李 楊

（黑龍江省農(nóng)業(yè)科學(xué)院農(nóng)業(yè)遙感與信息研究所，哈爾濱 150086）

伴隨著社會(huì)發(fā)展和人口數(shù)量增加，對(duì)糧食需求增加，預(yù)計(jì)到2050年，全球?qū)τ诩Z食的需求總量將增長(zhǎng)一倍。而當(dāng)下的氣候變化、地下水位降低、病蟲(chóng)害滋生和可耕種土地縮減等問(wèn)題，嚴(yán)重阻礙了糧食產(chǎn)量的增加[1]。由于全球氣候條件和不同地域耕作制度的變化，使病蟲(chóng)害的發(fā)生和演替變得更加復(fù)雜，且農(nóng)藥和化肥的長(zhǎng)期不科學(xué)施用，嚴(yán)重影響了害蟲(chóng)天敵的生存，破壞了生態(tài)平衡。這些因素導(dǎo)致農(nóng)作物病蟲(chóng)害時(shí)有發(fā)生，并成為引起糧食產(chǎn)量縮減的重要原因之一[2-3]。據(jù)估計(jì)，全球由病害造成的年均糧食損失約為年均總產(chǎn)量的10%，由蟲(chóng)害造成的年均損失約為總產(chǎn)量的14%，而我國(guó)因病蟲(chóng)害損失的年均糧食量約占國(guó)內(nèi)年均總產(chǎn)量的8.8%。因此，如何提升農(nóng)作物病蟲(chóng)害識(shí)別、實(shí)時(shí)監(jiān)測(cè)及預(yù)警的技術(shù)水平以有效控制病蟲(chóng)害的暴發(fā)，對(duì)于農(nóng)業(yè)生產(chǎn)至關(guān)重要。

農(nóng)作物病蟲(chóng)害的發(fā)生和演替受作物布局、病蟲(chóng)害遷徙、滯育方式、農(nóng)田小氣候、氣象條件等多種因素影響[4]。病蟲(chóng)害防治的關(guān)鍵在于如何精準(zhǔn)迅速地識(shí)別病蟲(chóng)害類型、確定病蟲(chóng)害暴發(fā)區(qū)域、評(píng)估其嚴(yán)重程度，從而對(duì)癥下藥，采取相應(yīng)的防治措施。最早期的病蟲(chóng)害識(shí)別與監(jiān)測(cè)通常是以人工的方式進(jìn)行現(xiàn)場(chǎng)查驗(yàn)、測(cè)量、統(tǒng)計(jì)和辨識(shí)，這種方式主觀性強(qiáng)、精確度不高、信息滯后、耗時(shí)耗力且效率極低[5]。

而隨著大數(shù)據(jù)技術(shù)和農(nóng)業(yè)信息化的發(fā)展，病蟲(chóng)害識(shí)別及預(yù)警方法逐步智能化、精準(zhǔn)化。農(nóng)業(yè)物聯(lián)網(wǎng)、農(nóng)業(yè)大數(shù)據(jù)和農(nóng)業(yè)云平臺(tái)相互關(guān)聯(lián)、共同發(fā)展，形成了智慧農(nóng)業(yè)技術(shù)體系的主體部分，為病蟲(chóng)害識(shí)別與預(yù)警提供了更多優(yōu)質(zhì)高效的技術(shù)手段，在促進(jìn)農(nóng)業(yè)現(xiàn)代化進(jìn)程中扮演著極為重要的角色。如今，大數(shù)據(jù)時(shí)代的病蟲(chóng)害識(shí)別和預(yù)警正在從模型驅(qū)動(dòng)轉(zhuǎn)換為數(shù)據(jù)驅(qū)動(dòng)，海量病蟲(chóng)害數(shù)據(jù)資源得到采集、匯聚、存儲(chǔ)、管理及應(yīng)用，大數(shù)據(jù)已逐漸成為農(nóng)作物病蟲(chóng)害識(shí)別和預(yù)警的核心驅(qū)動(dòng)力[6]。

本文綜述近年來(lái)國(guó)內(nèi)外基于大數(shù)據(jù)技術(shù)的農(nóng)作物病蟲(chóng)害識(shí)別、監(jiān)測(cè)及預(yù)警方面的研究進(jìn)展，總結(jié)病蟲(chóng)害識(shí)別預(yù)警技術(shù)在國(guó)內(nèi)的應(yīng)用進(jìn)展，并對(duì)其未來(lái)的發(fā)展趨勢(shì)進(jìn)行展望。

