北京地區(qū)秋季日光溫室黃瓜白粉病預(yù)測(cè)的貝葉斯網(wǎng)絡(luò)模型研究

魏少偉 任愛(ài)新 趙靖暄 楊信廷 李明 劉慧英

摘 ? ?要：為了準(zhǔn)確預(yù)測(cè)日光溫室黃瓜白粉病的發(fā)生，以日光溫室水果黃瓜為試驗(yàn)材料，于2020年9—11月在北京市不同方位的4個(gè)日光溫室內(nèi)，運(yùn)用無(wú)線網(wǎng)絡(luò)環(huán)境監(jiān)測(cè)系統(tǒng)對(duì)日光溫室黃瓜的生長(zhǎng)環(huán)境（空氣溫度、相對(duì)濕度、光照強(qiáng)度）進(jìn)行了實(shí)時(shí)動(dòng)態(tài)監(jiān)測(cè)，并同步進(jìn)行白粉病流行調(diào)查。采用貝葉斯網(wǎng)絡(luò)模型建立日光溫室黃瓜白粉病預(yù)測(cè)模型，預(yù)測(cè)黃瓜白粉病是否發(fā)病，并與田間觀測(cè)的實(shí)際發(fā)病情況進(jìn)行比較。結(jié)果表明，模型在4個(gè)溫室和整體預(yù)測(cè)發(fā)生準(zhǔn)確度 ACC（Accuracy）分別為0.95、0.92、0.91、0.87、0.87，約登指數(shù)J（Youden Index）分別為0.90、0.86、0.84、0.70、0.74。表明模型在預(yù)測(cè)整體和各個(gè)溫室效果較好，具有良好的普適性，可為實(shí)際生產(chǎn)中黃瓜白粉病預(yù)測(cè)提供參考。

關(guān)鍵詞： 黃瓜;白粉病;貝葉斯網(wǎng)絡(luò);預(yù)測(cè)模型

中圖分類號(hào)：S642.2 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：1673-2871（2022）02-020-08

Prediction of cucumber powdery mildew in autumn solar greenhouse in Beijing based on Bayesian network model

WEI Shaowei1，2， REN Aixin2， ZHAO Jingxuan2， YANG Xinting2， LI Ming1，2， LIU Huiying1

（1. Key Laboratory of Cultivation Physiology and Germplasm Resources Utilization of Featured Fruits and Vegetables of Xinjiang Production and Construction Corps/College of Agriculture， Shihezi University， Shihezi 832003， Xinjiang， China; 2. National Engineering Laboratory for Quality and Safety Traceability Technology and Application of Agricultural Products/Information Technology Research Center， Beijing Academy of Agriculture and Forestry Sciences /National Engineering Research Center of Information Technology in Agriculture/Meteorological Service Center of Urban Agriculture， China Meteorological Administration-Ministry of Agriculture and Rural Affairs， Beijing 100097， China）

Abstract： To accurately predict the occurrence of cucumber powdery mildew in solar greenhouse， four solar greenhouses were chosen in Beijing from September to November 2020， using the wireless network environmental monitoring system and real-time dynamic monitoring to collect cucumber growth environment （air temperature， humidity， light intensity） and powdery mildew data. A forecast model of cucumber powdery mildew in solar greenhouse was developed using the Bayesian network model， the incidence of cucumber powdery mildew predicted was and compared with field observation. The model performed well in four greenhouses with the accuracy ACC= 0.95， 0.92， 0.91， 0.87， 0.87， and the Youden Index J=0.90， 0.86， 0.84， 0.70， 0.74; The results showed that the model had a good prediction at all greenhouse and each greenhouse level， and could provide a guide for powdery mildew management in the actual production.

Key words： Cucumber; Powdery mildew; Bayesian network; Prediction model

白粉病（Erysiphe cucurbitacearum Zheng & Chen）是瓜類生產(chǎn)上的重要病害，在我國(guó)各地保護(hù)地和陸地的多種瓜菜上普遍發(fā)生[1]。一般在黃瓜生長(zhǎng)中、后期病情發(fā)展傳播迅速，會(huì)導(dǎo)致大量減產(chǎn)，造成較為嚴(yán)重的經(jīng)濟(jì)損失[2]。若不及時(shí)防治會(huì)造成整株被白粉病層覆蓋，不僅會(huì)降低植株的光合效率，還會(huì)導(dǎo)致整株枯萎和植株過(guò)早衰老，嚴(yán)重影響黃瓜的品質(zhì)和產(chǎn)量[3]。病害的早期預(yù)防及防治對(duì)病害的發(fā)生及控制極其關(guān)鍵，因此在病害發(fā)生之前對(duì)黃瓜白粉病進(jìn)行準(zhǔn)確快速的預(yù)測(cè)具有重要意義。

