智慧植保作为新兴的交叉学科，是在科学技术不断发展，以及信息技术在植物保护领域中的深入融合背景下出现的。传统植保学科侧重化学、生物学以及生态学等生命学科，并基于此开展研究，以降低农药污染、保护环境、实现生态可持续发展。目前，信息通讯技术蓬勃发展，包括物联网^[1]、卫星遥感^[2]、航空影像^[3]、大数据^[4]、云计算、人工智能和区块链等在内的新兴技术^[5]在农业领域中得到了科研人员的广泛关注，并推动这些技术的深入融合。在这样的背景条件下，这些新兴技术也能够为植物保护提供全新的研究思路和解决方案，从而实现“智慧植保”，即绿色的、智慧的植物保护与发展技术。然而，要持续性地推进这个交叉学科的发展，需要面对来自不同领域中的挑战。同时，由于信息技术与植物保护技术的深入融合，所面临的挑战也愈发艰巨：

1、绿色智慧病虫草害识别与防控技术研究领域

病虫草害对作物生产构成了巨大的威胁，可直接或间接导致作物减产甚至绝收，快速高效地掌握病虫的发生动态并及时防控对作物增产保收具有重要意义。在大田场景中，如果通过人工的方式开展病虫草害识别作业，将面临下面的挑战：一方面，具备一定专业知识的农业从业人员数量有限，工作范围有限；另一方面，从众多植物中找到表现不太正常的植物对于人工来说难度较大，一个农业从业人员很可能满足不了要求的工作效率。同样，对于判断一个昆虫是害虫还是益虫，对于判断一株杂草是什么种类，都面临类似的挑战。

目前为了有效应对这些挑战，可从下面两个方面开展相应研究：

1）基于物联网、雷达探测技术^[6]、无人机技术开展迁飞性害虫的监测与防控技术研究，例如，太阳能杀虫灯物联网^[7]；昆虫迁飞雷达监测网；

2）基于物联网、人工智能、图像处理、卫星遥感、航空影像、大数据等技术开展林、草类植物病害防治研究。

2、绿色智慧生物防治技术研究领域

在进行生物防治的时候，由于害虫天敌或病原微生物等生物会受到环境条件、寄主植物、寄主害虫、使用方法、产品批次等的影响，为了确定具体的生物防治效果，对生物防治区域进行全局监测的意义重大。如果采用传统的人工方式，费时费力还不能准确了解整体防治效果，一方面不利于生物防治技术的发展，另一方面不利于生物防治效果评价标准和体系的建立。为了有效面对来自这两方面的挑战，可从下面两个方面开展相应研究：

1）基于物联网、人工智能、图像处理、卫星遥感、航空影像、大数据等技术开展植物病虫草害流行规律和综合防治研究，以及开展退化草地治理研究；

2）基于物联网航空影像、遥感卫星、图像处理、大数据等技术开展的大面积外来物种入侵监测及防控研究，例如，水牛草在美国的大范围蔓延防控问题。

3、绿色智慧生态调控技术研究领域

通过智能化的调节农作物生态种植环境参数，不断为农作物创造适合的生长环境，以提高农作物抗病性。更进一步，这有助于选取优质的抗病虫品种、有助于改善农作物种植结构、有助于保护有益生物，有助于通过生物多样性调控来控制病虫害发生几率，因此，开展绿色智慧生态调控技术研究意义重大。而如何实现这样智能化生态调控技术，是绿色智慧生态调控技术研究领域的巨大挑战。为了有效面对来自这方面的挑战，可从下面三个方面开展相应研究：

1） 基于物联网、人工智能、图像处理、卫星遥感、航空影像、大数据、区块链^[8]等技术开展林木、牧草种质资源评价与品种选育研究；

2）基于物联网、群智感知、大数据、航空影像等技术开展益虫保护研究，例如蜜蜂的大面积死亡防控问题，以及蜂农对蜜蜂活动区域环境变化，甚至污染的感知问题；

3）基于物联网、人工智能、图像处理、卫星遥感、航空影像、大数据等技术开展生物多样性控制病虫害研究；

4、绿色智慧科学用药技术研究领域

在科学用药技术中，相关研究人员不断研究开发出高效、低毒、低残留、环境友好型农药，而如何从施药技术和施药装备角度去提高用药水平，最终实现智能、精准、低量、高效的用药效果，是农药进一步推广应用所面临的巨大挑战。

为了有效面对来自施药技术和施药装备这两方面的挑战，需要基于物联网、人工智能、大数据等技术开展科学用药技术研究，例如无人机智能化施药研究^[9]。

此外，当出现新兴农业生产模式时，还需要基于农作物开展新的防控和保护技术研究，例如，在光伏农业场景^[10]中的新兴植保技术研究。在未来，随着现代信息技术的不断发展，还需要研究开发与应用智能化、复合型及适用于各类农业环境的智慧植保装备植保技术的智慧化程度越来越高，最终将进入无人植保时代，如图1所示：