1 基于大數(shù)據(jù)的農(nóng)作物病蟲(chóng)害識(shí)別預(yù)警的關(guān)鍵技術(shù)

1.1 基于3S技術(shù)的病蟲(chóng)害識(shí)別預(yù)警

3S 技術(shù)由遙感技術(shù)（RS）、地理信息系統(tǒng)（GIS）和全球定位系統(tǒng)（GPS）組成，是一門將傳感器技術(shù)、空間技術(shù)、衛(wèi)星定位與導(dǎo)航技術(shù)和信息通信技術(shù)、計(jì)算機(jī)技術(shù)相結(jié)合，從而實(shí)現(xiàn)地理空間信息的獲取、分析處理、通信和應(yīng)用等的現(xiàn)代信息技術(shù)[7]。農(nóng)作物病蟲(chóng)害地理空間信息的采集能精確定位病蟲(chóng)害暴發(fā)的位置，從而協(xié)助政府部門及時(shí)發(fā)布預(yù)警，提示相關(guān)地區(qū)的病蟲(chóng)害防控中心做好應(yīng)對(duì)措施。

在農(nóng)作物病蟲(chóng)害識(shí)別預(yù)警中，RS可實(shí)時(shí)、快捷地獲取各區(qū)域地表物體及其所處環(huán)境的物理和空間等信息的變化，利用RS 數(shù)據(jù)反演的植被生物量、土壤水分、地表溫度等參數(shù)，能大體反映出農(nóng)作物的生境狀況，再協(xié)同氣象信息可綜合預(yù)測(cè)病蟲(chóng)害的發(fā)生概率，從而提升對(duì)病蟲(chóng)害的防控水平[8]；運(yùn)用GIS強(qiáng)大的空間分析和數(shù)據(jù)管理功能，結(jié)合生物地理統(tǒng)計(jì)學(xué)的原理和方法，可以分析病蟲(chóng)害的空間分布和適應(yīng)性分布，對(duì)病蟲(chóng)害的發(fā)生進(jìn)行動(dòng)態(tài)時(shí)空模擬，并進(jìn)行多尺度數(shù)據(jù)庫(kù)管理[9]；而GPS 通常用于病蟲(chóng)害的動(dòng)態(tài)監(jiān)測(cè)，通過(guò)輔助RS 數(shù)據(jù)的分析處理和信息提煉、病蟲(chóng)害防治GIS的構(gòu)建與數(shù)據(jù)更新、飛機(jī)防治病蟲(chóng)害作業(yè)導(dǎo)航系統(tǒng)設(shè)計(jì)等，精確定位病蟲(chóng)害的發(fā)生點(diǎn)并精準(zhǔn)噴灑農(nóng)藥[10-12]。

ALTAS 等開(kāi)發(fā)了基于多種算法的圖像處理技術(shù)，通過(guò)在大面積種植甜菜的田間使用帶有攝像頭和GPS的無(wú)人機(jī)（UAV）所采集的實(shí)時(shí)圖像，確定了Tokat地區(qū)甜菜田褐斑病的嚴(yán)重程度[13]。ZHANG等構(gòu)建了一種基于深度卷積神經(jīng)網(wǎng)絡(luò)（DCNN）的模型，通過(guò)裝有高光譜圖像傳感器的UAV 捕獲高空間分辨率的高光譜圖像，結(jié)合光譜和空間信息，實(shí)現(xiàn)了冬小麥黃銹病的自動(dòng)檢測(cè)，且整體準(zhǔn)確度高于僅使用光譜信息的傳統(tǒng)分類方法[14]。STEERE等使用地質(zhì)統(tǒng)計(jì)學(xué)和GIS進(jìn)行了土壤評(píng)估，并利用非線性克里金法預(yù)測(cè)了馬鈴薯可能發(fā)生大麗輪枝菌感染的位置[15]。劉小紅借助WebGIS 技術(shù)構(gòu)建了煙草病蟲(chóng)害診斷預(yù)測(cè)系統(tǒng)[16]。高羽佳等提出了一種將GIS 和GPS 的結(jié)合方法，對(duì)安徽省東南部某地區(qū)的農(nóng)作物病蟲(chóng)害相關(guān)數(shù)據(jù)進(jìn)行了采集、處理和可視化識(shí)別，并最終實(shí)現(xiàn)了對(duì)病蟲(chóng)害的預(yù)警[17]。

