## 中文标题 参与式气候信息服务如何帮助农民采用水稻病害预报并提前管理病害:来自孟加拉国沿海地区的证据

《Heliyon》:How participatory climate information services assist farmers to uptake rice disease forecasts and manage diseases in advance: Evidence from Coastal Bangladesh

【字体: 大 中 小 】 时间:2026年08月27日 来源:Heliyon 3.6

编辑推荐:

   气候变化诱发的病害导致水稻减产问题日益严重,这对孟加拉国沿海农民构成了重大关切。基于农民需求开发的参与式气候信息服务(participatory climate information services, CIS)可通过提供病害预报帮助农民减少这些病害。本文

  

气候变化诱发的病害导致水稻减产问题日益严重,这对孟加拉国沿海农民构成了重大关切。基于农民需求开发的参与式气候信息服务(participatory climate information services, CIS)可通过提供病害预报帮助农民减少这些病害。本文报告了参与式CIS如何通过改善农民的知情决策,协助沿海水稻农民采用水稻病害预报并更好地管理水稻病害。通过参与式方法,研究人员利用DROP应用程序开发了量身定制的农业气象服务,用于预报水稻病害并进行提前管理。在每周的农民田间学校(farmer field school, FFS)活动中,研究人员通过纸质打印材料以及基于DROP应用程序的即时通讯应用,以面对面会议方式传达了7天病害预报。结果表明,大多数实验组农民通过可视化图表、符号和文本理解病害预报。其中大多数(95%)农民直接从DROP应用程序获取病害预报信息,其次为面对面会议、即时通讯应用和纸质材料。与对照组农民相比,农民在FFS能力建设培训中的参与和互动有助于其做出更明智的降低病害风险的决策。此外,实验组农民在整个水稻种植期间采用了预防措施和化学措施相结合的改进型病害管理方式。研究得出结论:参与式CIS的开发与农民能力建设和培训相结合,提高了农民对病害预报的理解和采用,从而更好地管理水稻病害。DROP应用程序等参与式服务在气候变化条件下作为气候智能型水稻生产的适应选项具有巨大潜力。
## 论文解读

### 一、研究背景与问题

水稻是孟加拉国最主要的粮食作物,约占总可耕地面积的70%,占农业GDP的70%和国民收入的六分之一。然而,气候变化引发的威胁——包括降雨不规律、洪水、气温上升、干旱、气旋和风暴潮——正对水稻生产构成严峻挑战。尤其在沿海地区,约95%的沿海土地种植水稻,小农频繁遭受自然灾害和极端天气事件,这不仅影响水稻产量,还加剧了水稻病原体和病害的发生。温度、降雨模式和湿度的波动显著影响水稻病害的发生率和严重程度,改变了病原体的生命周期和寄主-植物相互作用。沿海地区农民正面临纹枯病(sheath blight)、细菌性叶枯病(bacterial leaf blight)和稻瘟病(blast)等病害的日益加剧。

尽管存在一些公开可用的CIS服务,如孟加拉国气象部门(Bangladesh Meteorological Department, BMD)的天气预报、Agvisely、BAMIS门户和CYMMIT病害预报,但大多数农民由于缺乏意识、知识、理解和参与而未能使用这些预报信息。现有服务的核心问题在于其自上而下的供给驱动模式——这些服务以大规模行政单位(区或分区级别)提供预警信息,忽视了用户的具体情境需求,导致位于次区或联合会级别的农民认为这些信息与他们的决策相关性不足。此外,这些服务并非针对特定地点和特定作物,存在缺乏相关性和清晰度等多方面缺陷。CYMMIT服务仅关注有限作物(小麦和玉米),而针对水稻病害预报的CIS极为有限。

因此,研究者提出假设:通过参与式方式共同开发量身定制的CIS,可以增强农民对天气信息和病害预报的采用,用于水稻病害管理相关的决策。参与式CIS能够促进农民、副助理农业官员(Sub Assistant Agriculture Officers, SAAOs)、研究人员和CIS提供者之间的互动,创造有利于共同学习的环境,从而更好地理解和采用CIS进行知情决策。

### 二、研究目的与创新

本研究旨在调查参与式气候信息服务如何协助孟加拉国沿海小农采用水稻病害预报并就病害管理做出知情决策。本研究的创新之处在于:这是首次尝试在气候智能型农业背景下,通过移动应用程序共同生产水稻病害预报和管理信息。研究展示了利用温度、湿度和降雨的阈值水平(有利于主要水稻病害发生的天气条件)从历史气候数据开发水稻病害预测模型的方法论,并将其整合到移动应用程序(DROP app)中。此外,研究还展示了开发满足农民需求的参与式CIS的方法论,以及开展农民田间学校以增强农民对开发服务(重点关注水稻病害预报和管理)能力的程序。

### 三、主要技术方法

研究采用跨学科方法共同生产CIS。研究地点位于孟加拉国博杜阿卡利县(Patuakhali District)达什米纳乌帕齐拉(Dashmina Upazila)的Banshbaria和Alipur联合会。研究人员从BMD收集了1981-2018年38年的长期日尺度气象数据(最高温度、最低温度、降雨量和湿度),使用imputeTS库填补缺失值。由于缺乏实际水稻病害发生的时间序列数据,研究者基于有利于病害发生的天气条件阈值,利用R程序中的逻辑函数生成38年的模拟病害数据。采用逻辑回归(logistic regression)模型,以66:34比例划分训练集(1981-2005)和测试集(2006-2018),分别开发了纹枯病、稻瘟病和细菌性叶枯病的预测方程。模型性能通过混淆矩阵验证,三种病害模型的准确率分别为88%、96%和98%。研究期间,在T-aman季节(2022年6月至12月和2023年6月至12月)和boro季节(2023年1月至4月)开展FFS活动,农民参与和访谈过程持续18个月。实验组和对照组各45名农民(每组女性14名、男性31名)参与终期评估,通过Kobotoolbox在线调查工具进行半结构化问卷访谈。

