蝗虫监测预警技术发展概况

董欢

（新疆维吾尔自治区农业农村厅哈密植物检疫工作站，新疆哈密839001）

2020年初，沙漠蝗在东非、西南亚罕见暴发，对当地粮食和农业生产构成严重威胁，多国宣布进入应对紧急状态，联合国粮农组织发出蝗灾预警。我国农业农村部经监测调度分析后表示，沙漠蝗迁飞入侵我国的概率很小，但仍需从底线思维和风险意识出发，统筹做好境内外蝗虫疫情监测预警工作，为蝗灾的治理防控工作发挥“吹哨”作用。

1 蝗虫的发生特点

蝗虫属昆虫纲直翅目昆虫，俗称“蚱蜢”，一生分为卵、蝗蝻、成虫3个阶段，属于不完全变态。全世界有超过1万种蝗虫种类，分布于全世界的热带、温带的草地和沙漠地区，在我国分布的种类主要为东亚飞蝗、亚洲飞蝗、西藏飞蝗，沙漠蝗尚未迁入我国区域。环境因素对蝗虫的发生和消长起着决定性作用，其中包括气候、地形、植被、土壤在内的自然因素。天敌的种类和数量、人类采取的各类防治措施直接决定了蝗虫种群密度。需要注意的是，人类不适宜的撂荒等农业活动会助长蝗虫的滋生。

1.1 繁殖速度快，生殖后代多

东亚飞蝗和沙漠蝗均能通过孤雌生殖的方式繁衍后代，大多数蝗虫从卵中出生到成蝗交配繁殖只需30 d左右，雌蝗成虫每代可多次产卵，雌蝗一生平均产卵总量为300～400粒。在温带地区，蝗虫一般一年生2代，亚热带和热带地区可以繁殖三四代，且每代的存活期长达3个月，在无干扰情况下种群数量呈指数增长。

1.2 迁飞能力强

蝗虫属于迁飞性害虫，蝗蝻群均可做短距离扩散，群居型的成虫均可做长距离的迁飞，种群可实现跨省区迁飞。例如，沙漠蝗迁飞距离在1 500～5 100 km，可连续飞翔17 h。

1.3 食性广，易暴发成灾

蝗虫以禾本科作物、豆科作物以及各类蔬菜、杂草为食，如东亚飞蝗的食料植物约20种，一生食量60～80 g，成虫期食量为蝻期的3～7倍，单个虫体食量大，一般多为全天候取食且多以群聚集中取食，极易暴发成灾。蝗群所过之处“遮天蔽日”“赤地千里”，会对农牧业造成减产甚至毁灭性打击。

2 蝗虫监测预警技术

2.1 地面调查法

地面调查法是在查蝗卵、蝗蝻和成虫的基础上，根据蝗虫的生长速度、生殖力和扩散迁移习性，结合环境条件的变化对蝗情做出的预测［1］。该方法可以全面了解蝗虫发生情况，对治理蝗灾具有重要意义，但该方法需要以人力和物力保障为基础，且调查周期长，对工作的连续性也有较为严格的要求。

2.2 气候预测法

早在我国古代就发现了旱涝与蝗灾之间的密切联系，主要依据近地面气温、土温、空气湿度、土壤湿度等气候因素预测蝗虫发生代数和发生时期。该预测方法虽然得到的预测值略偏高，但是可弥补地面调查法的不足，提高预报的准确性，是一种可行性较高的预测方法。

2.3 物候预测法

通过作物、杂草或其他昆虫的生长时期预测蝗虫发育阶段，如沙漠蝗的孵化期、羽化期、死亡期分别对应特定的沙漠作物的开花期、果熟期和枯萎期［2］。该方法原理简单易操作，农民掌握度高，在农业生产中应用较为普遍。

2.4 遥感监测技术

遥感作为一种监测技术，在昆虫学领域主要用于对昆虫个体及其影响种群动态的环境因子的监测，从而进行适生环境的评估，对风险区进行预测［3］。其可贯穿蝗灾调查、监测、预警、评估的各个环节，是蝗灾及其成灾环境调查、蝗灾动态监测工作中的重要技术手段。

