综述：针对气候智能型农业的害虫防治策略：为塑造更美好的未来提供解决方案

《Crop Protection》：Pest-smart strategies for climate-smart agriculture: Solutions for shaping a smarter future

气候变化导致农业害虫动态变化，加剧产量损失。传统害虫管理方法日益失效，需转向气候响应策略。害虫智能策略（PSS）整合气候适应技术、生态工程和数字化工具，显著减少农药使用并提升抗灾能力，为气候变化下的农业可持续发展提供解决方案。

　　

作者列表： Babasaheb B. Fand | Abdelmutalab G.A. Azrag | Vivek Adhikari | Boini Ganesh | Sachin S. Suroshe | Jaipal Singh Choudhary | G.T. Behere | V.N. Waghmare 机构：ICAR-中央棉花研究所，纳格浦尔 -440010，马哈拉施特拉邦，印度

摘要

气候变化通过温度升高、降雨模式改变以及相关的气候变异性，正在迅速重塑农业害虫的动态。这导致害虫分布范围扩大、发育速度加快，爆发频率增加。综合主要种植系统的证据表明，目前由气候驱动的害虫压力导致热带和亚热带地区产量损失10–30%。如果害虫管理措施不适应气候变化，预计到本世纪中叶，主要谷物的产量损失将增加3–12%；而在温度升高约2°C的情况下，损失可能高达30–46%。在这种情况下，传统的、基于日历的害虫控制方法越来越无效。本综述批判性地分析了气候-害虫-作物之间的相互作用，并提出了“害虫智能策略”（PSS），作为气候智能农业（CSA）框架下综合害虫管理（IPM）的适应性进化。综述综合了关于PSS六个核心要素的全球证据：气候适应性强的作物品种、生态工程、响应气候的IPM、害虫物候模型与预测、基于数字技术和人工智能的预警系统，以及基于智能手机的咨询服务。这些方法在各个地区和作物中显示出农药使用量减少20–50%、决策时机改善、抗性发展延迟以及通过增加功能性生物多样性增强生物控制的效果。重要的是，PSS将害虫管理从“反应性”投入转向“主动性”知识密集型决策，提高了产量稳定性、生态系统服务，并增强了农民在气候不确定性下的韧性。综述指出了政策整合、微气候水平建模、公平的数字接入以及特定情境下的应用领域存在的持续差距。将PSS纳入CSA计划为减少害虫引起的产量损失、加强粮食和营养安全以及推进气候变化下的可持续农业集约化提供了一条可扩展的路径。