黃瓜白粉病流行趨勢(shì)主要受寄主、氣候條件、病原三方面的因素影響[4]。其中，溫度[5]、光照[6]和濕度[7]是影響該病害流行的重要因素?；谶@些影響因素，植保專家和學(xué)者結(jié)合多年的田間生產(chǎn)經(jīng)驗(yàn)總結(jié)和建立了多種黃瓜白粉病的田間預(yù)測(cè)預(yù)報(bào)方法，如卷積神經(jīng)網(wǎng)絡(luò)[8]、逐步回歸法[9]、圖像識(shí)別[10]、物聯(lián)網(wǎng)技術(shù)[11]等。徐寧[9]通過(guò)人工接種和模擬高溫高濕環(huán)境的方法研究了黃瓜白粉病的發(fā)生和流行趨勢(shì)，采用回歸分析，建立黃瓜白粉病始病期與流行程度預(yù)測(cè)，結(jié)果表明效果模型較好。李磊福等[12]采用逐步回歸分析法構(gòu)建溫室甜瓜白粉病的流行預(yù)測(cè)模型。結(jié)果表明，該模型具有很強(qiáng)的實(shí)用價(jià)值。尹哲等[13]采用回歸分析技術(shù)，建立了溫室大棚中黃瓜白粉病流行趨勢(shì)（病情指數(shù)）與濕度、溫度間關(guān)系的預(yù)測(cè)模型，結(jié)果表明模型預(yù)測(cè)效果比較好。

針對(duì)黃瓜白粉病的預(yù)測(cè)大多采用多元回歸等方法，但是這些方法無(wú)法揭示變量之間的因果關(guān)系，甚至不能進(jìn)行推理驗(yàn)證。而貝葉斯網(wǎng)絡(luò)卻可以反映變量之間的因果關(guān)系，還能進(jìn)行推理[14]，并且在解決問(wèn)題方面具有明確、直觀等優(yōu)點(diǎn)，已成為各界學(xué)者的研究熱點(diǎn)，在農(nóng)牧業(yè)領(lǐng)域研究比較多，包括農(nóng)產(chǎn)品質(zhì)量安全預(yù)測(cè)[15]、農(nóng)業(yè)環(huán)境分析[16]、大田作物病害預(yù)測(cè)[17-18]以及農(nóng)業(yè)工程中的故障診斷[19]等;迄今，在包括小麥[20]、番茄[21]、葡萄[22]等多種植物上，已經(jīng)成功建立了白粉病的貝葉斯網(wǎng)絡(luò)預(yù)測(cè)模型，均在白粉病的預(yù)測(cè)預(yù)報(bào)方面取得了超越傳統(tǒng)方法的良好效果。然而，通過(guò)貝葉斯網(wǎng)絡(luò)建模來(lái)預(yù)測(cè)溫室黃瓜白粉病的發(fā)生情況尚未見(jiàn)報(bào)道。因此，筆者以溫室黃瓜種植期間的環(huán)境和病害發(fā)生情況數(shù)據(jù)作為樣本，采用貝葉斯網(wǎng)絡(luò)建模技術(shù)，建立了溫室黃瓜白粉病預(yù)測(cè)貝葉斯網(wǎng)絡(luò)模型，為病害預(yù)防奠定基礎(chǔ)。

1 材料與方法

1.1 材料

供試黃瓜品種：京研迷你2號(hào)水果黃瓜，屬于中抗白粉病，由國(guó)家蔬菜工程技術(shù)研究中心提供。儀器：溫室小氣候監(jiān)測(cè)點(diǎn)（Enviro monitor，Davis instruments，Hayward，California，USA），Enviro Monitor 無(wú)線網(wǎng)絡(luò)環(huán)境監(jiān)測(cè)系統(tǒng)（美國(guó) Davis Instruments）。

1.2 溫室黃瓜定植

試驗(yàn)于2020年9—11月在北京市昌平區(qū)小湯山國(guó)家精準(zhǔn)農(nóng)業(yè)試驗(yàn)基地（5號(hào)）溫室、海淀區(qū)首農(nóng)莊園（9號(hào)）溫室、房山區(qū)弘科農(nóng)場(chǎng)日光（6號(hào)）溫室、大興區(qū)裕農(nóng)公司（7號(hào)）溫室內(nèi)中進(jìn)行，溫室由聚乙烯薄膜覆蓋，東西延長(zhǎng)坐北朝南。于9月定植，并建立生產(chǎn)檔案，如實(shí)記錄灌溉、施肥、夜間通風(fēng)等栽培管理措施。

1.3 溫室黃瓜白粉病調(diào)查

調(diào)查采用五點(diǎn)取樣法，沿對(duì)角線選取5個(gè)調(diào)查樣點(diǎn)，每個(gè)樣點(diǎn)標(biāo)記12株，發(fā)病前每隔2 d觀察1次，待發(fā)現(xiàn)白粉病粉層后每隔4～5 d觀察1次，統(tǒng)計(jì)發(fā)病情況并根據(jù) GB/T 17980.26—2000 對(duì)病害嚴(yán)重度進(jìn)行分級(jí)和記錄。所有溫室黃瓜植株的白粉病病情指數(shù)≥5%時(shí)結(jié)束調(diào)查。

