全 文 ：中国生态农业学报 2010年 11月 第 18卷 第 6期
Chinese Journal of Eco-Agriculture, Nov. 2010, 18(6): 1324−1329


* 国家高技术研究发展计划(863 计划)项目(2006AA10Z265)、国家科技支撑计划项目(2006BAD10A08)、国家科技重大专项课题
(2009ZX03001−019)和北京市科委课题(Z09090501040901)资助
** 通讯作者: 杨信廷(1974~), 男, 研究员, 博士, 主要从事农业信息化关键技术及农产品质量安全溯源研究。E-mail: yangxt@nercita.org.cn
李明(1982~), 男, 博士, 主要从事温室蔬菜病害预警系统研究。E-mail: lim@nercita.org.cn
收稿日期: 2010-04-29 接受日期: 2010-08-12
DOI: 10.3724/SP.J.1011.2010.01324
基于灾变链式理论的日光温室黄瓜霜霉病
警源追溯模型研究*
李 明 1,2 孙传恒 1,3 钱建平 1,3 吉增涛 1,3 杨信廷 1,3**
(1. 国家农业信息化工程技术研究中心 北京 100097; 2. 中国农业大学信息与电气工程学院 北京 100083;
3. 农业部农业信息技术重点开放实验室 北京 100097)
摘 要 追溯警源是日光温室蔬菜病害预警中提供排警措施的依据。结合灾变链式理论和植物病害流行学,
对日光温室黄瓜病害警源追溯问题及孕源断链减灾模式进行了系统分析。考虑到日光温室作物病害预警对象
多警源的特点及其对预警解释推理方式的影响, 采用数字化方法, 构建了易于系统实现的日光温室黄瓜霜霉
病警源追溯模型。对日光温室黄瓜霜霉病实例进行追溯分析，结果表明, 外界出现的阴雨雪雾天气是导致该
实例中霜霉病发生的警源。并可用方差分析来检测日光温室环境的时空突变, 以验证警源信息。该模型能够
为日光温室黄瓜霜霉病排警措施提供决策支持。
关键词 灾变链式理论 日光温室 黄瓜霜霉病 警源追溯 数字化模型
中图分类号: S431; S181 文献标识码: A 文章编号: 1671-3990(2010)06-1324-06
A disease warning-source traceability model based on disaster chain-styled
theory for solar greenhouse cucumber downy mildew
LI Ming1,2, SUN Chuan-Heng1,3, QIAN Jian-Ping1,3, JI Zeng-Tao1,3, YANG Xin-Ting1,3
(1. National Engineering Research Center for Information Technology in Agriculture, Beijing 100097, China; 2. College of Informa-
tion and Electrical Engineering, China Agricultural University, Beijing 100083, China; 3. Key Laboratory for Information Technol-
ogy in Agriculture, Ministry of Agriculture, Beijing 100097, China)
Abstract Warning-source traceability provides basis for disease early warning in solar greenhouse vegetables. Using disaster
chain-styled theory and plant epidemiological theory, disease warning-source traceability problems and disaster mitigation modes by
cutting the disaster chain were systematically analyzed. The disease warning-source traceability model was tested for cucumber
downy mildew in solar greenhouse conditions. The model took into account the multi-warning-sources of disease early warning un-
der solar greenhouse conditions and their effects on the interpretation ways of disease early warning. The instance of cucumber
downy mildew under solar greenhouse conditions was tracked and analyzed using the disease warning-source traceability model. The
study shows that overcast, rainy, snowy and foggy weather conditions are the warning-sources of cucumber downy mildew. The
spatial and temporal variability of solar greenhouse environment was detected, and then warning-sources information was determined.
The model could provide decision-making support for obviating downy mildew disease situations in solar greenhouse cucumber.
