基于ARIMA与SARIMA模型的槟榔果腐病气象驱动动态及时序预测研究

来自印度的研究人员针对槟榔果腐病(FRD)受气象因素影响的关键问题，通过分析温度、相对湿度、降雨和风速等参数，建立了ARIMA和SARIMA时序预测模型。研究发现温度与降雨呈显著正相关，风速呈负相关，模型可提前6周预测区域病害严重度（Malnad 61.8%-78.4%），为东南亚槟榔种植区病害防控提供了首个时序预测工具。

　　

由卵菌纲致病菌(Phytophthora meadii)引发的槟榔果腐病(FRD)严重威胁东南亚槟榔产业。这项开创性研究首次将时间序列分析方法应用于该病害预测，通过监测印度卡纳塔克邦三大农业气候区（Malnad、Coastal和Maidan）2018-2019年的气象数据与病害严重度，揭示温度（P<0.05）和降雨量是关键正向驱动因子，而风速则表现出抑制效应。多元线性回归模型解释力达R²=0.145-0.15。

研究团队创新性地采用ARIMA模型捕捉短期波动，实现6周预测精度（Maidan区病害严重度13.4%-18.5%）；而SARIMA模型则成功解析季节性规律，预测Malnad地区长期病害严重度达59.8%。该成果为热带经济作物病害防控提供了可量化气象预警指标，建议根据不同气候区特征（如Coastal区预测值44.0%-38.4%）制定差异化防治策略。