發(fā)病程度以病情指數(shù)表示，病情指數(shù)計(jì)算公式為：

病情指數(shù)=[Σ（各級(jí)病葉數(shù)×相對(duì)代表值）調(diào)查總?cè)~數(shù)×9]×

100%。 ? ? ? ? ? ? ? ?（1）

黃瓜白粉病分級(jí)標(biāo)準(zhǔn)如下[2]：

0 級(jí)：無(wú)病斑;1 級(jí)：病斑面積占整個(gè)葉面積 5%及以下;3 級(jí)：病斑面積占整個(gè)葉面積 6%～10%;5 級(jí)：病斑面積占整個(gè)葉面積 l1%～25%;7 級(jí)：病斑面積占整個(gè)葉面積 26%～50%;9 級(jí)：病斑面積占整個(gè)葉面積 51%及以上。

筆者調(diào)查小湯山基地、弘科農(nóng)場(chǎng)、首農(nóng)莊園、裕農(nóng)公司白粉病發(fā)病情況，待發(fā)現(xiàn)白粉病粉層到病害調(diào)查結(jié)束共調(diào)查4次，根據(jù)調(diào)查情況進(jìn)行病情指數(shù)計(jì)算，所得病情指數(shù)為 9.90%、8.37%、9.07%、7.12%，結(jié)束調(diào)查，并及時(shí)進(jìn)行防治。

1.4 溫室環(huán)境數(shù)據(jù)采集

為了采集溫室氣溫、相對(duì)濕度、太陽(yáng)輻射強(qiáng)度和地溫等環(huán)境數(shù)據(jù)，在溫室病害調(diào)查點(diǎn)安裝溫室小氣候監(jiān)測(cè)節(jié)點(diǎn)（Enviromonitor，Davis instruments，Hayward，California，USA）。儀器采用 Enviro Monitor 無(wú)線網(wǎng)絡(luò)環(huán)境監(jiān)測(cè)系統(tǒng)（美國(guó) Davis Instruments），溫室內(nèi)儀器設(shè)置記錄數(shù)據(jù)時(shí)間間隔均為 15 min，每 15 min對(duì)溫室內(nèi)的氣溫、相對(duì)濕度、太陽(yáng)輻射強(qiáng)度和地溫等數(shù)據(jù)實(shí)時(shí)觀測(cè)并儲(chǔ)存，數(shù)據(jù)通過(guò)設(shè)備上的無(wú)線傳輸模塊和手動(dòng)下載相結(jié)合來(lái)收集。

1.5 模型驅(qū)動(dòng)因子的篩選

不同黃瓜品種在抗病原菌侵入方面差異不顯著，而在病害擴(kuò)展速度上有顯著差異，所以品種抗性不作為預(yù)測(cè)模型的驅(qū)動(dòng)因子，選用溫度、濕度作為預(yù)測(cè)模型的驅(qū)動(dòng)因子[23]。此外，太陽(yáng)輻射強(qiáng)度和地溫也是黃瓜白粉病發(fā)生的影響因素。因此，選擇氣溫、相對(duì)濕度、太陽(yáng)輻射強(qiáng)度和土壤溫度作為模型的驅(qū)動(dòng)因子。

1.6 模型評(píng)價(jià)

筆者在本試驗(yàn)中采用國(guó)際上廣泛使用的模型檢驗(yàn)方法：R2（決定系數(shù)）計(jì)算模型的擬合度，均方誤差MSE（Mean squared error）評(píng)估模型的精度來(lái)描述試驗(yàn)樣本。均方根誤差RMSE（Root mean squared error）對(duì)預(yù)測(cè)值與實(shí)際值之間的符合度進(jìn)行統(tǒng)計(jì)分析，用準(zhǔn)確度ACC（Accuracy，公式（2））和約登指數(shù) J（Youden Index， 公式（3））來(lái)評(píng)價(jià)，其中TP（True positive）是真陽(yáng)性比例，F(xiàn)N（False negative）是假陰性比例，F(xiàn)P（False positive）是假陽(yáng)性比例，TN（True negative）是真陰性比例[24]。

[ACC=TP±TNTP±FN±FP±TN]; ? ? ?（2）

[J=TP-FP。] ? ? ?（3）

1.7 數(shù)據(jù)分析

貝葉斯網(wǎng)絡(luò)建模采用Pyton 3.7和Pycham 2019.3軟件，Micro-soft Excel 2019 軟件進(jìn)行數(shù)據(jù)整理分析。

2 結(jié)果與分析

2.1 黃瓜白粉病預(yù)測(cè)模型構(gòu)建

2.1.1? ? 模型選取和變量定義? ? 將黃瓜白粉病是否發(fā)生作為因變量，空氣溫度、空氣相對(duì)濕度、土壤溫度、太陽(yáng)輻射強(qiáng)度作為自變量，進(jìn)行模型分析。黃瓜白粉病是否發(fā)生的分析屬于二分類因變量的分析，本試驗(yàn)中選擇貝葉斯網(wǎng)絡(luò)模型進(jìn)行分析。由于變量參數(shù)的記錄值數(shù)量范圍不一致，因此首先對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理（表1）。

