越好。

圖1 模型訓(xùn)練過程訓(xùn)練集準(zhǔn)確度和Loss值變化趨勢Figure 1 Model training process training set accuracy and Loss function change trend

2.2 模型預(yù)測結(jié)果

模型對訓(xùn)練集進(jìn)行學(xué)習(xí)后，通過測試集驗證模型精度并進(jìn)行二分類預(yù)測（蚜蟲發(fā)生或蚜蟲不發(fā)生）得出評價指標(biāo)如圖2所示。圖2（a）為測試集數(shù)據(jù)條數(shù)（1 446條）的分布情況，其中，真陰性（92條）、假陽性（107條）、假陰性（82條）、真陽性 （1 165條）。

圖2 預(yù)測模型分類評價指標(biāo) (a): 混淆矩陣，(b): ROC曲線圖Figure 2 Prediction model classification evaluation index. (a): confusion matrix; (b): ROC curve

由圖2（a）可知，預(yù)測準(zhǔn)確率為87%，預(yù)測發(fā)生精準(zhǔn)率為92%，預(yù)測發(fā)生召回率為93%，預(yù)測發(fā)生F-score為92%，表明模型對蚜蟲發(fā)生預(yù)測結(jié)果較好。由圖2（b）可知，AUC值為0.6983，這是因為自6月23日蚜蟲發(fā)生以來，在辣椒整個生長季（6—9月）期間，蚜蟲未發(fā)生的數(shù)據(jù)所占比例較小，模型對此部分?jǐn)?shù)據(jù)特征的學(xué)習(xí)效果不夠充分，導(dǎo)致分類錯誤（即結(jié)果為假陰性和假陽性），影響了模型總體精度。結(jié)合模型評價指標(biāo)，總體上來說，模型性能較好，可通過探索、改進(jìn)進(jìn)一步提高蚜蟲發(fā)生分類預(yù)測水平。

3 結(jié)論與討論

本文基于深度學(xué)習(xí)技術(shù)，結(jié)合辣椒生長期間氣象數(shù)據(jù)構(gòu)建了貴州辣椒蚜蟲發(fā)生預(yù)測模型。其中，預(yù)測準(zhǔn)確率為87%，預(yù)測發(fā)生精準(zhǔn)率為92%，預(yù)測發(fā)生召回率為93%，預(yù)測發(fā)生F-score為92%，模型預(yù)測蚜蟲發(fā)生指標(biāo)評價結(jié)果較好，能根據(jù)氣象條件對生產(chǎn)上蚜蟲是否發(fā)生作出預(yù)測。未來，將利用蚜蟲識別計數(shù)技術(shù)對各分布方位的蟲量進(jìn)行統(tǒng)計，進(jìn)而為蚜蟲發(fā)生嚴(yán)重等級分級工作提供技術(shù)支持，同時從蚜蟲是否發(fā)生的二分類預(yù)測拓展到發(fā)生嚴(yán)重程度的多分類預(yù)測，并將模型整合至監(jiān)測預(yù)警系統(tǒng)平臺供用戶使用，以期對蚜蟲發(fā)生情況作出評判、決策，進(jìn)而為農(nóng)戶及時采取防治措施提供決策支持。

本文是首次將LSTM結(jié)合氣象數(shù)據(jù)應(yīng)用于辣椒蚜蟲發(fā)生預(yù)測上，還存在一些不足，如由于蚜蟲發(fā)生規(guī)律及種群動態(tài)變化較復(fù)雜且存在較大不確定性，易導(dǎo)致誤差等，因此本研究暫沒有考慮這些因素，只針對氣象數(shù)據(jù)對蚜蟲發(fā)生情況的影響進(jìn)行了分析建模。另外，由于此模型對數(shù)據(jù)要求較高，其原理是從和蚜蟲發(fā)生相關(guān)的大量氣象數(shù)據(jù)中學(xué)習(xí)、捕捉關(guān)聯(lián)性信息，再通過新輸入數(shù)據(jù)來判定是否符合發(fā)生特征，進(jìn)而得到蚜蟲是否發(fā)生的預(yù)測結(jié)果。正如上述所說，自辣椒定植以來未發(fā)生蚜蟲的數(shù)據(jù)相對不夠多，造成預(yù)測蚜蟲發(fā)生與預(yù)測蚜蟲不發(fā)生的綜合分類預(yù)測結(jié)果不夠理想，這也是今后需要對模型進(jìn)行優(yōu)化、改進(jìn)的方面之一。