### 四、研究结果

#### 4.1 农民特征概况

实验组和对照组农民在人口统计、社会经济和农业活动特征上无显著差异。58%的实验组农民至少接受过中等教育。家庭规模平均5人,农业是主要收入来源。36%的农民拥有超过20年的水稻种植经验,91%的农民在自有土地上种植水稻。71%的实验组农民拥有智能手机,但60%的农民承认缺乏ICT知识是使用智能手机的主要障碍。

#### 4.2 农民识别水稻病害和虫害的能力

经过FFS培训和能力建设,实验组农民识别主要水稻病害的能力显著高于对照组(p < 0.05至p < 0.001)。对照组农民的病害识别能力几乎没有提高。实验组农民识别水稻虫害的能力显著提升至77-83%,而对照组仅为6-10%。病害识别是病害管理的首要前提,参与式CIS有效提高了农民的这一关键能力。

#### 4.3 农民对病害预报的理解与采用

所有实验组农民均使用DROP应用程序的病害预报,其中53-73%的农民表示通过可视化、符号和文本理解病害预报非常容易。约95%的农民认为通过DROP app获取病害预报效果良好,其次为面对面会议、即时通讯应用和纸质材料。在基线评估中,仅19%的农民选择应用程序作为沟通方式,经过培训和能力建设后,这一比例大幅提升。38%的农民每天关注病害预报用于决策,27%的农民每周关注2-3次。50%的农民认为DROP app病害预报质量非常好,38%认为良好。农民表示若提供孟加拉语版本的病害预报将更有帮助。

#### 4.4 农民对CIS来源的偏好

终期评估显示,实验组农民主要从DROP app获取病害预报信息,显著高于对照组。大多数对照组农民不知道如何使用DROP app或任何其他应用程序获取农业信息。参与FFS显著降低了农民对个人经验、同伴农民、SAAOs和传统知识等传统信息源的依赖。超过三分之一的农民将自身种植经验与DROP app信息相结合进行决策。年轻农民对基于传统知识的预报信息信任度有限,更信任通过参与式CIS开发的基于应用程序的病害预报信息。

#### 4.5 参与式CIS对病害管理的帮助

经过能力建设培训,实验组农民采用各类预防性病害管理措施的比例显著高于对照组。此前,实验组农民使用尿素肥料剂量过高,培训后他们认识到过量使用尿素会使植物易感染病害,应配合有机肥和平衡施肥保持植株健康。实验组农民还学会了区分杀菌剂、杀细菌剂和杀虫剂的适用场景——分别用于真菌性、细菌性和媒介传播病害。实验组农民在施用农药时采取预防措施的比例也高于对照组,同时增强了对过量使用农药对人类、动物和环境毒性影响的认识。

#### 4.6 农民参与对知情决策的支持

96%的实验组农民表示,参与DROP app共同开发培训后,其农业决策能力显著提升。农民通过DROP app提前7天获取天气和病害预报,在病害高风险时结合天气条件(晴、雨或风)施用农药,确保农药有效利用并在早期控制病害。农民学会了根据预报信息判断是否采取化学措施——例如,若已施用杀菌剂,他们知道其有效期可持续21-28天,因此即使下周预报再次显示高风险,也不会重复施用。这表明参与式CIS帮助农民结合田间情境进行更合理的决策。相比之下,对照组农民多在病害扩散后才施用农药,且不加选择地喷洒化肥、杀虫剂和除草剂,不考虑天气条件,导致这些农用化学品有时被雨水冲走,造成时间、精力和金钱的浪费,并对作物、人类和环境产生毒性影响。

### 五、讨论与结论

研究表明,参与式CIS的开发增强了农民对病害预报的理解和采用,通过知情决策改善病害管理。培训与能力建设是参与式CIS成功的关键组成部分,FFS的参与式方法促进了农民、研究人员和推广人员之间的知识交流和共同学习。研究还发现,CIS用于作物病害预报的开发与一般农业用途的CIS有所不同,需要农民获得额外的专业培训,包括作物病害与有利天气条件的关系、病害和虫害症状识别、不同类型作物病害的辨识以及预防措施的实施等。农民的教育水平和年龄显著影响能力发展过程,年轻至中年且具有小学教育水平的农民更容易通过培训提升能力。

研究存在一定局限性:病害预测模型使用模拟数据开发(因缺乏实际病害数据),且仅在模型开发阶段通过混淆矩阵验证了预测精度。模拟数据依赖简化和假设,可能无法完全捕捉田间的实际病害状态。因此,后续研究应收集实时病害发生数据进行模型验证。孟加拉国农业部应采取措施收集准确的作物病害发生数据并存储历史作物病害数据以供进一步研究。

总之,参与式CIS结合能力建设培训显著提高了农民对病害预报的理解、采用和病害管理效果。DROP app等参与式服务为气候变化条件下的可持续水稻生产提供了极具前景的适应选项。本研究的参与式方法还协助当地农业推广人员提高了对CIS的理解和知识,并将其应用于农民的决策过程。因此,田间农业官员的能力建设也是开发成功农业气象服务的关键组成部分,可确保研究项目结束后预报信息的有效采用、分享、传播和持续。该研究成果发表于《Heliyon》。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号