基于生物气象数据的花生正斑萎病毒风险评估模型构建与空间预测

针对花生正斑萎病毒(GRSV)对全球花生产业的威胁，阿根廷研究人员通过分析16个生长季835个田间的生物气象数据，建立逻辑回归预测模型。研究发现冬季风速、温湿度及降水是关键影响因素，模型准确率达79%，并绘制首张阿根廷主产区病毒风险地图，为靶向防控提供科学依据。

　　

花生是全球重要的油料作物，但正斑萎病毒(Orthotospovirus)的肆虐常造成毁灭性损失。其中，花生环斑病毒(Groundnut ringspot orthotospovirus, GRSV)尤为猖獗，在阿根廷等主产区可导致严重减产。更棘手的是，目前缺乏抗病毒品种，而病毒传播者——体长不足2毫米的蓟马(Thrips)又难以防控。这些微小昆虫仅在幼虫期获毒后终身带毒，其种群动态与气候条件密切相关。传统防控依赖农药，但治标不治本。如何提前预判病毒暴发风险？阿根廷国家农业技术研究所(INTA)与国家科学技术研究委员会(CONICET)的团队给出了创新解决方案。

研究人员采用逻辑回归算法，分析2004-2022年间835个地理参照花生田的冬季气象数据。通过10折交叉验证筛选出9个关键变量：6-8月风速(WS.Jun-Aug)、6-7月气温(TP.Jun-Jul)、7-8月相对湿度(RH.Jul-Aug)及6-8月累计降水(PP.Jun-Aug)。模型特异性达87%，成功绘制出首张阿根廷花生GRSV风险分级地图。

GRSV预测模型
冬季风速被证明是首要预测因子，6月风速每增加1 m/s，病毒发生概率提升23%。这与蓟马借助风力扩散的生物学特性吻合。而7月相对湿度(RH.Jul)每升高1%，风险降低4%，可能因高湿抑制蓟马羽化。模型准确捕捉到科尔多瓦省北部为持续高风险区，与历史疫情数据高度一致。

讨论
该研究首次揭示冬季气候对花生生长季病毒风险的滞后效应。特别值得注意的是，模型仅需公开气象数据即可运行，极大提升了实用性。风险地图直观显示：圣路易斯省交界处存在显著"高风险走廊"，而拉潘帕省南部则常年安全。这种空间异质性提示病毒传播存在地理屏障效应。

结论
这项发表于《European Journal of Agronomy》的研究，开创性地将生物气象学与植物病理学相结合。所构建的预警系统可使农民提前3个月预判风险，针对性调整播种区域或加强监测。更重要的是，该框架可扩展应用于其他由媒介传播的作物病害，为气候智能农业提供新范式。研究团队特别强调，未来需探究风场模式与蓟马迁飞路线的微观机制，以进一步提升模型预测精度。