南方农业学报

作者：杨楠, 朱洪凤, 孙帅, 钱晔, 吕荣艳, 刘家迅, 吴红芝,

关键词：机器学习, 切花月季, 红蜘蛛, 预测模型,

【目的】构建温室切花月季红蜘蛛发生预测模型，为切花月季红蜘蛛的早期预警和精准防控提供技术支撑，同时为设施花卉病虫害的智能化管理提供理论依据和实践参考。【方法】基于2023年1月4日—2024年1月7日云南省昆明市晋宁区温室切花月季的环境气象因子和田间红蜘蛛虫害调查数据，解析温室环境中红蜘蛛的发生规律及其关键驱动因子（棚内气温和相对湿度）；评价26个切花月季品种对红蜘蛛的抗性强弱，确定抗性等级；采用K-近邻（KNN）、梯度提升机（GBM）、随机森林（RF）、广义线性贝叶斯（BGLM）和支持向量机（SVM）5种机器学习算法构建红蜘蛛发生预测模型，并评估其预测效果。【结果】昆明市晋宁区温室切花月季红蜘蛛危害植株呈渐进性，危害后期切花月季叶片、茎秆及花蕾上覆盖白色蛛网，影响植株光合作用，叶片和花蕾极易脱落。切花月季上红蜘蛛的发生呈季节性，冬夏高发，以1和7月最为严重；春秋低发，4—5月最轻。相对湿度55.5%~65.5%和棚内气温22~24 ℃的环境有利于红蜘蛛暴发。依据虫害指数可将26个切花月季品种划分为5个抗性类群，其中火灵鸟、洛神、骄傲、朱小姐和辛西娅5个品种为高抗（HR）类群。在对高感（HS）抗性类群的预测中，RF和GBM模型的表现最优，其决定系数（R2）和模型效率指数（EF）均在0.80以上，均方根误差（RMSE）为3.56~3.57、归一化均方根误差（NRMSE）为64.28~66.84、平均绝对误差（MAE）为2.08~2.15。【结论】RF和GBM模型对温室切花月季红蜘蛛的预测精度优于其余3种模型。可利用RF和GBM构建融合模型用于早期月季病虫害预警系统，并通过嵌入智慧农业平台实现对病虫害的科学管控，为不同气候带月季种植区提供病虫害精准治理决策支持。

来源：2025年第11期

《南方农业学报》期刊编辑部

查看南方农业学报杂志2025年第11期