1.2 基于物聯(lián)網(wǎng)技術(shù)的病蟲(chóng)害識(shí)別預(yù)警

物聯(lián)網(wǎng)的興起為農(nóng)作物病蟲(chóng)害的防治帶來(lái)了更高效、更智能的解決方法。各種不同類型的物聯(lián)網(wǎng)傳感器可以實(shí)時(shí)收集地理位置、環(huán)境狀態(tài)、農(nóng)作物生長(zhǎng)和病蟲(chóng)害情況等信息，并將所有原始圖像和數(shù)據(jù)發(fā)送到云中心，然后利用各種模型和算法進(jìn)行處理和分析，最后通過(guò)云中心為終端提供病蟲(chóng)害識(shí)別、預(yù)測(cè)和預(yù)警及專家系統(tǒng)推薦治理措施等服務(wù)[18-19]。

TIRELLI 等提出了一種以ZigBee 技術(shù)為基礎(chǔ)構(gòu)建的害蟲(chóng)誘捕器自動(dòng)監(jiān)測(cè)系統(tǒng)，該系統(tǒng)可以通過(guò)從不同地點(diǎn)收集的數(shù)據(jù)來(lái)估計(jì)昆蟲(chóng)密度，并在超過(guò)設(shè)定值時(shí)向農(nóng)民發(fā)送預(yù)警信息[20]。AHOUANDJINOU 等開(kāi)發(fā)了一種害蟲(chóng)監(jiān)測(cè)系統(tǒng)，該系統(tǒng)通過(guò)以超聲波換能器和圍繞運(yùn)算放大器LM324 構(gòu)建的四級(jí)放大器電路為基礎(chǔ)開(kāi)發(fā)的智能傳感器獲取超聲波來(lái)檢測(cè)害蟲(chóng)的存在，并制定早期消滅害蟲(chóng)的策略方案[21]。FOUGHALI 等構(gòu)建了一種基于傳感器網(wǎng)絡(luò)和云物聯(lián)網(wǎng)的馬鈴薯晚疫病預(yù)防和決策支持系統(tǒng)，并幫助農(nóng)業(yè)學(xué)家采取有效措施來(lái)治療這種疾病[22]。Semios 和Spensa 公司都推出了自己的害蟲(chóng)綜合管理系統(tǒng)，這些系統(tǒng)能夠通過(guò)圖像計(jì)算害蟲(chóng)的數(shù)量，并對(duì)害蟲(chóng)進(jìn)行表征和捕獲。史東旭等構(gòu)建了一種以物聯(lián)網(wǎng)和大數(shù)據(jù)驅(qū)動(dòng)為基礎(chǔ)的現(xiàn)代農(nóng)業(yè)技術(shù)平臺(tái)，實(shí)現(xiàn)了對(duì)農(nóng)業(yè)病蟲(chóng)害的監(jiān)測(cè)和預(yù)警[1]。

1.3 基于圖像處理技術(shù)的病蟲(chóng)害識(shí)別預(yù)警

早期對(duì)農(nóng)作物病蟲(chóng)害的檢測(cè)、識(shí)別和分類主要通過(guò)農(nóng)業(yè)專家依靠以往經(jīng)驗(yàn)對(duì)大田作物進(jìn)行目視或顯微鏡觀察，這種方式既耗時(shí)又費(fèi)力，而科技的進(jìn)步促使圖像處理技術(shù)逐步取代了傳統(tǒng)的人工識(shí)別[23]。經(jīng)典的農(nóng)作物病蟲(chóng)害圖像識(shí)別方法是利用紅外、可見(jiàn)光或高光譜等成像技術(shù)采集農(nóng)作物圖像，然后將傳統(tǒng)機(jī)器學(xué)習(xí)分類方法與圖像處理技術(shù)相結(jié)合，實(shí)現(xiàn)病蟲(chóng)害的智能化識(shí)別[24]。近幾年來(lái)，研究人員開(kāi)始聚焦于將比傳統(tǒng)機(jī)器學(xué)習(xí)技術(shù)在學(xué)習(xí)能力、網(wǎng)絡(luò)結(jié)構(gòu)及識(shí)別準(zhǔn)確度上更具優(yōu)勢(shì)的深度學(xué)習(xí)與圖像處理技術(shù)相結(jié)合，以進(jìn)一步優(yōu)化病蟲(chóng)害圖像檢測(cè)方法。

