大数据驱动的天敌资源调查与监测体系构建研究

吕佳乐 徐学农*

（1.中国农业科学院植物保护研究所，北京 100193；2.国家天敌等昆虫资源数据中心，北京 100193）

1 引言

化学投入品的大量误用与滥用，导致农产品安全、生态与环境安全等一系列问题变得越来越尖锐。在有害生物治理上，生物防治因环境与生态友好、对农产品安全等倍受青睐[1]。天敌在减少害虫爆发和维持自然平衡中发挥着重大作用。天敌资源在自然界广泛存在，我国上世纪后期曾开展过比较全面的农业昆虫普查工作，早在70 年代，中国科学院动物研究所等就编写了《天敌昆虫图册》一书[2]，书中列入了比较常见的昆虫天敌共7 目435 种。1996 年，农业出版社出版了《中国农业百科全书昆虫卷》[3]，其中也对生物防治理念和常见天敌作了相关论述。这些早期工作作为摸清我国天敌资源家底的起步性工作，具有很高的理论价值。但除了物种信息外，还需要进一步掌握天敌资源的发生分布、其与植物害虫以及各类环境因子的互作关系等，才有可能进一步明确其适用条件，为实际应用奠定基础。近年来，天敌资源调查以区域性为主，尤其是针对一些重大害虫问题的特定调查，如针对烟蚜、马铃薯叶甲、柑橘木虱（黄龙病病原宿主）、草地贪夜蛾等防治的天敌资源调查[4-8]。总体来说，目前相关研究呈现散点化，标准化、规模化程度不足。

在农业生态系统的昆虫监测方面，国际国内都有一些对害虫进行长期监测的案例。例如英国洛桑实验站建立的蚜虫监测系统，在英国境内设置15 个监测点，采用标准化吸虫塔，从1964 年起，依照春夏秋每天检查一次、冬季每周检查一次的频率，已经持续监测50 余年。通过监测所获的的数据经分析后，在蚜虫发生测报、杀虫剂抗性研究、种群动态相关基础研究等方面都产生了大量科研成果[9-10]。在我国，也有以全国农技中心及其下属机构、监测点为主体开展的害虫测报体系。但天敌资源相关的长期监测工作较少。一个主要原因是天敌资源不同于寄主作物明确并发生集中的害虫，其自身及靶标害虫、寄主作物都具有多样性，在田间密度也相对较低。现有的调查工作多依赖于少数专业技术人员开展，样本量极低、工作量巨大，对于天敌的发生、分布规律等捕捉不够全面、数据比较零散。此外，天敌在农业生态系统中与各类生物、非生物因子都存在复杂的互作关系，传统方法在各类因子的记录上都进行了极大的简化，一些在分析天敌的物种、发生分布、互作等方面非常重要的因素往往被忽略。

过去十年中，大数据领域飞速发展，为复杂数据的采集与处理提供了新的思路[11-12]，大数据技术在农业领域也得到应用[13-14]。目前的天敌资源监测模式，不论普查或针对性调查所获得的数据都非常有限。在数据量和数据复杂度上的简化，极大地削弱了数据价值。要解决这个问题，必须突破传统农业昆虫监测的局限，充分利用大数据技术，建立自动化标准化程度高、覆盖数据类型广泛、且操作简单易行、人力依赖性低的监测方法体系，同时加强数据融合和关联分析。本文围绕天敌长期监测需求，采用大数据思维，构建了天敌资源调查与监测体系，并在国家天敌昆虫资源数据中心积极实践，取得了初步成效。

2 大数据驱动的天敌资源调查与监测体系构建方法

2.1 数据采集

农业大数据是农业领域全要素、全时、全域、全样本的数据集合，并应用大数据理念、技术和方法来处理这些数据集合。要实现天敌资源调查从传统方法向大数据思路的转变，即要实现天敌资源领域由样本数据到全局数据的转变。这个转变包括以下四方面：（1）调查人员从专业人员到广大涉农人员的转变；（2）数据采集从传统手工方法到自动化方法的转变；（3）数据上报由定时定点监测到基于对象的开放式上报的转变；（4）系统运作由集中管理向去中心化的转变（图1）。数据采集的自动化，是调查人员能够降低门槛、扩大范围的基本条件，而数据上报变为基于对象的开放式上报，是管理能够实现去中心化的必要前提。

当然，监测点和监测人员范围的扩大，都是一个从专到泛、逐步渗透的过程。即使在前期试点阶段，也需要在全国范围内广泛布点，在大尺度上实现全面覆盖；后期再随着方法和体系的成熟与完善，逐步提升网格的精细化水平，实现从面向专业人士到面向所有涉农人员（农民种植户）等的转型。

