基于气象驱动的机器学习与时间序列分析预测西兰花霜霉病研究

为解决西兰花霜霉病（Hyaloperonospora parasitica）导致的严重减产问题，研究人员通过整合随机森林回归与ARIMA（1,1,1）模型，揭示了最低温度（TMin）是驱动病害发展的关键气象因子，并构建了高精度预测模型。该研究为早期干预提供了科学工具，凸显了生长季初期温度监测的重要性。

　　

西兰花霜霉病（由Hyaloperonospora parasitica引起）是威胁作物产量的重要病害。这项研究通过分析2021-22和2022-23年的气象数据（温度、相对湿度、降雨量），结合机器学习与时间序列方法，揭示了病害发展的核心规律。随机森林回归显示，夜间最低温度（T_Min）与病害严重度呈强正相关，而最高温度和晨间相对湿度影响次之。时间序列分析中，ARIMA（1,1,1）模型表现出色，其自回归项显著表明：历史病害数据能有效预测当前病情。温暖的夜间环境如同病菌的"加速器"，而ARIMA模型则像"病害天气预报员"，二者结合为农户提供了精准的早期预警系统。特别值得注意的是，生长季初期的温度监测堪称"防控黄金窗口"，这项成果为智慧农业病害防控提供了创新范式。