马铃薯晚疫病中心病株出现时间预警方法、系统及设备

技术领域

本公开涉及马铃薯中心病株监控领域，尤其涉及一种马铃薯晚疫病中心病株出现时间预警方法、系统及设备。

背景技术

目前马铃薯预警模型主是基于一定气象条件规则的人工预警技术。该模型是基于感病品种和病原菌存在的条件下，以田间逐小时相对湿度和温度为依据，当生长季节出现符合模型设定任何一种情形后，晚疫病菌的孢子将进入叶片内，即开始进入侵染过程。只要得到以后每天的平均温度，就可以根据Conce的参数提供的数据得到一个分值，然后将每天得到的分值进行累加，得够7分表明一个侵染过程已经结束。

而马铃薯晚疫病中心病株出现时间受品种、小气候因素，预警值差异相对大，该模型的对高感品种具有高准确性。但是我国马铃薯种植品种多而复杂，一般分为早、中、晚品种，而早熟品种为高感品种，而中晚熟品种抗性存在不同的差异，差异极大，用该模型不能完全对早中晚品种开展中心病株的预测。

发明内容

有鉴于此，本公开提出了一种马铃薯晚疫病中心病株出现时间预警的方法，其能够精准掌握不同马铃薯品种的中心病株出现时间。

根据本公开的一方面，提供了一种马铃薯晚疫病中心病株出现时间预警的方法，包括如下步骤：

获取当前输入的马铃薯的品种信息及所述马铃薯的第一株出苗时间，根据所述品种信息确定用于预测中心病株出现时间的参考曲线；

获取所述马铃薯所在种植区域自所述第一株出苗时间起每天的气象因子数据，并基于获取到的各所述气象因子数据，采用预警模型生成马铃薯侵染曲线；其中，每天的所述气象因子数据以预设时间间隔进行监测获取；所述马铃薯侵染曲线包括多条；

在生成的所述马铃薯侵染曲线中出现所述参考曲线时，获取自所述参考曲线的出现日期起预设天数内所述种植区域的气象信息，并根据所述预设天数内的所述气象信息，计算得到相应的侵染分值；

根据所述侵染分值对照所述参考曲线，获取并输出中心病株出现时间。

在一种可能的实现方式中，基于获取到的各所述气象因子数据，采用预警模型生成马铃薯侵染曲线，包括：

基于所述气象因子数据，按照预设的第一关系表计算侵染湿润期形成的次数和程度；其中，所述程度包括轻、中等、重和极重中的至少一种；

所述第一关系表用于表征致病疫霉侵染严重程度与湿润期持续的时间和湿润期间的平均温度之间的关系；

根据侵染湿润期形成的次数和程度确定所述品种信息所对应的侵染湿润期形成时间；

在确定所述侵染湿润期形成时间后，根据所述侵染湿润期形成时间后的每天的平均温度按照第二关系表得到相应的分值，对所述分值进行累加并根据累加后的得分生成相应的所述马铃薯侵染曲线；

其中，所述第二关系表用于表征分值与平均温度之间的映射关系。

在一种可能的实现方式中，根据所述品种信息确定用于预测中心病株出现时间的参考曲线，包括：根据所述品种信息，由预先存储的品种信息与参考曲线对照表中获取相应的所述参考曲线；

其中，所述品种信息与参考曲线对照表中包含多个马铃薯的品种，以及与所述品种相对应的参考曲线的代数和次数信息。

在一种可能的实现方式中，所述气象因子数据包括温度、湿度和降雨量中的至少一种；

所述预设间隔时间的取值为1小时。

在一种可能的实现方式中，根据所述预设天数内的所述气象信息，计算得到相应的侵染分值，包括：

获取所述预设天数内当前时间的气象信息，并对照所述第二关系表得到所述当前时间的气象信息的初始分值；其中，所述当前时间为所述预设天数中的任意一天；

获取所述当前时间之前的每天的气象信息所对应的初始分值，并多获取到的各初始分值进行累加得到所述侵染分值。

在一种可能的实现方式中，所述品种信息包括高感品种马铃薯、中感品种马铃薯和抗性品种马铃薯中的至少一种；

所述预设天数的取值为3天至10天之间。

在一种可能的实现方式中，所述预设天数的取值为5天。

根据本公开的另一方面，还提供了一种马铃薯晚疫病中心病株出现时间预警系统，包括数据输入模块、参考曲线确定模块、气象因子采集模块、侵染曲线生成模块、侵染分值计算模块和分值对照预测模块；