2.1.2? ? 數(shù)據(jù)的選取及相關(guān)分析 ? ?選取2020年9—11月小湯山基地、首農(nóng)莊園、弘科農(nóng)場(chǎng)、裕農(nóng)公司各溫室內(nèi)定植1周后至發(fā)病前5個(gè)監(jiān)測(cè)點(diǎn)的環(huán)境數(shù)據(jù)，將傳感器每15 min采集一次數(shù)據(jù)的環(huán)境數(shù)據(jù)通過(guò)計(jì)算處理成每1 h試驗(yàn)數(shù)據(jù)共7560次數(shù)據(jù)，將80%的數(shù)據(jù)作為訓(xùn)練樣本，20%的數(shù)據(jù)作為測(cè)試樣本。采用Pearson相關(guān)分析方法對(duì)數(shù)據(jù)進(jìn)行分析，分析各變量之間的相關(guān)程度并確定任意兩個(gè)變量之間是否存在邊，在貝葉斯網(wǎng)絡(luò)圖中，邊代表了兩個(gè)變量之間具有關(guān)聯(lián)性。根據(jù)表2的結(jié)果并結(jié)合病害發(fā)生規(guī)律，按相關(guān)系數(shù)從大到小的順序給邊定向，如果在網(wǎng)絡(luò)中出現(xiàn)環(huán)，舍棄相關(guān)性比較小的兩個(gè)變量之間的邊[28]。

2.1.3? ? 貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)學(xué)習(xí)? ? 本試驗(yàn)中利用節(jié)點(diǎn)間的因果關(guān)系，采用爬山搜索算法計(jì)算每個(gè)節(jié)點(diǎn)元素的條件獨(dú)立性，確定初始貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)，然后利用MDL（minimum definition length）評(píng)分爬山搜索算法對(duì)貝葉斯網(wǎng)絡(luò)進(jìn)行全局優(yōu)化。為了消除模型學(xué)習(xí)中的“過(guò)擬合”問(wèn)題，采用十折交叉驗(yàn)證的方法來(lái)學(xué)習(xí)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)，然后得到MDL評(píng)分估計(jì)值最高的網(wǎng)絡(luò)結(jié)構(gòu)作為最終的貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)[29]（如圖1所示）。

2.1.4? ? 貝葉斯網(wǎng)絡(luò)參數(shù)學(xué)習(xí)? ? ?貝葉斯網(wǎng)絡(luò)學(xué)習(xí)參數(shù)是在已知貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)的基礎(chǔ)上，根據(jù)數(shù)據(jù)對(duì)網(wǎng)絡(luò)中各個(gè)節(jié)點(diǎn)變量進(jìn)行概率計(jì)算。貝葉斯估計(jì)和極大似然估計(jì)是目前參數(shù)學(xué)習(xí)的主要方法 [29]。筆者利用頻數(shù)法[30]的方法建立 BN（Bayesian network）各節(jié)點(diǎn)變量的概率表（CPT）。如圖1所示，本文中用SR 表示太陽(yáng)輻射強(qiáng)度，Temp 表示溫度，Hum表示相對(duì)濕度;Disease 表示黃瓜白粉病發(fā)病狀態(tài)。例如，圖1中的太陽(yáng)輻射強(qiáng)度沒(méi)有父節(jié)點(diǎn)，那么它的邊緣概率就等于太陽(yáng)輻射強(qiáng)度大于115 W·m-2的次數(shù)除以總數(shù)據(jù)數(shù)。

[P（SR=1）=（SR=1）（SR）=0.234]。 （4）

這樣，[PSR=0=1-PSR=1=1-0.234=0.766]。

而對(duì)于節(jié)點(diǎn)Disease黃瓜白粉病發(fā)病狀態(tài)，其父節(jié)點(diǎn)為空氣溫度和相對(duì)濕度情況，那么它的條件概率：

[PDisease=1|Temp=1，Hum=1=（Disease=1|Temp=1，Hum=1）（Temp=1，Hum=1）=0.886]。（5）

同理可計(jì)算出其他節(jié)點(diǎn)的概率表（圖1）。

2.1.5? ? 貝葉斯網(wǎng)絡(luò)推理? ? 貝葉斯網(wǎng)絡(luò)推理是利用已知節(jié)點(diǎn)的貝葉斯公式來(lái)求解其他節(jié)點(diǎn)的條件似然性。推理方法可分為兩類：精確推理和近似推理[30]。圖1是1個(gè)黃瓜白粉病病害貝葉斯網(wǎng)絡(luò)模型，包含4個(gè)節(jié)點(diǎn)變量，每個(gè)節(jié)點(diǎn)有2個(gè)狀態(tài)（0或1）。表3是節(jié)點(diǎn)SR的先驗(yàn)概率表，表4、表5、表6是節(jié)點(diǎn) Temp、Hum、Disease的條件概率表。利用這個(gè)模型可以推算出給定證據(jù)下任何節(jié)點(diǎn)的概率，其基本原理是貝葉斯理論。例如，如果知道節(jié)點(diǎn)Temp發(fā)生，即Temp=1，要計(jì)算節(jié)點(diǎn)SR 的概率，因?yàn)楣?jié)點(diǎn)Temp 和SR 相關(guān)，根據(jù)貝葉斯公式計(jì)算條件概率