XU 等設(shè)計(jì)了一種基于嵌入式圖像識(shí)別技術(shù)的小麥葉銹病檢測(cè)系統(tǒng)。該系統(tǒng)采用ARM9 處理器，以嵌入式Linux 平臺(tái)為主體，程序在Qt 集成環(huán)境下開(kāi)發(fā)。經(jīng)驗(yàn)證，該系統(tǒng)識(shí)別率達(dá)到96.2%，準(zhǔn)確率達(dá)到92.3%，與人類視覺(jué)效果大致相當(dāng)[25]。SINGH 開(kāi)發(fā)了一種基于粒子群優(yōu)化算法的系統(tǒng)，用于對(duì)向日葵葉子圖像進(jìn)行分割和分類，從而實(shí)現(xiàn)向日葵葉片病害檢測(cè)[26]。SABROL 和SATISH 利用基于分類樹(shù)的圖像處理技術(shù)對(duì)番茄晚疫病、斑枯病、細(xì)菌性斑點(diǎn)病、細(xì)菌性潰瘍病、番茄卷葉和健康番茄植株葉莖圖像進(jìn)行了分類[27]。MOHANTY 等使用在受控條件下收集的54 306張患病和健康植物葉片圖片的公共數(shù)據(jù)集，構(gòu)建了一個(gè)基于GoogLeNet 卷積神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)模型，實(shí)現(xiàn)了14 種作物和26 種病害的識(shí)別[28]。RAMCHARAN等使用在坦桑尼亞實(shí)地拍攝的木薯病害圖像數(shù)據(jù)集，應(yīng)用遷移學(xué)習(xí)來(lái)訓(xùn)練深度卷積神經(jīng)網(wǎng)絡(luò)，以識(shí)別棕色葉斑病、紅螨、綠螨、木薯褐條病和木薯花葉病[29]。蔡漢明等開(kāi)發(fā)了一種以深度可分離卷積和卷積相結(jié)合替代標(biāo)準(zhǔn)卷積的神經(jīng)網(wǎng)絡(luò)模型，識(shí)別了10種不同農(nóng)作物的27類病害，且識(shí)別準(zhǔn)確率達(dá)到了98.26%[30]。

1.4 病蟲(chóng)害預(yù)警專家系統(tǒng)

人工智能為農(nóng)作物病蟲(chóng)害診斷預(yù)警專家系統(tǒng)的發(fā)展提供了技術(shù)支持，使其逐漸成為了農(nóng)業(yè)信息技術(shù)中的重要一環(huán)。專家系統(tǒng)包括知識(shí)庫(kù)、知識(shí)獲取、推理機(jī)、數(shù)據(jù)庫(kù)、解釋程序和人機(jī)接口，是一種以病蟲(chóng)害專家的知識(shí)和經(jīng)驗(yàn)為依據(jù)，模擬專家處理問(wèn)題時(shí)的行為并運(yùn)用知識(shí)和推理技術(shù)對(duì)病蟲(chóng)害進(jìn)行診斷的信息系統(tǒng)。

1978 年，美國(guó)伊利諾斯大學(xué)研發(fā)出了世界上第一個(gè)農(nóng)作物病蟲(chóng)害專家系統(tǒng)——大豆病害診斷專家系統(tǒng)PLANT/DS。此后，越來(lái)越多的研究人員將目光聚焦于此領(lǐng)域，先后構(gòu)建了玉米螟蟲(chóng)蟲(chóng)害預(yù)測(cè)專家系統(tǒng)PLANT/cd、番茄病害診斷系統(tǒng)MICCS、棉花害蟲(chóng)管理專家系統(tǒng)rbWHIMS、蘋果病害綜合管理專家系統(tǒng)PSAOC、蚜蟲(chóng)識(shí)別專家系統(tǒng)CAES 及馬鈴薯害蟲(chóng)專家系統(tǒng)PIES 等。近年來(lái)，基于3G 通信的移動(dòng)農(nóng)業(yè)專家系統(tǒng)、基于Android 平臺(tái)的植物病蟲(chóng)害查詢?cè)\斷系統(tǒng)、基于.NET 的水稻病蟲(chóng)害專家系統(tǒng)、基于ASP.NET 的甘肅省玉米病蟲(chóng)害診斷專家系統(tǒng)、基于CBR-RBR 集成和深度學(xué)習(xí)方法的茶樹(shù)病蟲(chóng)害專家系統(tǒng)、基于云平臺(tái)蜜柚專家系統(tǒng)、基于物聯(lián)網(wǎng)的臍橙園病蟲(chóng)害防治專家系統(tǒng)、基于微信平臺(tái)的陜西蔬菜病蟲(chóng)害專家診斷系統(tǒng)等也相繼被開(kāi)發(fā)、應(yīng)用于我國(guó)的農(nóng)作物病蟲(chóng)害監(jiān)測(cè)防治領(lǐng)域。