引言

气候变化已成为全球农业面临的最重大挑战之一，对害虫动态、作物生产力和粮食安全产生了深远影响。全球气温上升、降水模式变化、温室气体增加以及极端天气事件频发正在扰乱全球农业生态系统的平衡（IPCC, 2023; WMO, 2024; NOAA, 2025）。根据政府间气候变化专门委员会的第六次评估报告，预计到21世纪末全球平均表面温度将上升1.4–4.4°C，同时降雨模式也会发生显著变化（IPCC, 2023）。这些气候扰动对害虫的生存、发育速度、世代交替、地理分布和爆发潜力都有直接和间接的影响（Bale et al., 2002; Fand et al., 2012; 2014a; 2018; Kroschel et al., 2013）。 在区域层面，气候变化以多种相互关联的方式影响农业系统，加剧了害虫风险。在印度，冬季变暖、昼夜温差增大以及季风模式改变（IMD, 2021）正在影响主要农业害虫的冬季存活和季节性动态（Fand et al., 2012; 2014a; 2018; 2021; Peddu et al., 2020）。其他地区也观察到了类似的现象。在东南亚，气温升高和厄尔尼诺现象加剧导致季风延迟和干旱期延长，增加了水稻生态系统中的害虫压力（Nurhayati et al., 2017; Surmaini et al., 2024）。在撒哈拉以南非洲，极端温度增加和降雨可靠性下降威胁着雨养农业，加剧了害虫爆发风险（Niang et al., 2014; IPCC, 2023）。在拉丁美洲，温度和降雨模式的变化正在改变作物的适宜种植区，增加了热带和亚热带作物的害虫压力（Marengo et al., 2022; IPCC, 2023）。这些区域性的气候扰动凸显了害虫生态位的全球重组和季节活动窗口的调整，给传统害虫管理带来了挑战，并加剧了害虫造成的产量损失。对于非洲、亚洲和拉丁美洲气候敏感地区的小农来说，这可能对粮食和营养安全构成重大威胁。在这种条件下，尽管传统害虫管理方法是可持续农业的基础，但由于缺乏气候适应性和风险预见能力以及适应性决策，这些方法可能变得不足。因此，需要将具有气候智能元素的害虫管理方法纳入农业体系。 为应对这些挑战，气候智能农业（CSA）作为一种全球认可的框架应运而生，旨在转变农业系统，以可持续的方式提高生产力、增强对气候变化的韧性，并减少温室气体排放（FAO, 2010; 2013; 2019; 2021）。然而，由于CSA基于保护和再生农业的原则，其实施主要集中在水资源、土壤、能源和作物管理方面（Allouche et al., 2019）。相比之下，作为农业系统中最受气候影响的组成部分之一，害虫管理在CSA框架内却未得到足够重视。 “害虫智能策略”（PSS），也称为气候智能害虫管理策略，被提出作为CSA框架内传统综合害虫管理（IPM）的适应性进化（Fand, 2017; 2025; Sivaprasagam, 2017; Bouri et al., 2023; Heeb and Jenner, 2017; 2019; Ashfaq et al., 2024; Chandana et al., 2024）。PSS强调在变化的气候条件下采取适应性、知识密集型和生态合理的害虫管理方法。这些策略结合了传统的IPM原则与基于气候的风险评估、生物和生态强化措施、数字和预测工具，并减少了对合成化学投入的依赖。通过这种方式，PSS直接支持CSA的三大支柱（Bouri et al., 2023; CABI, 2025）。尽管越来越多的人认识到PSS的重要性，但在科学文献中对其的总结仍不足，常常将其与传统的IPM视为同义词，而没有将其视为一个独特的气候响应框架。因此，需要全面而批判性的综合研究，以区分害虫智能策略与传统IPM，并评估其在不同农业生态背景下的气候响应能力。 基于此背景，本综述旨在综合当前关于气候变化与害虫相互作用的知识，并批判性地评估害虫智能策略作为气候智能农业的重要组成部分。具体而言，综述旨在：（i）研究气候变化如何重塑农业生态系统中的害虫动态；（ii）评估这些变化对作物生产力和粮食安全的影响；（iii）评估新兴的害虫智能方法，包括技术工具、政策和社会经济考虑因素以及未来研究重点。通过整合不同地区和生产系统的证据，本综述为研究人员、实践者和政策制定者提供了指导，以推动害虫智能解决方案的发展，从而塑造更加韧性和可持续的农业未来。

气候变化与害虫动态的演变

上述气候变化正在改变生态系统的韧性，并驱动生物群落的复杂变化（IPCC, 2023; WMO, 2024; NOAA, 2025）。最严重的后果之一是农业害虫威胁的增加，它们以不可预测的方式应对环境变化（Bale et al., 2002; Fand et al., 2014a; 2018; 2021; Skendzic, et al., 2021）。作为变温生物，昆虫对气候变化特别敏感。

对作物生产力和粮食安全的影响

由于气候变化和害虫压力的双重影响，全球粮食和营养安全日益受到威胁。与气候变化相关的极端天气事件破坏了作物系统，削弱了植物的抵抗力，为入侵性和本地害虫的传播和定殖创造了有利条件（IPCC, 2023）。这些气候扰动进一步加剧了作物的脆弱性，通常导致害虫爆发增加和产量下降。

新兴的气候适应性害虫管理方法

害虫智能策略本质上是旨在帮助农民和农业系统在变化的气候条件下建立抗虫能力的综合方法。基于当前的知识和理解，本综述提出了“SMART”一词所涵盖的核心原则（表3）。这些策略结合了生态、技术和管理工具，以最小化害虫风险并增强气候韧性（表4）。