[PSR|Temp=PTemp|SR PSRPTemp]。 （6）

從表3和表4知道 P（SR）=0.234和P（Temp |SR）= 0.920，所以公式（6）的分子等于0.215，其分母是邊界概率 [PTemp]，由于節(jié)點(diǎn)Temp只和節(jié)點(diǎn)SR 有關(guān)系，所以有

P（Temp=1）= P（Temp=1|SR=1）P（SR=1）+P（Temp=1|SR=0）P（SR=0）=0.276，則 P（Temp=0）=0.724。

將值P（Temp=1）=0.276代入式（6）得到 [PSR|Temp=0.779]。

根據(jù)全概率公式（7）計(jì)算得出P（Hum=1）=0.338，則 P（Hum=0）=0.662。

P（Hum=1）=P（Hum=1|Temp=1，SR=1）P（Temp=1）P（SR=1）

+P（Hum=1|Temp=1，SR=0）P（Temp=1）P（SR=0）

+P（Hum=1|Temp=0，SR=1）P（Temp=0）P（SR=1）

+P（Hum=1|Temp=0，SR=0）P（Temp=0）P（SR=0）? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（7）

計(jì)算節(jié)點(diǎn) Disease 的概率，由于節(jié)點(diǎn) Disease 和節(jié)點(diǎn)Temp，Hum 相關(guān)，根據(jù)全概率公式（8）得出P（Disease=1）= 0.694。

P（Disease=1）=P（Disease=1|Temp=1， Hum=1）P（Temp=1）P（Hum=1）

+P（Disease=1|Temp=1，Hum=0）P（Temp=1）P（Hum=0）

+P（Disease=1|Temp=0，Hum=1）P（Temp=0）P（Hum=1）

+P（Disease=1|Temp=0，Hum=0）P（Temp=0）P（Hum=0）? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（8）

[PTemp|Disease=PDisease|Temp PTempPDisease]。

（9）

根據(jù)公式（9），當(dāng)病害發(fā)生，則滿足病害發(fā)生的溫度概率為0.449。

根據(jù)公式（10），病害發(fā)生，則滿足病害發(fā)生的相對(duì)濕度概率為0.730。

[PHumD|isease=PDisease|Hum PHumPDisease]。

（10）

貝葉斯網(wǎng)絡(luò)可以進(jìn)行雙向推理，既可以從結(jié)果推理原因也可以從原因推理結(jié)果。例如可以從模型結(jié)構(gòu)概率表進(jìn)行推理，當(dāng)溫度、濕度在滿足什么條件下，病害發(fā)生的概率是多少，或者當(dāng)病害發(fā)生時(shí)，溫度和濕度發(fā)生概率是多少;已知一個(gè)節(jié)點(diǎn)概率去推理另外一個(gè)節(jié)點(diǎn)發(fā)生的概率;當(dāng)新的變量發(fā)生改變、加入或減少時(shí)，將改變貝葉斯網(wǎng)絡(luò)中的其他變量值。假設(shè)節(jié)點(diǎn)Temp發(fā)生新的變化，即Temp=1，知道P（SR=1）從0.234變成0.435，P（SR=0）也就從0.766變成0.565，將這些值重新代入公式中，得到修改后的邊界概率即為條件概率，而其他節(jié)點(diǎn)及病害發(fā)生的概率隨之發(fā)生變化。將新的發(fā)生數(shù)據(jù)輸入網(wǎng)絡(luò)中更新各個(gè)節(jié)點(diǎn)的概率這個(gè)過(guò)程稱為概率繁殖[30]。這樣的雙向推理能力是其他模型方法無(wú)法實(shí)現(xiàn)的[30]。