Key words Disaster chain-styled theory, Solar greenhouse, Cucumber downy mildew, Warning-source tracing, Digital model
(Received April 29, 2010; accepted Aug. 12, 2010)
病害预警的逻辑过程主要包括明确警义、监测
警兆、追溯警源、预报警情以及排除警情[1]。预警
的最终目标是为了排除警情, 只有先解决追溯警源
的问题, 才能提出有针对性的排警措施。警源是警
情产生的根源。对于植物病害流行系统来说, 感病
的寄主植物、具有致病性的病原物、有利于发病的
第 6期 李 明等: 基于灾变链式理论的日光温室黄瓜霜霉病警源追溯模型研究 1325


环境和人类不恰当的干预, 即病害四面体是警情产
生的根源。目前在预警的逻辑框架中, 追溯警源的
研究较少[2−4], 主要依赖于经验判断, 但由于日光温
室生产涉及病原物、寄主、温室内外环境、人类干
预等多重因素交叉影响 , 因此关系错综复杂 [5], 缺
乏经验者常常不能迅速找出警源, 从而耽误防治时
机。而追溯警源这一位于中间的环节承上启下, 并决
定是否报警以及排除警情的方法, 最终影响到产品
安全。
“Traceability”在字面上表达了一种追溯、跟
踪的能力或特性。在 ISO 22005: 2007关于饲料与食
品 供 应 链 的 可 追 溯 性 标 准 中 , 定 义 追 溯
“Traceability”为追踪饲料或食品生产、加工和配
送的规定阶段的能力[6]。生产记录系统是追溯系统
应用的基础[7]。本文讨论的“Traceability”为追溯性,
与食品追溯系统的定义有联系也有区别。联系在于,
植物病害追溯警源也要基于农产品生产履历; 区别
在于, 不同于跟踪性(与软件工程中程序跟踪类似),
它是面向植物病害发生发展过程的, 更加强调警情
预报结果的回溯跟踪[8]。
病虫害灾变规律研究为本研究提供了坚实的理
论基础。生物灾变的发展演化是在生物圈这个大背
景下一种多尺度的生态过程 , 是生态系统中物质
流、能量流和信息流相互作用的结果。灾变的发生
具有大强度、小概率、复杂性(多因子相互作用)、混
沌性(非常规趋势)和突变性(量变到质变, 能量积累
后的突然释放)的特点, 使得用于线性系统的常规预
测方法准确率下降[9]。另外, 与加温温室相比, 不加
温、塑料薄膜覆盖的日光温室, 其设施微环境更容
易受到外界天气的影响[10]; 特别是出现连阴天、暴
风雨雪、浓雾等灾害性天气时, 会造成温室内低温
高湿现象加剧。全球变暖背景下, 极端灾害事件增
加的可能性不断增大[11], 造成气象诱发的日光温室
作物低温高湿性病害规律也充满变数, 使得此类病
害灾变预警面临两难境地。开展宏微观结合, 以及
植物病害流行学、设施园艺学、农业气象学、信息
科学、预警科学等多学科交叉的多尺度和多途径综
合研究是最好的选择[9,12−13]。要对灾变做出预警, 就
必须找到引发突变的触发点和临界值 [9], 并快速准
确定位到警源, 而这应当以预警对象的灾变机理研
究为基础, 以传感器、智能系统等高新技术以及灾
变链式理论[14−17]为基本工具。目前对灾害链式效应
的探讨研究更多地是从因果关系、连锁反应出发定
性分析灾害之间的相关性入手, 虽然在定性研究方
面达到了一定的高度, 并成功地揭示了一些灾害之
间的内在关系 , 但灾害链中的定量研究相对较少 ,
这也是研究灾害链最关键、最难解决的问题[17]。基
于灾变机理研究, 将灾变链式理论和预警理论相结
合, 应用于设施蔬菜病虫害灾变警源追溯, 更少见
报道。
本文尝试以日光温室黄瓜霜霉病为例, 结合灾
变链式理论、预警理论和植物病害流行学, 对日光
温室黄瓜病害灾变链进行系统分析, 同时考虑日光
温室黄瓜病害预警对象多警源的特点及其对预警解