在数据采集上，需要逐步由传统手动方法向客观性高、信息量大的数据采集方法过度，重视图像、DNA 等信息。以图片信息为例，天敌的生态照片直接包含了物种信息、虫态信息、寄主作物信息等，采集地环境照片包含了寄主作物物种、生育期、密度、生长状态等，甚至包括采集地的天气情况等信息，所含信息量远远大于少数参数所能够记录的。此外，用手机等工具在拍摄照片时可以自动记录采集地的经纬度、海拔以及精确的采集时间。

2.2 监测方法

随着智能手机的普及，对田间见到的天敌物种进行拍照已经成为快速、准确收集天敌信息的“捷径”。而马来氏网于20世纪30年代被发明，后经改良，已经在世界范围内被广泛应用于昆虫标本收集。其操作简单、采集效率高，尤其适用于双翅目、膜翅目昆虫收集，每个样品中往往可获得标本数百上千头[15-16]。双翅目、膜翅目天敌恰巧是传统监测工作的采集难点。

采用以上方法收集数据，简便客观，数据信息量大。并可以辅助解决天敌昆虫资源调查与监测中的主要难题——物种鉴定。依托于大量的图片和标本信息，可进一步结合人工鉴定、图像识别、DNA条形码分析等技术[17]，开发全方位、多角度、人工与自动化方式相结合的天敌物种识别系统。其中图像识别、DNA条形码分析等都是依赖于大数据的信息化分析方法。

3.1 天敌资源调查与监测体系布局

天敌资源调查与监测得到的数据需要经过电子化过程被存储、分析和应用。针对全局数据采集和去中心管理的需求，大数据驱动的天敌资源调查与监测体系需要类似于电子商务的线上线下相结合的社会化平台来支撑。电子商务的特征之一是整体性，其能够规范事务处理的工作流程，将人工操作和电子信息处理集成为一个不可分割的整体[18-19]，这种线上线下一体化的整体性特质，也为实现天敌资源信息的规范化、全面客观采集提供了思路（表1），符合最终实现去中心化管理的需求。

对于天敌这一在不同地区、不同农田生态系统中普遍存在却又多样性程度很高的“商品”类型来说，可以借鉴电子商务中“综合商城”模型，如淘宝，其本身不进行销售，但提供了完备的销售平台。在天敌信息采集过程中，也要采用相似的平台。由平台负责制订标准、构建体系和平台，并根据不同层级技术人员、涉农人员等设置使用权限。这一平台是开放的、不断完善和丰富的。数据的生产者同时也是数据的使用者。相关人员在自己的权限范围内，既可以作为“卖方”按照平台要求提供本地天敌资源相关信息，也可以作为“买方”根据实际需求检索、下载、分析所需要的天敌数据。

2.3 数据管理平台

3 大数据驱动的天敌资源调查与监测体系建设实践

2017 年，农业农村部发布《农业部关于启动农业基础性长期性科技工作的通知》，启动农业基础性长期性科技工作，建立一个数据总中心与十个分领域数据中心，其中包括了天敌等昆虫资源数据中心。天敌等昆虫资源数据中心依托中国农业科学院植物保护研究所建设，设置以地市级农科院及三院部分下属单位为主要依托单位的实验站117 个，实验站的布局覆盖我国除港澳台外所有省市自治区。每个省份至少有1 个依托于省级农科院的实验站，并根据实际能力建立依托于市级农科院的实验站，其中江苏、新疆、黑龙江等省份实验站数量较多。中心于2018 年正式启动了调查与监测工作。

主要监测对象为瓢虫和植绥螨。瓢虫是生防价值最早被发现和利用的天敌昆虫之一[20]，我国瓢虫资源非常丰富，根据《中国瓢虫原色图鉴》中，共记录725 种，其中非植食性的瓢虫（具有生物防治潜力）580 种，该书中共记录279 种。实际上种类数量更多[21]。捕食螨是叶螨、蓟马、粉虱等小型多发、重发害虫的重要天敌。且其规模化饲养历史悠久、方法成熟度高，是世界范围内品种最丰富、产量最高的天敌类型之一，是极其重要的天敌资源[22-23]。世界范围内共有植绥螨2300 余种，在我国有记录的有300 多种，其中应多为捕食螨。中心同时鼓励实验站开展本地优势天敌资源调查。

表1 商品信息与天敌信息的对应关系Table 1 Correspondence between commodity information and natural enemy information

在监测方法上，针对主要调查对象，一方面优化、标准化传统调查方法，另一方面建立图像信息采集等采样新方法，为进一步建立图像识别等打好基础。此外，实验站全部开展马来氏网昆虫标本收集。马来氏网昆虫标本收集不设靶标性地监测对象，根据标本实际来判断当地天敌的物种与发生。