所述数据输入模块，被配置为获取当前马铃薯的品种信息及所述马铃薯的第一株出苗时间；

所述参考曲线确定模块，被配置为根据所述品种信息确定用于预测中心病株出现时间的参考曲线；

所述气象因子采集模块，被配置为获取所述马铃薯所在种植区域自所述第一株出苗时间起每天的气象因子数据；其中，每天的气象因子数据以预设时间间隔进行监测获取；

所述侵染曲线生成模块，被配置为基于获取到的各所述气象因子数据，采用预警模型生成马铃薯侵染曲线；其中，生成的所述马铃薯侵染曲线包括多条；

所述侵染分值计算模块，被配置为在生成的所述马铃薯侵染曲线中出现所述参考曲线时，获取自所述参考曲线的出现日期起预设天数内所述种植区域的气象信息，并根据所述预设天数内的所述气象信息，计算得到相应的侵染分值；

所述分值对照预测模块，被配置为根据所述侵染分值对照所述参考曲线，获取并输出中心病株出现时间。

根据本申请的另一方面，还提供了一种马铃薯晚疫病中心病株出现时间预警设备，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行所述可执行指令时实现前面任一所述的方法。

根据本申请的一方面，还提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现前面任一所述的方法。

本公开实施例的一种马铃薯晚疫病中心病株出现时间预警方法，通过根据不同品种的马铃薯采用预警模型实时生成马铃薯侵染曲线，同时还根据马铃薯的品种信息确定用于预测中心病株出现时间的参考曲线，从而在生成马铃薯侵染曲线过程中形成参考曲线后，在通过获取参考曲线形成日期起预设天数的气象信息，计算相应的侵染分值，最后再通过计算得到的侵染分值对照参考曲线获取得到该品种马铃薯的中心病株出现时间。由于其进行中心病株出现时间的预测时，针对不同的品种采用实时生成的不同的侵染曲线，这就使得预测依据条件更加符合实际情况，从而也就保证了预测结果的准确性。通过本申请的马铃薯晚疫病中心病株出现时间预警方法，能够精准掌握不同马铃薯品种的中心病株出现时间，为第1次预防工作提供精准依据。根据多次实验观察，实验地点的田间实际发生情况均呈重发生，均与预测吻合，准确率达100％。并且重发生趋势的预警为实际生产中技术部门提供了有力的预测依据，可以根据预警信息及时开展相关防治工作，为马铃薯晚疫病的防控奠定了基础。

根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。

附图说明

包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。

图1示出本申请实施例的马铃薯晚疫病中心病株出现时间预警方法的流程图；

图2示出本申请实施例的马铃薯晚疫病中心病株出现时间预警方法中实时生成的某一品种的马铃薯侵染曲线数据图；

图3示出本申请实施例的马铃薯晚疫病中心病株出现时间预警系统的结构框图；

图4示出本申请实施例的马铃薯晚疫病中心病株出现时间预警设备的结构框图。

具体实施方式

以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。

在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。

另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。

图1示出了本申请一实施例的一种马铃薯晚疫病中心病株出现时间预警方法。参阅图1，该方法包括以下步骤：

步骤S100，获取当前输入的马铃薯的品种信息及马铃薯的第一株出苗时间，根据品种信息确定用于预测中心病株出现时间的参考曲线。此处，需要指出的是，品种信息指的是马铃薯的品种。通常马铃薯品种大致可以分为高感品种马铃薯、中感品种马铃薯和抗性品种马铃薯。对于高感品种马铃薯则对应有费乌瑞它品种的马铃薯，中感品种马铃薯则对应有宣薯2号品种的马铃薯，抗性品种马铃薯则对应有青薯9号品种的马铃薯。此处，还需要说明的是，马铃薯的品种信息不仅仅局限于所举出的上述品种，还可以包括其他品种，此处不再进行一一举例说明。

参考曲线则指的是用于预测中心病株出现时间的马铃薯侵染曲线。不同品种的马铃薯所采用的参考曲线不同。即，不同品种的马铃薯所采用的用于预测中心病株出现时间的侵染曲线的代数和次数不同。举例来说：费乌瑞它品种的马铃薯所采用的的参考曲线为第3代第1次侵染曲线，宣薯2号品种的马铃薯所采用的参考曲线为第5代第1次侵染曲线，青薯9号品种的马铃薯所采用的参考曲线为第6代第1次侵染曲线。