释推理方式的影响, 构建日光温室黄瓜霜霉病警源
追溯模型 , 为排警措施提供科学依据和决策支持 ,
减少农药使用, 降低农药残留, 以保障最终的农产
品质量安全和保护生态环境。
1 日光温室黄瓜病害流行灾害链分析及断
链减灾模式
1.1 日光温室黄瓜病害流行系统的灾害链分析
本文主要将灾害链抽象为信息流之后, 进行预
警的研究。灾害研究中, 贯穿一条以链式效应为特
征的主线, 潜存一条以灾害机理为核心的辅线。从
类型特征上看, 日光温室黄瓜霜霉病流行过程属于
周期循环链(图 1), 主要表现在链的周期性反映, 体
现峰谷态势交替, 高峰期是链式反应强烈期, 低谷
状态则是链呈现潜存状态, 这种周期性主要取决于
客观因素的周期性[17]。
图 1 中蕴含的预警知识包括预警对象的系统描
述知识(结构知识、行为知识、功能知识)和系统关系
知识(病害知识、病害与四面体的关系知识等)[18−19]。
1)结构知识是关于系统最深层, 也是对组成系统的
元素和联系描述最详细的知识, 例如黄瓜霜霉病病
原的知识。行为知识是从系统行为的角度来描述系
统的工作过程或动态过程的知识。病原物的行为包
括存活、传播、着落、萌发、侵染、潜育、显症、
扩展、产孢等; 寄主的行为包括生长、发育等; 环境
的行为包括温湿度等各种参数变化、连阴天等灾害
性天气的出现等; 人类干预的行为包括种植、施肥、
灌溉、植株调整、施药等。功能知识是在更高层次
上基于诊断对象功能描述的知识, 是对系统行为的
一种抽象, 主要包括两方面的知识: 一是各功能块
的描述, 二是功能块之间存在的功能联系。例如病
害描述性指标普遍率、严重度及其复合体——病情
指数之间的联系。2)系统关系知识包括病害知识、
病害与四面体的关系知识等。病害知识包括症状、
病原、发病规律、控制措施等; 病害是四面体综合
作用的结果, 关系错综复杂, 例如外界天气影响日
光温室环境, 进而造成有利于病原发展的条件, 就
是需要提取的病害与四面体的关系知识。
1326 中国生态农业学报 2010 第 18卷



图 1 基于灾变链式理论的日光温室黄瓜霜霉病警源追溯及断链减灾过程
Fig. 1 Warning-sources traceability and mitigation disaster by disaster-chain cutting of cucumber downy mildew
in solar greenhouses based on disaster chain-styled theory

1.2 日光温室黄瓜病害流行系统的孕源断链减灾
模式
孕源断链减灾是遏制灾害发育的最佳途径。所
谓“孕源断链”就是在灾害链形成初期的孕育阶段,
破坏作用力度极其微弱或尚未形成破坏力, 其链式
载体——物质、能量和信息也处于初始聚集或耦合
阶段, 对于这种漫长的灾变过程, 在灾变孕育期从
源头上实施断链减灾最为有效, 不需要很大的投入,
就可收到事半功倍的显著效果[17]。
病害侵染过程包括侵入前期、侵入期、潜育期、
发病期。灾前预警是一种减少灾害损失的科学而有
效的举措, 但总的来说, 一般预警总是将着眼点放
在病害已经形成并处于即将爆发的紧迫时刻。由于
流行速度快的病害, 给予防御的时机太短, 所以其
重大灾害损失是难以避免的。为将损失减至最小 ,
建议将灾害预警功能向灾变孕育阶段追踪延伸, 监
测灾害形成初期的灾变特征和表现形态, 从而起到
从源头上减灾的“尖兵”作用, 立足于孕源断链才最
有效。肖盛燮[17]提出灾害链的潜在期即灾变链式阶段
划分的中期, 但根据日光温室蔬菜病害发生规律, 可
以将潜在期前移到侵入期。其中的关键点在于:
1.2.1 灾害链潜在期的识别与监控
主要针对安全警戒状态参数和灾害启动条件参
数进行监控。影响病原物侵入的环境条件主要是温
湿度。在一定范围内, 温度影响孢子能否萌发和侵
入, 湿度则影响萌发和侵入的速度。对绝大多数气流
