张谷丰， 罗 岗，朱先敏，朱 凤

(1.江苏省农业科学院植物保护研究所，江苏 南京 210014；2.江苏省通州区农业委员会，江苏 通州 226300；3.江苏省植物保护站，江苏 南京 210095)



基于Android的江苏省小麦赤霉病预警系统

张谷丰1， 罗 岗2，朱先敏3，朱 凤3

(1.江苏省农业科学院植物保护研究所，江苏 南京 210014；2.江苏省通州区农业委员会，江苏 通州 226300；3.江苏省植物保护站，江苏 南京 210095)

本研究将移动互联、数据库技术与赤霉病预警结合，应用网络平台，结合公共气象信息，开发了基于android手机的小麦赤霉病预警系统。系统可根据各地播种期、品种类型等模拟各地小麦生育期、预报小麦扬花期，继而综合国内外资料，引入较为成熟的赤霉病预警模型，根据实时气象数据自动分析汇总，模拟预警赤霉病的病穗率，充分发挥了智能手机实时高效、受众面广的优势，随时随地向用户提供最新的赤霉病预警信息，为小麦赤霉病的预警及控制提供了一条新的技术途径。

小麦赤霉病；android；预警系统

小麦赤霉病是一种典型的气候型病害，近年来流行频率上升，发生程度加重，不仅影响产量而且染病籽粒中产生的DON 等毒素危害人畜健康。

小麦赤霉病流行与菌原、气候、品种等因素相关密切，尤其是小麦扬花期天气状况。国外研究者通过分析影响病害的各种因子[1-3]，提出小麦扬花期的相对湿度、气温、雨量等因素是病害流行的关键，据此建立了多种形式的预警模型[4-6]，这些模型结合小麦生育期、感病期的气候条件等应用各种统计分析方法建立，在预警模型的基础上，Massimo等建立了预警系统来预警赤霉病的危害风险和发生程度[7-10]，近年来，随着互联网技术的普及兴起，一些研究机构开发了基于网络及GIS的病害预警系统，并在网上实时发布预警信息[11-14]；国内对小麦赤霉病流行和预警研究比较多，集中在20世纪70、80年代，各地也建立了一些预测模型[15]，但由于气候资料的滞后性，这些模型仅是对历史资料进行验证，预测准确性差，故国内对赤霉病的预测方法存在争论，从20世纪末至今，国内麦类赤霉病流行预警研究基本停滞。

当今信息技术尤其是移动互联技术发展迅猛，基于Android平台的智能手机集通话、多媒体、上网等多功能于一体，价格低廉，应用广泛[16-17]；此外，信息技术的进步也促进了数据处理手段及分析能力的提升，气象预警准确性高、信息传输快、时效性强，这些都为病害预警提供了新的技术手段。据此，笔者开发了基于android平台的赤霉病预警系统，充分利用手机传播快捷、受众广泛的优点，将赤霉病的预警信息实时发布，并在江苏省部分县市进行了验证，取得了较好的效果，为赤霉病的流行预警探索了一条新路。

1 材料与方法

系统总体设计为客户机/服务器架构。服务器端负责数据收集与分析处理，手机客户端负责信息发布和展示，使用JSON (JavaScript Object Notation) 数据格式进行传输。

1.1 系统结构和开发工具

服务器端为开源软件组合LAMP (Linux+Apache +PHP +MySQL)，PHP作为脚本开发语言，MySQL数据库储存数据，本软件组合可在Windows、Linux等多种平台上开发运行。

客户端通用系统开发环境由“JDK(Java development kit)+Eclipse+Android SDK(Software development kit)+ADT(Android development tools)”组成。其中，Eclipse为Android 应用程序开发IDE(integrated development environment)，JDK包含了Java开发环境和类库，Android SDK是Android专属软件开发工具包，为程序设计者提供了丰富的控件，ADT模拟器用于android工程的创建、运行和调试。

系统以麦类赤霉病预警为核心，分为数据层、业务逻辑层、表现层与用户层。数据层为服务器端数据库；业务逻辑层负责系统功能实现；表现层和用户层为用户界面及手机客户端预警信息发布，如图1所示。

1.2 系统功能

1.2.1 数据库 气象数据是系统的核心。气象数据库保存记录江苏省内各地的数据，包括天气预报信息数据表和实时气候资料数据表。气象数据均来自中国天气网[18]，天气预报信息数据表记载逐日的资料，主要字段为站点名称、填报日期、最高气温和最低气温等；实时气候资料数据表，为每个时段各地的气象资料，包括填报单位、填报日期、填报时间、气温、气压、降水量、相对湿度及风力风向等字段。气象数据记录均通过中国天气网接口自动收集整理。