2.2 模型預(yù)測(cè)結(jié)果

為了檢驗(yàn)建立的貝葉斯網(wǎng)絡(luò)模型的預(yù)測(cè)的準(zhǔn)確性，本試驗(yàn)選取小湯山基地260次數(shù)據(jù)、首農(nóng)莊園274次數(shù)據(jù)、弘科農(nóng)場(chǎng)806次數(shù)據(jù)、裕農(nóng)公司273次數(shù)據(jù)，共計(jì)1613次數(shù)據(jù)進(jìn)行混淆矩陣（Confusion Matrix）對(duì)比分析對(duì)預(yù)測(cè)病害發(fā)生和實(shí)際發(fā)生的結(jié)果進(jìn)行評(píng)價(jià)，還建立了logistic回歸模型并進(jìn)行比較，兩種預(yù)測(cè)結(jié)果的比較見(jiàn)表7，以進(jìn)一步驗(yàn)證貝葉斯網(wǎng)絡(luò)模型的預(yù)測(cè)效果。從表7可以看出平均BN模型的真陽(yáng)性比例（TP=0.88）高于LR模型（TP=0.57）;BN模型的假陰性比例（FN=0.12）低于LR模型（FN=0.43），BN模型比LR模型預(yù)測(cè)病害發(fā)生的準(zhǔn)確率更高，漏報(bào)率更低。BN模型的準(zhǔn)確度（ACC=0.87）優(yōu)于LR模型（ACC=0.66），BN模型的約登指數(shù)（J=0.74）高于LR模型（J=0.25），表明BN模型預(yù)測(cè)結(jié)果真實(shí)性高于LR模型。這說(shuō)明模型在預(yù)測(cè)整體和各個(gè)溫室表現(xiàn)較好，具有良好的普適性，為實(shí)際生產(chǎn)中黃瓜白粉病預(yù)測(cè)提供參考。

同時(shí)繪制各溫室病害發(fā)生的ROC曲線（ Receiver Operating Characteristic Curve，即受試者工作特征曲線）綜合評(píng)價(jià)黃瓜白粉病病害預(yù)測(cè)效果（圖 2）。以真陽(yáng)性率（靈敏度）為縱坐標(biāo)，假陽(yáng)性率（1-特異性）為橫坐標(biāo)，繪制ROC曲線。曲線下區(qū)域越大（AUC范圍為0～1），則表示該模型的綜合預(yù)測(cè)效果越好[30]。由圖2可以看出，本試驗(yàn)中建立的BN模型預(yù)測(cè)平均命中率在85%以上，反應(yīng)該模型具有較好的預(yù)測(cè)精度，通常80%以上命中率即可被認(rèn)為是理想結(jié)果[31]。同時(shí)根據(jù)表3的結(jié)果和各地區(qū)ROC曲線面積均大于85%，該模型在整體病害預(yù)測(cè)和各地區(qū)預(yù)測(cè)病害的效果比較好，具有一定的普適性，可以進(jìn)一步利用貝葉斯網(wǎng)絡(luò)構(gòu)建病害預(yù)警模型。

2.3 貝葉斯網(wǎng)絡(luò)模型效果評(píng)估

BN和LR的統(tǒng)計(jì)指標(biāo)和誤差如表8所示，RMSE衡量觀測(cè)值與真實(shí)值之間的偏差，作為機(jī)器學(xué)習(xí)模型預(yù)測(cè)結(jié)果衡量的標(biāo)準(zhǔn)之一，其值越小，表明模型的偏差就越小，預(yù)測(cè)的準(zhǔn)確性越好， MSE評(píng)價(jià)模型的準(zhǔn)確性，MSE值越小，反映模型預(yù)測(cè)效果越好，準(zhǔn)確性越高。從表8中可以得出BN模型的總體，小湯山基地、首農(nóng)莊園、裕農(nóng)公司、弘科農(nóng)場(chǎng)的MSE、RMSE值均低于LR模型值，其值均小于1。小湯山基地BN決定系數(shù)（R2=0.78）>LR模型（R2=0.38）、首農(nóng)莊園BN決定系數(shù)（R2=0.61）>LR模型（R2=0.49）、弘科農(nóng)場(chǎng)BN決定系數(shù)（R2=0.61）>LR模型（R2=0.06），BN模型總體決定系數(shù)大于LR模型。結(jié)果表明BN模型的預(yù)測(cè)效果優(yōu)于LR模型。說(shuō)明本試驗(yàn)構(gòu)建的貝葉斯網(wǎng)絡(luò)模型可信度較高。