3.2 天敌资源调查与监测体系构建

大数据驱动的天敌资源调查与监测体系的构建不可能一蹴而就，必然要经历一个逐步实现的过程。初步可以将这一过程分为三个阶段。

第一阶段为起步期，主要目标是根据总体思路制定方案，初步形成天敌资源调查与监测体系的大框架。在参与监测人员方面，组建由专业技术水平相对最强的人员（如各地市级农科院相关专业技术人员）构成的团队，作为第一批数据贡献者。在监测对象上，从最有代表性的天敌开始监测。在监测方法上，采取传统方法与标准化自动化采集方法相结合。在数据分析上，由于数据量的局限，仍然以传统人工分析为主（图2A）。并通过对不同方法所采集到数据进行比较来优化、完善标准化自动化信息采集方法，提出相关标准与规范。为下一阶段扩大监测对象范围、优化监测方法建立通路。

第二阶段为专业领域内部成熟期。这一时期，第一阶段参与工作的监测人员已经能够以较为成熟的方法、针对最具代表性的天敌类型稳定开展监测工作，构成了监测体系的基本盘。所积累的数据也已经可以尝试用大数据思路开展初步分析。在此基础上，工作范围将实现拓展，面向更多的监测对象和农业生态系统类型，分别形成具有高度可行性的、集信息采集存储与分析于一体的自动化标准化实施方案，并颁布相关标准与规范。一方面通过简洁客观的标准与规范降低数据贡献者的准入门槛，另一方面由第一阶段参与人员就相关知识与运作模式向周围涉农人员推广、科普，为下一阶段扩大数据贡献者和使用者的范围做好准备。

第三阶段为全面扩展期。在这一时期，体系将实现数据贡献者从少数专业技术人员扩展到广大涉农人员的转型，也是真正实现天敌大数据的关键时期。数据的收集与上报除了依赖前两阶段形成的基本盘人员负责的定时定点调查外，继而拓展基于对象的开放性上报模块。非专业技术人员的用户可根据田间实际随时上报天敌及环境等照片信息，由系统自动提取天敌物种及相关信息，并与系统中已有信息自动关联。同时在系统内部建立数据质量自动评价机制，体系逐步实现去中心化。底层数据依次与农业其他领域基础数据、物联网、农产品及农事管理产品供销等领域打通，由此实现数据应用价值的提升（图2B）。

3.2 天敌资源调查与监测的初步成效

截止目前，天敌等昆虫资源数据中心已收集到数据总量约142GB，天敌生态照片、标本照片及生境照片近万张，马来氏网样品2600余瓶。

对2018—2019 年度收集到的数据开展初步分析可以看出，天敌资源分布在2 纲（昆虫纲、蛛形纲）11 个目中，具体为：膜翅目（22 科/总科）、蜘蛛目（13 科）、蜱螨目（12 科）、双翅目（7 科）、半翅目（5 科）、鞘翅目（4 科）、蜻蜓目（3 总科）、螳 螂 目（1 科）、缨 翅 目（1 科）、革 翅 目（1科）（表2）。

以重点监测对象瓢虫为例开展初步分析，2018—2019 年间，共监测到58 种瓢虫（表3）。其中异色瓢虫、龟纹瓢虫、七星瓢虫、多异瓢虫、六斑月瓢虫和二星瓢虫各有10 家以上实验站监测到，自然形成第一梯队“常见瓢虫”。

以龟纹瓢虫为例，其在东部沿海地区和中部各省份广泛分布，但在西部的新疆、西藏、青海、甘肃西部、四川、云南等省份没有发现。在其主要分布地区内，龟纹瓢虫是最常见的瓢虫之一。表4 显示了其在各类作物上的发生月份。基本上，其在作物的生长季节均有发生，没有明显的季节性差异。

表2 2018-2019年监测到的天敌资源类群Table 2 Groups of natural enemies observed in 2018 and 2019

表3 2018—2019年监测到的瓢虫种类Table 3 Coccinellids observed in 2018 and 2019

表4 龟纹瓢虫在不同作物上发生季节分布Table 4 Seasonal distributions of Propylaea japonica on different crops

续表

总体上看，天敌资源调查与监测体系的构建目前处于第一阶段的中后期，但已取得了初步成效，建设实践表明，大数据驱动的天敌资源调查与监测体系的设计具有可行性，并表现出旺盛的生命力。

4 总结与展望

天敌等昆虫资源相关信息是农业数据方面相对较新的领域。天敌数据如何“变大”？传统的依靠少数专业人士采样调查的数据收集方式，很快就会遇到数据的复杂度、详细度以及人力成本等方面的瓶颈。要突破这一瓶颈，必须实现自动化信息采集与涉农人员广泛加入。国家天敌等昆虫资源数据中心基于大数据思路开展天敌资源调查与监测体系的构建实践，强化了体系的顶层设计，建立了高效的执行团队，体系已经正常运行3 年，并取得了初步成效。下一步需要对参与本项工作的人员建立分层级、论贡献的稳定支持机制，按期建设这个体系，以保障这项工作长期、稳定运行，使之成为农业生态系统中如何建立活体物种资源信息系统的有益尝试。