1.2.2 服务器端功能设计 系统功能集中在服务器端实现，包括数据收集、数据分析，模型计算、模拟等，预警结果以文件形式保存在服务器上(图2)。

小麦生育期的模拟：参照De Wolf等[12]冬小麦生长参数及模拟方程，结合当地播种期、小麦品种类型、气温等模拟小麦生育期，并根据模型及天气预报值预报小麦扬花期。

小麦赤霉病流行风险预警：根据美国明尼苏达大学的赤霉病预警模型，影响小麦赤霉病发生的关键因素是小麦扬花期间的气温、湿度及降雨，国内江苏省测报办法上采用了江苏海安冯成玉等[19]建立的赤霉病预警模型，该模型与明尼苏达大学模型因子相仿，本研究选用此模型预警江苏麦区赤霉病流行情况。

1.2.3 手机客户端功能设计 手机客户端主要解析服务器端的预警信息，并通过widget组件实时展示。用户先定位所在位置信息(行政区域，县别)，而后在服务器端获取当地的小麦生育期及小麦赤霉病预警信息文件，解析并显示。

2 结果与分析

系统提供的赤霉病预警信息主要供植保技术人员、种田大户和普通农户在防治决策时参考，包括实时小麦生育期模拟、小麦扬花期预报及赤霉病流行风险模拟预警等内容。

2.1 小麦生育期的模拟及扬花期预报

如图2所示，公共气象信息自动录入气象数据库中，系统可根据各地小麦品种类型(早熟、中早熟、中熟、中迟熟和迟熟)、播种期、当地气象资料，逐日计算小麦积温情况，结合小麦各阶段(播种、出苗、1～8叶期、剑叶期、孕穗期、破口期、抽穗期、扬花期、终花期、乳熟期、蜡熟期等)生长所需的有效积温，实时模拟当前当地小麦的生育进程，在此基础上，再由预报天气及近日气温预报当地的小麦扬花期(易感生育期)。为方便操作，小麦播种期、品种类型、用户所在地均以超级链接形式显示在用户界面上，直接点击相应链接即可(图3)。

由于各地小麦种植品种多，播栽期变化大，即使同一地区，早发田块与迟熟地块间小麦生育期也可能相差好多天，故本系统模拟生育期仅是对当地大面积小麦生育期的模拟及预报。

通过本系统可实时了解当地总体小麦生长进程，及与历史资料的比较，如生育期早迟、相差天数等定性定量的结论，提前7～10 d预报扬花期。2014年根据系统模拟在四月上旬，得出江苏省生育期比2013年早5 d左右的结论，2015年四月上旬预报生育期与2014年生育期相仿略迟，从后期小麦生长情况看，与田间实际基本吻合。

2.2 小麦赤霉病流行预警

根据实时收集的小麦扬花期间天气情况结合赤霉病病穗率模型，计算预报小麦赤霉病的流行风险。

病穗率Y的计算方程为：

Y=0.1044X1+ 8.0751×Sqr(X2-10)+18.0432X3-19.7998

预警关键因子分别为小麦抽穗至扬花后5 d内的“湿段天气”累计小时数(X1)，湿段天气持续期内的平均气温(X2)，降水时数占湿段天气总持续时数的比例(X3)。该方程充分考虑了病害发生流行的影响因素，针对性强，是江苏省预警赤霉病流行的较为成熟的模型。

系统自动从气象数据库中，将小麦扬花前后收集的逐时各地气象资料，根据3个关键因子进行判断汇总；此外，由于各地小麦生育期变化很大，即使同一地区，不同田块、不同品种小麦生育进程相差也很大，系统还自动收集整理假定当天扬花的气象资料，这些数据代入公式计算，就可得当地模拟扬花期或当天扬花赤霉病流行的风险(病穗率)。

根据江苏省内各地情况系统初步设定了播期和品种等默认值，用户也可根据实际情况选择相关参数自己进行模拟预警。

这些预警信息在每天的固定时段生成， 以xml和html格式的网页文件保存在服务器端，方便大量用户访问，也减少了服务器端的负担。

2014年赤霉病预警模拟结果，与江苏省植保站提供的全省各市赤霉病最终发病情况比较，南通、泰州、无锡、宿迁、徐州、扬州等6个地区的模拟病穗率11.34%～16.29%，各地调查统计实际未治田自然病穗率为5.4%～19.56%，模拟病穗率与实际调查自然病穗率误差小于10个百分点；连云港、苏州、南京等3地两者误差在10～15个百分点；盐城、淮安两市误差15～20个百分点；仅常州和镇江两市发病较重，模拟值与实际值相差20～30个百分点。