传播的真菌, 如黄瓜霜霉病菌, 湿度愈高对侵入愈有
利, 在水滴中萌发率更高。因此叶片湿润时间的监测,
更具有代表性。此方面研究可参考相关文献[20]。
1.2.2 灾害链潜在期的防御
灾害链潜在期一般即灾变链式阶段划分的中
期。这个阶段已经由链式孕育阶段储存了大量载体
信息 , 构成了灾害的破坏力 , 但灾害尚未爆发 , 处
于灾害启动前的灾情状态聚集与耦合阶段, 已构成
灾害破坏的各种威胁和隐患。例如在发病之前的侵
入期和潜育期, 通过农业防治为主、化学防治为辅
的措施 , 创造不利于病原的环境 , 就可以阻断初
侵染链。在发现发病中心之后 , 立即通过清除病
叶或病株的方法, 也可以阻断病害在空间上的蔓延
(图 1)。
2 警源追溯模型构建
根据植物病害流行学和设施园艺学知识, 可能
导致黄瓜病害初侵染条件(警兆)满足的因素(警源)
有: 外界环境、前茬发病情况、浇水时间、通风时
间等。作者以日光温室黄瓜霜霉病为例, 构建了初
侵染预警警源追溯模型, 并根据信息系统要求进行
了流程数字化[21], 如图 2所示。
第 6期 李 明等: 基于灾变链式理论的日光温室黄瓜霜霉病警源追溯模型研究 1327



图 2 日光温室黄瓜霜霉病初侵染预警警源追溯模型流程图
Fig. 2 Disease warning-source traceability model for primary infection of cucumber downy mildew in solar greenhouses
Date: 当前日期Current date; W_out: 日光温室外监测点的天空状况, 无量纲Sky condition outside solar greenhouses, dimensionless: P_in: 日光
温室内病原量, 无量纲 Pathogen in solar greenhouses, dimensionless; CR: 栽培管理措施, 无量纲 Cultural practices, dimensionless; Days: 定植后的天
数 Days after transplanting, d; T_in: 日光温室内监测点的温度 Temperature in solar greenhouses, ℃; RH_in: 日光温室内监测点的相对湿度 Relative
humidity in solar greenhouses, %.

(1)开始: 在系统发出病害预警之后, 从日光温
室环境信息采集系统中获取当前日期 Date、日光温
室外监测点的天空状况 W_out、日光温室内病原量
P_in等历史数据, 并输入栽培管理措施 CR。
(2)分析警源指标: 将当前日期与定植日期相减,
获得定植后的天数 Days; 考虑到黄瓜定植后有缓苗
期 , 警源追溯模型启动时间为定植 1 周后
(Days≥7)。如果满足条件“日光温室内病原量达到
侵染要求”, 或也可以用“前茬发生霜霉病”条件, 则
该日满足黄瓜霜霉病侵染的病原要求, 记录为警源;
如果该日不满足上述条件, 则系统继续进入下一天
的监测(Date=Date+1)。
(3)判别规则: 对于栽培管理措施 CR, 提取最近
一次浇水时间、通风时间。如果浇水时间过晚(如下
午或傍晚), 而且之后通风时间较短(如小于 2 h), 则
造成夜温过高, 相对湿度过早达到满足叶片湿润的
阈值 , 即满足了初侵染条件 , 记录为警源; 如果该
日不满足上述条件, 则系统继续进入下一天的监测
(Date=Date+1)。
(4)日光温室内部环境预测模型: 如果当日外界
天气为阴雨雪天, 即符合日光温室黄瓜霜霉病发生
的典型天气条件, 调用日光温室内部环境预测数学
模型[22], 可以计算出日光温室内的温湿度。如果温
湿度满足侵染条件, 则记录为警源。
(5)追溯警源 : 将上述步骤中记录的警源列出 ,
同时也可根据预警知识库得出相应的防治措施, 之