2 基于大數(shù)據(jù)的農(nóng)作物病蟲(chóng)害識(shí)別預(yù)警技術(shù)的應(yīng)用

我國(guó)對(duì)智慧農(nóng)業(yè)和農(nóng)業(yè)信息化的重視推動(dòng)了農(nóng)作物病蟲(chóng)害識(shí)別預(yù)警技術(shù)的快速發(fā)展。近年來(lái)，我國(guó)研發(fā)了自動(dòng)蟲(chóng)情測(cè)報(bào)燈、農(nóng)田小氣候自動(dòng)監(jiān)測(cè)站、智能孢子捕捉儀、農(nóng)作物病蟲(chóng)害實(shí)時(shí)監(jiān)控物聯(lián)網(wǎng)設(shè)備、病蟲(chóng)害田間調(diào)查智能識(shí)別應(yīng)用程序等多種智能化設(shè)備；構(gòu)建了來(lái)自糧、棉、油、麻、桑、茶、糖、菜、煙和果等農(nóng)作物的177 常見(jiàn)病蟲(chóng)鼠害（蟲(chóng)害99 種、病害63種、鼠害15種）的識(shí)別、監(jiān)測(cè)及預(yù)警的方法，并收集了相關(guān)的大數(shù)據(jù)資料；對(duì)農(nóng)作物病菌孢子的捕捉和檢測(cè)技術(shù)進(jìn)行了完善，融合了農(nóng)作物病蟲(chóng)害GIS 開(kāi)發(fā)技術(shù)和計(jì)算機(jī)的數(shù)據(jù)傳輸與網(wǎng)絡(luò)技術(shù)、農(nóng)田小氣候自動(dòng)監(jiān)測(cè)技術(shù)和分析提取對(duì)病蟲(chóng)害造成影響的主要?dú)庀笠蛩丶邦A(yù)警指標(biāo)的技術(shù)。這些成果促進(jìn)了我國(guó)農(nóng)作物病蟲(chóng)害識(shí)別預(yù)警技術(shù)的進(jìn)步，提升了高新技術(shù)在此領(lǐng)域的應(yīng)用水平。

1986 年，我國(guó)吉林省農(nóng)科院植保所與澳大利亞國(guó)防軍學(xué)院的Alistair Drake 博士合作，首次組裝了厘米波掃描昆蟲(chóng)雷達(dá)，并將其應(yīng)用于觀測(cè)草地螟和黏蟲(chóng)等的遷飛；2004 年，我國(guó)首次構(gòu)建了厘米波垂直監(jiān)測(cè)昆蟲(chóng)雷達(dá)以監(jiān)測(cè)草地螟、黏蟲(chóng)等害蟲(chóng)；2007 年，我國(guó)首次構(gòu)建了毫米波掃描昆蟲(chóng)雷達(dá)對(duì)稻飛虱等水稻“兩遷”害蟲(chóng)進(jìn)行監(jiān)測(cè)，首創(chuàng)了雷達(dá)三維回波顯示技術(shù)，攻克了提升雷達(dá)監(jiān)測(cè)的精確度及確定害蟲(chóng)的飛行方向等重要技術(shù)難關(guān)；2009 年，農(nóng)業(yè)部正式啟動(dòng)了農(nóng)作物重大病蟲(chóng)害數(shù)字化監(jiān)測(cè)預(yù)警網(wǎng)絡(luò)系統(tǒng)建設(shè)項(xiàng)目，初步創(chuàng)建了農(nóng)作物（水稻）重大病蟲(chóng)害數(shù)字化監(jiān)測(cè)預(yù)警平臺(tái)；2010 年，進(jìn)一步擴(kuò)展數(shù)字化監(jiān)測(cè)預(yù)警網(wǎng)絡(luò)的覆蓋區(qū)域，創(chuàng)建了小麥病蟲(chóng)害監(jiān)測(cè)預(yù)警系統(tǒng)，開(kāi)啟了新一期的病蟲(chóng)害監(jiān)測(cè)預(yù)警建設(shè)項(xiàng)目，并在2011 年1 月正式投入使用。如今，我國(guó)已構(gòu)建了由170個(gè)地方測(cè)報(bào)站、61 個(gè)區(qū)域測(cè)報(bào)站及9 個(gè)雷達(dá)測(cè)報(bào)站組成的國(guó)內(nèi)遷飛昆蟲(chóng)測(cè)報(bào)網(wǎng)絡(luò)系統(tǒng)。此外，從2010年以來(lái)，經(jīng)中華人民共和國(guó)農(nóng)業(yè)農(nóng)村部批準(zhǔn)，我國(guó)與越南聯(lián)合開(kāi)展了“中越水稻遷飛性害蟲(chóng)監(jiān)測(cè)防治項(xiàng)目”，兩國(guó)互相設(shè)置了聯(lián)合測(cè)報(bào)站點(diǎn)，對(duì)遷飛性害蟲(chóng)等進(jìn)行實(shí)地調(diào)研、系統(tǒng)監(jiān)測(cè)、信息互通及技術(shù)交流，此舉進(jìn)一步提高了我國(guó)對(duì)水稻重大病蟲(chóng)害的早期預(yù)警及治理水平，使國(guó)內(nèi)水稻重大病蟲(chóng)害發(fā)生率在近10年內(nèi)一直處于下降狀態(tài)。