由于该模型是运用南通地区海安县站历史资料进行分析所得，故从2014年预警结果看，本预警系统在南通及相邻的苏中地区预报值与实际值拟合程度高，在苏北、苏南等地还需结合当地历史资料，组建适应当地的模型，并与各地调查值结合修正，以得到更为合理有效的模拟预警结果。

2.3 基于android的赤霉病预警信息发布

手机客户端系统为apk类型的标准安装软件，用户可直接下载到android平台的手机上安装，用户通过系统自动定位或自己选择本地区域(以县为行政区划单位)后，上网从服务器下载本地的预警信息(json 类型的文件)，系统将json数据解析后，预警信息结果在用户手机上实时显示，本项预警信息及天气预报信息以widget组件直接显示在手机桌面上(图4)，用户可随时随地掌握最新的小麦生育期和赤霉病流行风险动态，从而采取针对性的防治决策。

3 讨论与结论

3.1 赤霉病作为一种气候型的病害，预警难度大，国内一些较为成熟的模型由于需要大量实时的气象数据资料，且预报时限较短，从而限制了其应用。本研究将移动互联技术引入到病虫害预警中，从实时数据采集、数据分析处理及信息传输发布均实现了自动化、信息化，将预警与决策融为一体，为赤霉病的预警提供了新的技术手段。同时，实时预警信息在不断修正，提高了预报准确率，android智能手机用户的广泛性又增强了信息的普及性，改变了现今病虫防治信息传递层次多、信息失真、速度慢的缺陷。

3.2 多年来的研究表明，扬花期的天气情况是影响赤霉病流行的关键。本研究仅考虑了大气环境下的温湿度和降雨等因素，对小麦田间小气候、土壤湿度、赤霉病孢子量等因素尚未涉及，这些需通过物联网及相关设备获得，在以后的研究中加以充实。此外，文中预警模型仅是在一地的历史资料的基础上分析获得，而病害流行具有很强的地域性特征，需要在以后的工作中在海量数据的基础上通过数据挖掘[20]的方法进行分析，并不断优化。

3.3 系统提供的预警信息只是对用户进行风险提醒，供用户决策参考，还需辅以田间调查结果，不断修正预警模型，更好地为生产服务。

[1]GENTON M G, FURRER R. Analysis of rainfall data by simple good sense: is spatial statistics worth the trouble[J]. J Geogr Inform Dec Ana, 1998,(2)： 11-17.

[2]DOOHAN F M, BRENNAN J, COOKE B M. Influence of climatic factors on Fusarium species pathogenic to cereals[J]. Eur J Plant Pathol, 2003, 109:755-768.

[3]KRISS A B, PAUL P A, MADDEN L. Relationship between yearly fluctuations in Fusarium head blight intensity and environmental variables: a window-pane analysis[J]. Phytopathology, 2010, 100: 784-797.

[4]MOSCHINI R C, FORTUGNO C. Predicting wheat head blight incidence using models based on meteorological factors in Pergamino[J]. Argentina Eur J Plant Pathol, 1996, 102: 211-218.

[5]MUSA T, HECKER A, VOGELGSANG S, et al. Forecasting of Fusarium head blight and deoxynivalenol content in winter wheat with Fusa Prog[J]. Bull OEPP, 2007, 37: 283-289.

[6]ROSSI V, GIOSUé S, PATTORI E, et al. A model estimating the risk of Fusarium head blight on wheat[J]. Bull OEPP, 2003, 33:421-425.

[7]MADDEN L V, LIPPS P E, DE WOLF E. Developing forecasting systems for Fusarium Head Blight[C]// Canty S M, Boring T, Wardwell J, Ward R W. (Eds.), Proceedings of the Second International Symposium on Fusarium Head Blight; incorporating the Eighth European Fusarium Seminar. December 2004, Orlando, FL, USA. East Lansing, MI, Michigan State University, 2004, (2):11-15.

[8]MASSIMO B, MIRIAM H， MICHELANGELO P, et al.Integrated strategies for the control of Fusarium head blight and deoxynivalenol contamination in winter wheat Field[J].Crops Research 2012,133: 139-149.