害虫活动预测的物候模型

气候变化引起的害虫动态变化削弱了传统的基于日历的害虫管理方法，需要能够适应气候变异性和不确定性的预测方法。害虫物候模型主要基于温度阈值和积温，用于预测关键生命周期事件，如卵产卵、幼虫出现和成虫高峰期（Fand et al., 2014d; 2015; 2021; Azrag et al., 2017; Peddu et al., 2020; Nankade et al, 2024）。这样的预测有助于...

政策和社会经济影响

气候适应性PSS的有效性不仅取决于其技术合理性和性能，还取决于影响农民决策的现有政策框架和社会经济条件。虽然CSA越来越多地被纳入与气候变化适应和缓解相关的国家政策中，但害虫管理往往被视为次要组成部分，而非气候韧性的核心支柱（Lipper et al., 2014; 2018; FAO, 2013）。

知识空白和未来研究需求

尽管在数字、生态和精准害虫管理方法方面取得了显著进展，但PSS在大规模整合到更广泛的CSA框架中仍受到限制。几个系统、制度和技术瓶颈继续阻碍其广泛应用，削弱了害虫管理对CSA三大支柱（生产力、韧性和可持续性）的贡献。此外，仍存在一些关键的研究空白需要填补。

结论与建议

害虫智能策略代表了气候智能农业的下一个前沿。通过将生态智能、技术进步驱动的精准性和气候适应性这三个基本支柱纳入害虫管理计划，PSS提供了建立韧性农业的全面路径。随着气候变化下害虫压力的加剧，传统的、依赖大量投入的控制措施将越来越无效。相反，适应性、知识密集型的方法将变得至关重要。

CRediT作者贡献声明

**Abdelmutalab G.A. Azrag**：撰写——审稿与编辑、验证、监督、方法论、数据整理、概念化。 **Babasaheb B. Fand**：撰写——初稿、可视化、验证、监督、软件使用、资源管理、方法论、调查、正式分析、数据整理、概念化。 **Ganesh Boini**：撰写——审稿与编辑、方法论、正式分析、数据整理。 **Vivek Adhikari**：撰写——审稿与编辑、方法论、调查、正式分析、数据。

未引用参考文献

Brière et al., 1999; Choudhary et al., 2021; FAO, 2010; FAO, 2021a; FAO, 2021b; FAO, 2025; FAO, 2013; Gerard et al., 2020; Grist, 2015; Gutiérrez et al., 2014; Heeb et al., 2019; IPCC et al., 2023; Kranti et al., 2005; Lipper and Zilberman, 2018; MoA & FW, 2014; Ortiz-Crespo et al., 2021; Petzoldt and Seaman, 2010; PIB, 2024; Rincon et al., 2025; Sentis et al.; Sivapragasam et al., 2017; Soundararajan and Chitra, 2012; STMA, 2008; UN, 2017; UN, 2023; Zheng et al., 2020.

伦理批准

本文不涉及任何与人类参与者或动物相关的研究。

出版同意

所有作者同意发表本文。

利益冲突声明

本文作者声明与本研究报告中所述的工作没有利益冲突。

数据可用性声明

支持本研究结果的数据见于本文的表格和图表以及支持文件中。

写作过程中使用的人工智能和辅助技术声明

在准备本文的过程中，作者使用了ChatGPT和Grammarly等开源AI工具，仅用于提高语言清晰度和语法质量，并改善图像的美观呈现。作者在使用这些工具后对内容进行了彻底审查和编辑，并对最终版本负全责。

资助

不适用

利益冲突声明

作者声明没有已知的财务利益或个人关系可能影响本文的研究工作。

致谢

本综述基于ICAR-中央棉花研究所（印度纳格浦尔）的硕士和博士学生的专业知识和研讨会贡献。所有文献来源均已适当引用。研究得到了印度农业研究委员会（ICAR）、农业研究与教育部（DARE）的支持。