水稻纹枯病是我国水稻中一种常见且多发病害,无论发生频次还是发病面积均占水稻各病害之首。对水稻纹枯病进行准确有效的预测预报,指导农药合理施用,在保证防效的同时能够有效降低农药用量,提高粮食产量和品质。目前对水稻纹枯病的预测大多基于统计分析,仅能以年为单位给出静态的预测结果,难以在精细水平上指导水稻纹枯病的防治,因此,建立水稻生育期内的动态预测模型进而合理指导纹枯病的预测具有重要意义。影响水稻纹枯病的发病原因包括土壤菌源、气象因素、植株营养状况、管理措施等,本研究基于气象因素建立水稻纹枯病预测模型。建模方法上基于logistic增长曲线和经典的病害流行学SEIR模型,分别对水稻纹枯病发病等级和病株率进行预测,实现了气象因子驱动的水稻纹枯病发展多时相动态预测,最后将格点气象数据作为预测模型的输入,得到面状的纹枯病发病预测结果,从而实现了水稻生育期内纹枯病的时空动态预警。本研究主要包括以下几个方面:(1)数据获取及预处理。研究区为安徽、江苏、浙江、湖南、湖北五个省份的水稻种植区。从国家气象局中国气象数据网下载得到2010-2016年研究区各气象站点包括温度、湿度等因子的地面日值气象数据,以及2010-2016年研究区范围的日值面状气温数据。从植保站得到研究区以5天为记录单位的水稻纹枯病植保数据,包括稻作类型、生育期、发病等级、病株率等信息。以植保站为中心,基于反距离加权进行植保-气象数据匹配获得建模数据集。(2)建立Logistic-RICEBLA预测模型,对湖南省晚稻纹枯病发病程度进行预测。基于Logistic增长曲线对水稻纹枯病发病等级进行Logistic拟合,基于气象因素对纹枯病的发病机理影响,设计温度、湿度的影响模块,将其纳入Logistic拟合模型,构建Logistic-RICEBLA预测模型,实现对水稻纹枯病多年份多时相的动态预测,模型预测容错准确率达到88%,预测结果与实际一致性较好。(3)建立SEIR-RICEBLA预测模型,对研究区晚稻和中稻纹枯病病株率进行预测。基于经典的病害流行学模型SEIR,结合包括气象因子、生育期、菌源信息等的纹枯病影响因素和特点构造相关模块并融合至模型的结构中,构建SEIR-RICEBLA预测模型,实现对湖南晚稻纹枯病的时间动态预测,模型的预测精度R2为0.61,RMSE为8.12。将模型进行多省份空间扩展,对应的模型精度R2为0.65,RMSE为11.57,将模型进行稻作类型扩展,对应的模型精度R2为0.46,RMSE为14.23,模型的预测效果均较为理想。最后基于Arc GIS软件,将面状的格点气象数据和本研究提出的SEIR-RICEBLA模型结合,得到了时空动态的水稻纹枯病预警信息。