2.4.1 近红外光谱技术。近红外光谱技术（NIRS，Near Infrared Spectrum Instrument）是一种相对快速、高效的现代检测技术，可利用NIRS直接感知植物体内各种化学成分的变化，也可建立蝗虫危害程度的近红外模型，监测病虫害发生状况和规律。近红外光谱还可与化学模式识别相结合直接侦测蝗虫，进而为蝗虫自动侦测系统提供技术支撑［3］。熊雪梅等就利用傅立叶近红外光谱仪进行全谱测定蝗虫样品，鉴定准确率达到了91.67%［4］；彭玉魁等应用NIRS对我国黄土区土壤湿度、有机质及总氮含量进行分析，建立了土壤和蝗虫虫卵之间的预测模型［5］。

2.4.2 高光谱技术。该方法是遥感技术发展的一大趋势，高光谱遥感技术是使用光谱仪对植被冠层光谱进行测定，再对植被叶面积指数进行测定，借助回归模型将高光谱特征参数筛选出来，并构建蝗虫光谱指数，从而对蝗虫的产生及危害进行全面预测。该技术与一般遥感技术最大的区别在于，其可对各种地物用光谱曲线进行记录，能准确估计动植物参数信息，对蝗灾的预测精度更高［6］。

2.4.3 基于Landsat 8卫星数据的遥感监测方法。黄健熙等以内蒙古赤峰市北部三旗为研究区域，通过对Landsat 8卫星数据蝗虫寄主植物分类，结合叠加先验蝗区分布图，判别出蝗虫适生地后采Landsat 8卫星数据，反演叶面积指数、地表温度和土壤湿度等蝗虫生境参数，并结合外业同步调查蝗虫生境数据、地表温度和土壤湿度等生境参数的关系模型，该方法建立的监测模型具有较高的精度，决定系数为0.50，均方根误差为3.17［7］。该方法的局限性在于采用单一时相的遥感数据，未根据蝗虫的关键生育期以及生境变化进行遥感动态监测，加之虫口密度动态的偶然性和复杂性特点，还需进一步引入其他重要因子以提高监测模型的精确度。

2.4.4 基于SMOS卫星的监测方法。杨娜等利用SMOS（South Deformation Monitoring System，南方自动监测系统）土壤水分数据（2011—2016年），联合FAO（Food and Agriculture Organization of the United Nations，联合国粮食及农业组织）统计资料（2012—2016年）、ISRIC土壤网格数据（2016年），以南高加索干旱/半干旱地区为研究区，探索了土壤水分与蝗虫孵化、分布及成灾区域的量化关系，由此得出土壤水分是蝗虫生长繁殖过程中的关键环境因子，通过提取多年蝗灾期土壤水分的变化规律，能对下一年度的蝗灾风险区做出预测，发布蝗灾预警［8］。该方法不足之处在于SMOS土壤水分数据累计年份间的年际、月份波动较大，一定程度上影响了监测的精确度。

2.5 基于模糊模式的图像识别方法

郑永军等以广东省清远市英德区域农田为试验区，采用数码相机采集蝗虫图像，对蝗虫区域和背景的RGB分量平均值进行对比分析，选用超G绝对值法进行灰度转换，实现蝗虫与背景分离，而后通过面积统计对比，确定单个蝗虫的面积和周长特征，建立单个蝗虫模糊集和粘连重叠蝗虫区域模糊集，采用最大隶属度原则可判定蝗虫连通区域为单个蝗虫或是存在图像粘连重叠［9］。用模糊识别法对单个和黏连重叠区域分别计算数量，准确率达89%。但该方法仅适用于蝗蝻龄期接近、颜色特征较为一致的蝗虫种群，对于品种类别多、虫龄不一致的草原蝗虫，该方法则难以满足其监测预警需求。

2.6 3S技术

地理信息系统（GIS，Geographic Information System）、地球定位系统（GPS，Global Positioning System）和遥感系统（RS，Remote Sensing）统称为3S，该方法结合了地理信息系统技术强大的空间存储、管理和分析能力以及遥感技术的多平台、多时相、多波段信息源特点，在宏观和动态监测方面有了充足的信息保障，技术之间的相互融合和互补，大大提高了监测工作有效信息的提取［10］。

3 展望

蝗虫是世界性的农业生物灾害，科学、及时、精准地监测预警技术是治理蝗灾的前提和基础，随着生物技术、计算机网络、地理信息系统（GIS）、地球定位系统（GPS）和遥感系统（RS）等高新技术的进一步发展及应用，监测数据的精准性、可靠性、真实性和时效性也将得到极大提升，为治蝗减灾、保障农业产业安全发挥基础保障作用。