[9]CHALA A, WEINERT J, WOLF G A. An integrated approach to the evaluation of the efficacy of fungicides against Fusarium culmorum, the cause of head blight of wheat[J]. J. Phytopathol,2003, 151:673-678.

[10]ROSSI V, GIOSUÉ S, TERZI V, et al. A decision support system for Fusarium head blight on small grain cereals[J]. Bull. OEPP， 2007,37:359-367.

[11]LANDSCHOOT S, WAEGEMAN W， AUDENAERT K, et al. A field-specific web tool for the prediction of Fusarium head blight and deoxynivalenol content in Belgium[J]. Computers and Electronics in Agriculture, 2013, 93:140-148.

[12]DE WOLF E, LIPPS P, MILLER D, et al. Evaluation of prediction models for wheat Fusarium head blight in the US, In: S.M. Canty, T. Boring, J. Wardwell, R.W. Ward (Eds.), Proceedings of the Second International Symposium on Fusarium Head Blight; incorporating the Eighth European Fusarium Seminar[J]. USA. East Lansing, MI, Michigan State University, 2004, (2):11-15.

[13]PAVAN W, FRAISSE C W, PERES N A. Development of a web-based disease forecasting system for strawberries[J]. Comput Electron Agr， 2011, 75: 169-175.

[14]MAGAREY R D, BORCHERT D M， FOWLER G L, et al. NAPPFAST, an internet system for the weather-based mapping of plant pathogens[J]. Plant Dis， 2005, 91: 336-345.

[15]张旭晖, 高苹, 居为民, 等. 小麦赤霉病气象条件适宜程度等级预报[J]. 气象科学, 2009, 29(4) : 552-556.

[16]赵庆展, 靳光才, 周文杰, 等. 基于移动 GIS 的棉田病虫害信息采集系统[J]. 农业工程学报，2015，31(4)：183-190.

[17]尚明华, 秦磊磊, 王风云, 等. 基于 Android 智能手机的小麦生产风险信息采集系统[J]. 农业工程学报，2011，27(5)：178-182.

[18]中国天气网[EB/OL]http://www.weather.com.cn

[19]冯成玉, 张光旺, 刘建邦, 等. 湿段天气在小麦赤霉病定量预报中的应用[J]. 植物保护学报, 1998, 25(3):231-234.

[20]WISDOM M. DLAMINI. A data mining approach to predictive vegetation mapping using probabilistic graphical models[J]. Ecological Informatics, 2011, 6(2):111-124.

(责任编辑：林海清)

An Android-based Forecasting System for Disease Management on Wheat Head Blight in Jiangsu Province

ZHANG Gu-feng1，LUO Gang2，ZHU Xian-min3，ZHU Feng3

(1.InstituteofPlantProtection,JiangsuAcademyofAgriculturalScience,Nanjing，Jiangsu210014,China;2.AgricultureCommitteeofTongzhou,Tongzhou，Jiangsu226300,China;3.PlantProtectionStationofJiangsuProvince,Nanjing，Jiangsu210036,China)

A typical climate-related disease, the wheat head blight has mostly been controlled by spraying fungicide rather than by preventive measures. This study utilized the available database, Android mobile operating system, Internet access, and weather forecast to predict and broadcast possible occurrence of wheat head blight. Through this forewarning system, relevant information could be disseminated on real-time basis via Internet and WiFi to be retrieved on a computer or mobile devices. The system was designed to make forecast using a well-tested simulation model with inputs from the data bank that stored the information on the growth and flowering of wheat according to the specific sowing date, variety, and locality of the crop, as well as the weather conditions. It would provide a new, rapid means for the farmers to most efficiently prevent the epidemic of wheat head blight from happening.

wheat head blight; Android; forecasting system

2016-04-19初稿；2016-06-03修改稿

张谷丰(1970-)，男，研究员，主要从事病虫测报研究(E-mail:tzzbzzgf@hotmail.com)

江苏省科技支撑计划(BE2013432);江苏省自主创新项目[CX(15)1001]

S 431;TP 393.09

A

1008-0384(2016)09-966-05

张谷丰， 罗岗，朱先敏，等.基于Android的江苏省小麦赤霉病预警系统[J].福建农业学报，2016，31(9)：966-970.

ZHANG G-F，LUO G，ZHU X-M，et al.An Android-based Forecasting System for Disease Management on Wheat Head Blight in Jiangsu Province[J].FujianJournalofAgriculturalSciences，2016，31(9)：966-970.