1）通过卫星遥感、航空影像、太阳能杀虫灯监测植物的病虫害，分析病虫害的发生规律，以及判断治理效果；

2）通过卫星遥感、航空影像开展牧草种质资源评价与品种选育研究，以及对益虫保护开展研究；

3）通过植保无人机对监测中识别的染病果树进行精准施药，降低农药用量的同时提高用药效果；

4）通过全球定位系统引导无人拖拉机作业在指定路径上作业，引导无人机采集预设路径上的植物生长信息；

5）通过物联网技术协调光伏农业的发电量以及作物的生长关系，以及智能化控制设施农业中的环境温湿度、光照、通风状态。

图1 无人植保时代的场景示意图

参考文献

[1] Wen-Liang Chen, Yi-Bing Lin, Fung-Ling Ng, Chun-You Liu, Yun-Wei Lin. RiceTalk: Rice Blast Detection Using Internet of Things and Artificial Intelligence Technologies[J]. IEEE Internet of Things Journal, 2020, 7(2): 1001-1010.

[2] 张凝, 杨贵军, 赵春江, 张竞成, 杨小冬, 潘瑜春, 黄文江, 徐波, 李明, 朱西存, 李振海. 作物病虫害高光谱遥感进展与展望[J]. 遥感学报, 2021, 25(1): 403-422.

Ning Zhang, Guijun Yang, Chunjiang Zhao, Jingcheng Zhang, Xiaodong Yang, Yuchun Pan, Wenjiang Huang, Bo Xu, Ming Li, Xicun Zhu, Zhenhai Li. Progress and prospects of hyperspectral remote sensing technology for crop diseases and pests[J]. National Remote Sensing Bulletin, 2021, 25(1): 403-422.

[3] Jinya Su; Dewei Yi; Baofeng Su; Zhiwen Mi; Cunjia Liu; Xiaoping Hu; Xiangming Xu; Lei Guo; Wen-Hua Chen. Aerial Visual Perception in Smart Farming: Field Study of Wheat Yellow Rust Monitoring[J]. IEEE Transactions on Industrial Informatics, 2021, 17(3): 2242-2249.

[4] Sjaak Wolfert, Lan Ge, Cor Verdouw, Marc-Jeroen Bogaardt. Big Data in Smart Farming - A review[J]. Agricultural systems, 2017, 153:69-80.

[5] Othmane Friha, Mohamed Amine Ferrag, Lei Shu, Leandros Maglaras, Xiaochan Wang. Internet of Things for the Future of Smart Agriculture: A Comprehensive Survey of Emerging Technologies[J]. IEEE/CAA Journal of Automatica Sinica, 2021, 8(4): 718-752.

[6] Gao Hu, Ka S. Lim, Nir Horvitz, Suzanne J. Clark, Don R. Reynolds, Nir Sapir, Jason W. Chapman. Mass seasonal bioflows of high-flying insect migrants[J]. Science, 2016, 354(6319): 1584-1587.

[7] 李凯亮, 舒磊, 黄凯, 孙元昊, 杨帆, 张宇, 霍志强, 王彦飞, 王心怡, 卢巧玲, 张亚成. 太阳能杀虫灯物联网研究现状与展望[J]. 智慧农业(中英文), 2019, 1(3):13-28.

Kailiang Li, Lei Shu, Kai Huang, Yuanhao Sun, Fan Yang, Yu Zhang, Zhiqiang Huo, Yanfei Wang, Xinyi Wang, Qiaoling Lu, Yacheng Zhang. Research and prospect of solar insecticidal lamps internet of things[J]. Smart Agriculture, 2019, 1(3):13-28.

[8]刘海洋, 曹永生, 陈彦清, 井福荣, 方沩. 农作物种质资源登记区块链模型研究[J]. 植物遗传资源学报, 2021, 22(1): 28-37.

Haiyang Liu, Yongsheng Cao, Yanqing Chen, Furong Jing, Fang Wei. Crop Germplasm Resources Registration Blockchain Model[J]. Journal of Plant Genetic Resources, 2021, 22(1): 28-37.

[9] Ching-Ju Chen, Ya-Yu Huang, Yuan-Shuo Li, Ying-Cheng Chen, Chuan-Yu Chang, Yueh-Min Huang. Identification of Fruit Tree Pests With Deep Learning on Embedded Drone to Achieve Accurate Pesticide Spraying[J]. IEEE Access, 2021, 9: 21986-21997.

[10] Kai Huang, Lei Shu, Kailiang Li, Fan Yang, Guangjie Han, Xiaochan Wang, Simon Pearson. Photovoltaic Agricultural Internet of Things towards Realizing the Next Generation of Smart Farming[J]. IEEE Access, 2020, 8: 76300-76312.

Frontiers in Plant Science期刊链接：https://www.frontiersin.org/journals/plant-science

智慧植保方向链接：https://www.frontiersin.org/journals/plant-science/sections/sustainable-and-intelligent-phytoprotection