3 討論與結(jié)論

保護(hù)地栽培條件下瓜類白粉病的發(fā)生受到多種因素的影響，筆者通過(guò)相關(guān)分析發(fā)現(xiàn)，溫度濕度、光照度與病害發(fā)生相關(guān)。通過(guò)查閱相關(guān)文獻(xiàn)得知，分生孢子在10～30 ℃都能萌發(fā)，而20～25 ℃最為適宜，超過(guò)30 ℃或者低于-1 ℃，則難以萌發(fā)并失去活力[32]，病菌分生孢子萌發(fā)所要求的濕度范圍比較大，即發(fā)病適宜的相對(duì)濕度為45%～95%，但是濕度不能過(guò)高，因分生孢子吸水后膨壓過(guò)大，會(huì)引起破裂，反而對(duì)萌發(fā)不利[26]。設(shè)施環(huán)境屬于密閉環(huán)境，空氣流動(dòng)比較小，溫度和濕度很容易達(dá)到病害所需的條件，筆者分析得出，溫度符合病害發(fā)生概率為0.449，濕度符合病害發(fā)生的概率為0.730。病害發(fā)生的概率為0.695。這與高峰[25]和徐寧等[26]的研究病害發(fā)生規(guī)律一致。筆者發(fā)現(xiàn)光照度影響發(fā)生概率比較小，但是在設(shè)施環(huán)境下，對(duì)溫度的變化影響比較大。而對(duì)露地作物來(lái)說(shuō)，光照同樣影響病害的發(fā)生[6]。為此，筆者將光照條件作為影響溫室黃瓜白粉病發(fā)生的因素之一。通過(guò)對(duì)日光溫室黃瓜白粉病的病害調(diào)查結(jié)果分析，白粉病發(fā)生前期病害傳播較慢，中期、后期傳播速度快、危害性較大，利用模型預(yù)測(cè)病害發(fā)生的準(zhǔn)確率為95%、92%、91%、87%，整體預(yù)測(cè)的準(zhǔn)確度為87%。表明模型在整體病害預(yù)測(cè)和各地區(qū)預(yù)測(cè)病害的效果比較好。

筆者將貝葉斯網(wǎng)絡(luò)與黃瓜白粉病發(fā)生預(yù)測(cè)模型相結(jié)合，建立了基于貝葉斯網(wǎng)絡(luò)的日光溫室黃瓜白粉病預(yù)警系統(tǒng)。通過(guò)構(gòu)建黃瓜白粉病發(fā)生預(yù)測(cè)模型，探明了黃瓜白粉病發(fā)生概率與溫室內(nèi)主要環(huán)境因子之間的關(guān)系，對(duì)建立的模型進(jìn)行檢驗(yàn)，進(jìn)一步證明模型檢驗(yàn)結(jié)果較優(yōu)，表明系統(tǒng)模型在預(yù)測(cè)溫室黃瓜白粉病發(fā)生方面具有較強(qiáng)的普適性。此外，黃瓜白粉病的發(fā)生除與環(huán)境氣象因子有密切關(guān)系外，還與品種抗性、水肥管理、田間管理等因素密切相關(guān)，今后應(yīng)在綜合考慮其他因子的情況下，進(jìn)一步完善預(yù)測(cè)模型，保持模型的滾動(dòng)發(fā)展，以達(dá)到預(yù)警效果最佳，為溫室大棚蔬菜病害防治提供參考。

參考文獻(xiàn)

[1] 張怡，徐克東，陳佩佩，等.河南省周口地區(qū)瓜類白粉病的分子鑒定與分析[J].華中師范大學(xué)學(xué)報(bào)（自然科學(xué)版），2013，47（6）：830-835.

[2] 呂雄杰，王曉蓉，賈寶紅.基于物聯(lián)網(wǎng)技術(shù)的日光溫室黃瓜白粉病預(yù)警系統(tǒng)研究（英文）[J].Agricultural Science & Technology，2016，17（12）：2873-2876.

[3] 沈麗平，徐強(qiáng)，MOUAMMAR A，等.黃瓜白粉病抗性遺傳模型分析[J].江蘇農(nóng)業(yè)學(xué)報(bào)，2011，27（2）：361-365.

[4] 蔣龍燕.氣候變化與海南橡膠樹(shù)白粉病流行關(guān)系的分析[D].海口：海南大學(xué)，2015.

[5] TRECATE L，SEDLALOVA B，MIESLEROVA B，et al. Effect of temperature on infection and development of powdery mildew on cucumber[J]. Plant Pathology，2019，68（6）：1165-1178.

[6] WANG H，JIANG Y P，YU H J，et al.Light quality affects incidence of powdery mildew，expression of defence-related genes and associated metabolism in cucumber plants[J].European journal of Plant Pathology，2010，127（1）：125-135.

[7] WHIPPS J M，BUDGE S P.Effect of humidity on development of tomato powdery mildew（Oidium lycopersici）in the glasshouse[J].European Journal of Plant Pathology，2000，106（4）：395-397.

[8] 王國(guó)偉，劉嘉欣.基于卷積神經(jīng)網(wǎng)絡(luò)的玉米病害識(shí)別方法研究[J].中國(guó)農(nóng)機(jī)化學(xué)報(bào)，2021，42（2）：139-145.

[9] 徐寧.塑料大棚黃瓜白粉病和霜霉病流行預(yù)測(cè)和管理系統(tǒng)的研究[D].南京：南京農(nóng)業(yè)大學(xué)，2003.

[10] KAMPMANN H H，HANSEN O B.Using colour image analysis for quantitative assessment of powdery mildew on cucumber[J].Euphytica，1994，79（12）：19-27.

[11] 葉小林.探析物聯(lián)網(wǎng)技術(shù)在桃樹(shù)栽培與病蟲(chóng)害防治中的應(yīng)用[J]. 農(nóng)業(yè)開(kāi)發(fā)與裝備，2021（3）：208-209.