后向用户发出排警措施, 实行孕源断链减灾。
(6)完成上述步骤后, 初侵染预警结束。
3 实例验证
3.1 数据来源
模型验证数据来源为 2007 年春季在北京市小
汤山进行的日光温室黄瓜病害预警田间试验, 详见
文献[19]。通过侵染条件检测, 发现 2 月 21 日满足
侵染条件, 通过模型(图 2)追溯, 认为外界出现了阴
雨雪雾天气, 是导致霜霉病发生的警源。因此发出提
示, 注意加强通风、降低相对湿度和叶片湿润时间。
3.2 验证
为了验证追溯到的警源是否准确, 提取了发病
日之前的日光温室环境数据时间序列。表 1 为从定
1328 中国生态农业学报 2010 第 18卷


植缓苗之日开始后的 13 d内, 在温室内呈对角线分
布的 5 个观测点(西南、西北、中部、东南、东北)
的冠层温度(℃)记录。
采用突变检测方法(例如 SAS ANOVA 过程)考
察日期和观测点对于温度变化有无显著影响, 进而
检测出某天某点的温度异常, 为追溯警源提供依据,
结果如表 2所示。因 F=784.55, P<0.0001, 说明 13 d
总体均值之间的差异非常显著, 模型显著。同理 5
个观测点之间的差异也非常显著。
使用 SNK方法对各天的日均温度和 5点之间的
差异进行两两比较, 从结果来看, 日期和观测点因
素之间均有显著差异。第 13 d的日均气温与其他天
差异显著, 明显偏低, 说明第 13 d 是 1 个异常点。
同样可以看到, 第 4个点(东南)的温度与其他点的差
异显著, 显著偏低, 可能成为发病中心。
由分析表明, 日期和观测点对于温度有显著影
响。通过方差分析, 检测出了较低的温度, 预示着日
光温室外光照强度低 , 造成日光温室内温度较低 ,
从而使日光温室内持续高湿条件, 将有利于病原侵
染黄瓜。实际上是预警侵染当日(2007年 2月 21日)
北京发生了浓雾灾害天气, 造成日光温室内光照不
足, 温度较低, 昼夜温差较小, 相对湿度增大, 叶片
湿润时间延长。所以可用方差分析和多重比较来检
测日光温室环境的时空突变, 以验证警源信息。
4 讨论与结论
日光温室黄瓜霜霉病的发生受病原、寄主、环
境、栽培措施的共同影响[19]。预警模型中的警源追
溯模型目前报道较少 , 相关的研究多为“疾病−病
因”诊断模型研究。例如可将“疾病−病因”诊断问
题转化为求解 0−1 整数规划的问题, 并采用禁忌搜
索方法来求解模型 [23], 虽然给出了病因, 但用户必
须逐个分析, 排除不可能病因, 直到确诊病因为止,
因此生产上应用有所不便。本文在田间试验数据基
础上, 从日光温室黄瓜霜霉病产生过程的系统分析
入手, 按照“警情→警兆→警源”的逻辑过程, 基于
植物病害流行学、设施园艺学、信息科学等多学科
知识, 开发了适于系统实现的追溯警源模型, 为有
针对性的提出排警措施奠定了基础。反过来, 有可
能利用天气预报数据, 根据“警源→警兆→警情”的
链条, 提前预报警情。
近年来人们对蔬菜质量安全高度关注, 而农药
残留是造成蔬菜不安全的主要原因[24]。为此研发了
大量农产品溯源系统 [25−26], 而农产品溯源的基础 ,
必然归根于“引导、推广农产品标准化生产”, 以
提高农产品的可追溯性 [27]。GAP(Good agricultural
practices, 良好农业规范)和 HACCP(Hazard analysis
and critical control point, 危害分析与关键点控制)等
一系列从生产源头加强农产品和食品质量安全控制
的有效措施的引入, 为植物病害预警提供了新思路,
尤其是在寻找警源方面。对于日光温室蔬菜, 病害
预警不单纯是对病害, 更是包括对灾害天气、栽培
措施等的追溯和控制。通过与安全生产管理系统结
合, 建立基于 GAP/HACCP 的生产全过程预警系统,
实现对有害生物灾害、环境灾害、人为措施影响等
