Journal of Agricultural Production·9月30日 · 周三论文智慧农业 / 农业物联网阅读 2
Preliminary Assessment of Aphid Risk Using Smart Agriculture Station Data in a Nectarine Orchard: A Case Study from Nurdağı/Gedikli, Türkiye
Ekrem ASLAN
论文解读
58未达精选线
速览
利用智慧农业站数据评估油桃园蚜虫风险，发现10月为高风险期。
方法
基于2023-2024年2680条小时级农业气象数据，用模型计算蚜虫风险等级。
发现
平均风险51.85%，极高风险占47.46%，10月达峰值，风险与温度正相关、与湿度和叶面湿度负相关
机会点
需多季节多站点田间验证，并耦合蚜虫种群观测与物种鉴定以提升预警可靠性。
影响力8
信息增量18
专业深度14
信源权威10
时效性8
基于智慧农业气象站2680条小时数据的蚜虫风险模型评估，方法清晰但缺乏田间种群验证，属初步探索性研究，参考价值有限。
原文摘要
智慧农业站点可提供持续的农业气候数据，为作物保护中的害虫风险评估和预警决策提供支持。本简报利用从土耳其加济安泰普省努尔达厄/盖迪克利一处油桃园采集的智慧农业站点数据，评估了模型推导的蚜虫风险模式。分析覆盖了2023年9月13日至2024年1月3日的连续观测期，包含2，680条连续逐小时记录。模型推导的蚜虫风险值被划分为低、中、高和极高四个等级进行描述性评估。平均风险为51.85%，其中极高风险条件占记录数的47.46%，低风险条件占43.58%。最长的连续极高风险期出现在2023年9月25日至11月17日，10月为风险高峰期。蚜虫风险与气温呈正相关关系，与相对湿度和叶面湿度呈负相关关系。这些结果表明，基于站点的模型输出有助于识别需要加强田间监测的时期，并支持针对特定地点的害虫管理。然而，本研究未包含直接的蚜虫种群观测、物种鉴定或作物损害评估。因此，研究结果代表了对模型推导的环境风险的初步评估，而非蚜虫丰度或侵染的直接证据。需要开展多季节、多站点的田间验证，以评估其可靠性和实际适用性。