3 展望

在政策的大力支持下，近年來(lái)我國(guó)在農(nóng)作物病蟲(chóng)害識(shí)別預(yù)警技術(shù)的研究和應(yīng)用方面取得了卓越的成績(jī)，但與其他農(nóng)業(yè)發(fā)達(dá)國(guó)家相比，仍存在一定的差距和上升空間。未來(lái)，基于大數(shù)據(jù)的農(nóng)業(yè)病蟲(chóng)害識(shí)別預(yù)警可考慮從以下4個(gè)方面進(jìn)行優(yōu)化和完善。

1）將多種高新技術(shù)融合應(yīng)用于病蟲(chóng)害識(shí)別預(yù)警技術(shù)中，以拓寬病蟲(chóng)害預(yù)警的覆蓋面，提升預(yù)警精確度。例如：將3S技術(shù)與物聯(lián)網(wǎng)技術(shù)相結(jié)合，對(duì)農(nóng)作物的生境監(jiān)測(cè)進(jìn)行更周密的覆蓋，以增加大數(shù)據(jù)信息采集的全面性；結(jié)合多種機(jī)器學(xué)習(xí)算法的優(yōu)勢(shì)優(yōu)化病蟲(chóng)害識(shí)別預(yù)警模型，以增強(qiáng)預(yù)警的精確性；將電子顯微鏡、光譜、PCR 和生物芯片技術(shù)等結(jié)合起來(lái)，實(shí)現(xiàn)對(duì)病蟲(chóng)害宏觀和微觀的全方位檢測(cè)。

2）相關(guān)研發(fā)和測(cè)報(bào)單位應(yīng)將更多精力投入到對(duì)生境、病蟲(chóng)害、病原微生物等大數(shù)據(jù)信息的采集、積累、更新中，進(jìn)一步改進(jìn)大數(shù)據(jù)采集技術(shù)，確保數(shù)據(jù)的及時(shí)性、通用性和準(zhǔn)確性，為病蟲(chóng)害識(shí)別預(yù)警的研究提供更有效的數(shù)據(jù)支撐。

3）農(nóng)作物病蟲(chóng)害預(yù)警的研究將由現(xiàn)階段中長(zhǎng)期為主的預(yù)警模型逐步向早期/初期檢測(cè)、診斷與預(yù)警模型轉(zhuǎn)變，以增強(qiáng)預(yù)警的時(shí)效性和精確性，從而及時(shí)向農(nóng)民提供病蟲(chóng)害防治指導(dǎo)，減少經(jīng)濟(jì)損失。

4）農(nóng)作物病蟲(chóng)害識(shí)別預(yù)警系統(tǒng)和設(shè)備將向低成本發(fā)展。目前所用到的病蟲(chóng)害監(jiān)測(cè)和預(yù)警設(shè)備成本相對(duì)較高，不利于在小型農(nóng)業(yè)組織中推廣使用，適當(dāng)降低成本有益于病蟲(chóng)害識(shí)別預(yù)警技術(shù)的下沉普及。