所致灾害的全程及时预警, 可以从根本上降低农药
残留, 保障生产的顺利进行及最终的农产品安全。

表 1 用于黄瓜霜霉病警源追溯日光温室内不同点不同时间的温度原始数据
Tab. 1 Primary data of temperature in different points of solar greenhouse in different days used in warning-source
traceability of cucumber downy mildew
观测点温度 Temperature of measuring point (℃) 定植天数
Days after trans-
planting (d) 西南 Southwest 西北 Northwest 中部 Middle 东南 Southeast 东北 Northeast
1 17.1 17.8 16.9 16.5 17.2
2 18.8 19.8 18.7 18.2 19.5
3 19.7 20.7 19.8 19.2 20.4
4 18.4 19.4 18.3 17.7 18.5
5 16.2 17.0 16.0 15.6 16.3
6 19.1 20.5 19.2 18.7 20.0
7 17.8 18.4 17.8 17.2 18.0
8 17.1 17.9 17.0 16.4 17.1
9 21.0 22.2 21.1 20.3 21.4
10 19.2 20.1 19.3 18.6 19.5
11 20.3 21.3 20.2 19.5 20.4
12 21.0 21.9 21.3 20.3 21.0
13 13.2 13.6 12.8 12.5 12.6
第 6期 李 明等: 基于灾变链式理论的日光温室黄瓜霜霉病警源追溯模型研究 1329


表 2 用于黄瓜霜霉病警源追溯日光温室温度原始数据方差分析结果
Tab. 2 ANOVA results of primary data of temperature used in warning-source traceability of cucumber downy mildew in solar greenhouse
变异来源
Source
自由度
DF
离均差平方和
ANOVA SS
均方
Mean square
F值
F value
Pr值
Pr value
定植天数 Days after transplanting (d) 12 309.90 25.82 784.55 <0.0001
观测点 Measuring point 4 15.86 3.96 120.46 <0.0001

本文以日光温室黄瓜霜霉病为例, 考虑日光温
室作物病害预警对象多警源的特点及其对预警解释
推理方式的影响, 基于灾变链式理论方法, 构建了
日光温室黄瓜霜霉病警源追溯模型及孕源断链减灾
模式。实例表明, 该模型能够为制定预警系统的排
警措施提供科学依据和决策支持 , 减少农药使用 ,
降低农药残留, 以保障最终农产品质量安全和保护
生态环境。
参考文献
[1] 李明 , 赵春江 , 杨信廷 , 等 . 温室蔬菜病害预警体系初
探——以黄瓜霜霉病为例[J]. 中国农学通报 , 2010, 26(6):
324–331
[2] 刘志强 , 张平宇 , 祝彦杰 . 黑龙江省农业资源环境分区预
警研究[J]. 中国生态农业学报, 2004, 12(2): 32–35
[3] 臧淑英, 毕雪梅. GIS支持的绿色食品产地环境质量预警系
统研究——以黑龙江省庆安县国家级生态农业示范区为例[J].
中国生态农业学报, 2006, 14(2): 220–223
[4] 田洪磊 , 詹萍 , 李开雄 . 出口苹果质量安全预警方法的研
究[J]. 中国生态农业学报, 2007, 15(4): 170–173
[5] 肖悦岩 , 季伯衡 , 杨之为 , 等 . 植物病害流行与预测 [M].