[12] 李磊福，孫秋玉，史娟，等.寧夏溫室瓜菜白粉病菌鑒定及病害流行預(yù)測(cè)模型構(gòu)建[J].植物保護(hù)學(xué)報(bào)， 2017，44（5）：788-795.

[13] 尹哲，原鍇，谷培云，等.京郊溫室大棚黃瓜白粉病流行預(yù)測(cè)模型構(gòu)建[J].中國(guó)植保導(dǎo)刊，2014，34（3）：46-48.

[14] 趙森棟，劉挺.因果關(guān)系及其在社會(huì)媒體上的應(yīng)用研究綜述[J].軟件學(xué)報(bào)，2014，25（12）：2733-2752.

[15] 謝樂(lè).基于貝葉斯網(wǎng)絡(luò)的農(nóng)超對(duì)接供應(yīng)鏈風(fēng)險(xiǎn)預(yù)警模型研究[D].南昌：江西財(cái)經(jīng)大學(xué)，2020.

[16] 張妍，張秋英，李發(fā)東，等.基于穩(wěn)定同位素和貝葉斯模型的引黃灌區(qū)地下水硝酸鹽污染源解析[J].中國(guó)生態(tài)農(nóng)業(yè)學(xué)報(bào)（中英文），2019，27（3）：484-493.

[17] 馮思宇.河北省冬小麥白粉病氣候預(yù)報(bào)的貝葉斯網(wǎng)絡(luò)模型研究[D].石家莊：河北師范大學(xué)，2018.

[18] 聶臣巍.基于貝葉斯網(wǎng)絡(luò)的小麥條銹病預(yù)測(cè)研究[J].安徽農(nóng)業(yè)科學(xué)，2014，42（16）：5027-5030.

[19] JMP A，JAA B，JAG A，et al.Efficient and accurate structural fusion of Bayesian networks[J].Information Fusion，2021，66：155-169.

[20] ZHU Y，LIU D，CHEN G，et al.Mathematical modeling for active and dynamic diagnosis of crop diseases based on Bayesian networks and incremental learning[J].Mathematical and Computer Modelling，2013，58（3/4）：514-523.

[21] SINGH N，GUPTA N.Bayesian network for decisionsupport on pest management of tomato fruit borer，H. armigera[J].International Journal of Engineering & Technology，2017，6（4）：168-170.

[22] LU W，NEWLANDS N K，CARISSE O，et al. Disease risk forecasting with Bayesian learning networks： Application to grape powdery mildew（Erysiphe necator）in vineyards[J].Agronomy，2020，10（5）：622.

[23] 杜玉寧，陳杭，白小軍，等.寧夏黃瓜新品種及主栽品種對(duì)白粉病的抗性評(píng)價(jià)[J].中國(guó)瓜菜，2019，32（11）：27-30.

[24] 劉鑒，任愛(ài)新，劉冉，等.考慮日光溫室空間異質(zhì)性的黃瓜葉片濕潤(rùn)時(shí)間估算模型研究[J].智慧農(nóng)業(yè)（中英文），2020，2（2）：135-144.

[25] 高鋒.吉林省主要瓜類白粉病發(fā)生規(guī)律及綜合防治措施的研究[D].長(zhǎng)春：吉林農(nóng)業(yè)大學(xué)，2007.

[26] 徐寧，劉鳳權(quán)，胡白石，等.室內(nèi)模擬塑料大棚黃瓜白粉病流行預(yù)測(cè)模型的建立[J].植物保護(hù)， 2004（6）：52-55.

[27] 李卓，金恭璽，郎寧，等.溫濕度與光照對(duì)葡萄霜霉病菌孢子囊萌發(fā)及存活的影響[J].新疆農(nóng)業(yè)科學(xué)，2016，53（11）：2090-2097.

[28] 劉艷杰，李霞. 基于貝葉斯網(wǎng)絡(luò)的學(xué)生成績(jī)預(yù)測(cè)[J].山東理工大學(xué)學(xué)報(bào)（自然科學(xué)版），2019，33（5）： 75-78.

[29] 熊曉夏，陳龍，梁軍，等.基于貝葉斯網(wǎng)絡(luò)模型的道路交通事故鏈生成與演化研究[J].公路交通科技， 2018，35（5）：99-107.

[30] 黃影平.貝葉斯網(wǎng)絡(luò)發(fā)展及其應(yīng)用綜述[J].北京理工大學(xué)學(xué)報(bào)，2013，33（12）：1211-1219.

[31] 黃建明.貝葉斯網(wǎng)絡(luò)在學(xué)生成績(jī)預(yù)測(cè)中的應(yīng)用[J].計(jì)算機(jī)科學(xué)，2012，39（S3）：280-282.

[32] 范紹強(qiáng)，謝咸升，李峰，等.山西省小麥條銹病流行趨勢(shì)預(yù)測(cè)模型研究[J].中國(guó)農(nóng)業(yè)生態(tài)學(xué)報(bào)，2007，15（4）：113-155.