北京: 中国农业大学出版社, 1998
[6] International Organization for Standardization. ISO 22005:
2007. Traceability in the feed and food chain—General prin-
ciples and basic requirements for system design and imple-
mentation[S]. 2007
[7] Li M, Qian J P, Yang X T, et al. A PDA-based record-keeping
and decision support system for traceability in cucumber
production[J]. Computers and Electronics in Agriculture,
2010, 70(1): 69–77
[8] 石峰. 基于扩展事件图的复杂仿真系统因果追溯分析方法[D].
长沙: 国防科学技术大学, 2006
[9] 翟保平. 当前生物灾变预测中的问题与对策[J]. 南京农业
大学学报, 2001, 24(4): 41–45
[10] Tong G, David M C, Li T, et al. Temperature variations inside
Chinese solar greenhouses with external climatic conditions
and enclosure materials[J]. International Journal of Agricul-
tural and Biological Engineering, 2008, 1(2): 21–26
[11] 张庆云 , 陶诗言 , 彭京备 . 我国灾害性天气气候事件成因
机理的研究进展[J]. 大气科学, 2008, 32(4): 815–825
[12] 柏立新 , 孙以文 . 棉铃虫灾变监测预警指标体系及其风险
警级研究[J]. 棉花学报, 2002, 14(2): 99–103
[13] 柏立新 . 农业有害生物灾变风险预警技术的探讨[J]. 防灾
减灾工程学报, 2003, 23(1): 84–89
[14] 文传甲. 论大气灾害链[J]. 灾害学, 1994, 9(3): 1–6
[15] Menoni S. Chains of damages and failures in a metropolitan
environment: Some observations on the Kobe earthquake in
1995[J]. Journal of Hazardous Materials, 2001, 86(1/3):
101–119
[16] 郑大玮 . 灾害链概念的扩展及其在农业减灾中的应用[C].
2008中国可持续发展论坛论文集(2). 2008
[17] 肖盛燮 . 灾变链式理论及应用 [M]. 北京 : 科学出版社 ,
2006
[18] 李道亮, 傅泽田, 田东. 智能系统: 基础、方法及其在农业
中的应用[M]. 北京: 清华大学出版社, 2004
[19] Yang X T, Li M, Zhao C J, et al. Early warning model for cu-
cumber downy mildew in unheated greenhouses[J]. New
Zealand Journal of Agricultural Research, 2007, 50(5):
1261–1268
[20] 李明, 赵春江, 李道亮, 等. 日光温室黄瓜叶片湿润传感器
校准方法[J]. 农业工程学报, 2010, 26(2): 224–230
[21] Kuflik T, Pertot I, Moskovitch R, et al. Optimization of fire
blight scouting with a decision support system based on in-
fection risk[J]. Computers and Electronics in Agriculture,
2008, 62(2): 118–127
[22] 柳芳 , 王铁 , 刘淑梅 . 天津市二代节能型日光温室内部温
湿度预测模型——以西青为例 [J]. 中国农业气象 , 2009,
30(增 1): 86−89
[23] 温继文. 基于知识的鱼病诊断推理系统研究[D]. 北京: 中
国农业大学, 2003
[24] 陈锡文 , 邓楠 . 中国食品安全战略研究[M]. 北京: 化学工
业出版社, 2004
[25] 杨信廷, 钱建平, 孙传恒, 等. 蔬菜安全生产管理及质量追
溯系统设计与实现[J]. 农业工程学报, 2008, 24(3): 162–166
[26] 张兵, 黄昭瑜, 叶春玲, 等. 蔬菜质量安全可追溯系统的设
计与实现[J]. 食品科学, 2007, 28(8): 573–577
[27] 可欣. 食品安全许可证制度难堪大用[N]. 21世纪经济报道,
2010–04–08