同时，本领域技术人员可以理解的是，本申请中，马铃薯的第一株出苗时间则指的是，在所种植的该品种的马铃薯中，第一株马铃薯出苗的日期。

步骤S200，获取马铃薯所在种植区域自第一株出苗时间起每天的气象因子数据，并基于获取到的各气象因子数据，采用预警模型生成马铃薯侵染曲线。此处，需要说明的是，气象因子数据包括该种植区域的温度、湿度和降雨量中的至少一种。同时，马铃薯所在种植区域的气象因子数据可以通过在该种植区域内设置田间气象监测站来实现。预警模型则可以采用本领域常用的carah模型。在一种可能的实现方式中，通过田间气象监测站监测获取马铃薯种植区域每天的气象因子数据时，可以实时进行监测，也可以按照预设时间间隔监测。其中，在按照预设时间间隔监测获取时，预设时间间隔的取值可以为30min，还可以设置为1小时。即，以小时为单位获取每天的该种植区域处的气象因子数据，进而再根据获取到的各气象因子数据通过carah模型生成马铃薯侵染曲线。参阅图2，所生成的马铃薯侵染曲线包括有多条，每条马铃薯侵染曲线对应不同的侵染湿润期形成的次数。其中，同一侵染湿润期下的侵染曲线可以按照同一代不同次的方式进行命名。不同侵染湿润期下的侵染曲线则可以按照不同代的方式命名。即，同一代期间发生的侵染可以按照“第1代第1次、第1代第2次、第1代第3次、……”的方式命名。不同代期间发生的侵染则可以按照“第1代、第2代、第3代、……”的方式命名。

步骤S300，在生成的马铃薯侵染曲线中出现参考曲线时，获取自参考曲线的出现日期起预设天数内种植区域的气象信息，并根据预设天数内的所述气象信息，计算得到相应的侵染分值。即，在基于获取到的各气象因子数据实时生成马铃薯侵染曲线过程中，通过实时监测所生成的马铃薯侵染曲线的代数和次数，在所生成的马铃薯侵染曲线的代数和次数为所确定的参考曲线的代数和次数时，表明此时形成了参考曲线。即可获取自参考曲线的形成日期起预设天数内种植区域处的气象信息，并根据获取到的气象信息计算得到相应的侵染分值。然后再通过步骤S400，根据计算得到的歉然分值对照所形成的参考曲线获取并输出中心病株出现时间。

此处，还应当指出的是，本公开实施例一种马铃薯晚疫病中心病株出现时间预警方法中，获取的气象信息主要是为种植区域处的温度信息，并且可以通过天气预报来获取预设天数内的当地区的气象信息(温度)。

由此，本公开实施例的一种马铃薯晚疫病中心病株出现时间预警方法，通过根据不同品种的马铃薯采用预警模型实时生成马铃薯侵染曲线，同时还根据马铃薯的品种信息确定用于预测中心病株出现时间的参考曲线，从而在生成马铃薯侵染曲线过程中形成参考曲线后，在通过获取参考曲线形成日期起预设天数的气象信息，计算相应的侵染分值，最后再通过计算得到的侵染分值对照参考曲线获取得到该品种马铃薯的中心病株出现时间。由于其进行中心病株出现时间的预测时，针对不同的品种采用实时生成的不同的侵染曲线，这就使得预测依据条件更加符合实际情况，从而也就保证了预测结果的准确性。通过本申请的马铃薯晚疫病中心病株出现时间预警方法，能够精准掌握不同马铃薯品种的中心病株出现时间，为第1次预防工作提供精准依据。根据多次实验观察，实验地点的田间实际发生情况均呈重发生，均与预测吻合，准确率达100％。并且重发生趋势的预警为实际生产中技术部门提供了有力的预测依据，可以根据预警信息及时开展相关防治工作，为马铃薯晚疫病的防控奠定了基础。

其中，在一种可能的实现方式中，基于获取到的各气象因子数据，采用预警模型生成马铃薯侵染曲线时，所采用的预警模型为carah模型。在采用carah模型生成马铃薯侵染曲线时，可以通过以下方式来实现。

即，基于获取到的自马铃薯第一株出苗时间起每天的气象因子数据，按照预设的第一关系表计算侵染湿润期形成的次数和程度(其中，程度包括轻、中等、重和极重中的至少一种，第一关系表用于表征致病疫霉侵染严重程度与湿润期持续的时间和湿润期间的平均温度之间的关系)。参见表1，为本申请一实施例中的第一关系表的示例。

表1第一关系表

此处，还需要指出的是，如果湿润期被中断的时间不超过3小时，则该湿润期将连续计算。如果中断的时间超过4小时，则应计算为两个不同的湿润期。同时，还需要注意的是，侵染湿润期持续超过48h，则每24h形成1次侵染湿润期，侵染程度为极重。

表2第二关系表

然后，根据侵染湿润期形成的次数和程度确定品种信息所对应的侵染湿润期形成时间。在确定侵染湿润期形成时间后，根据侵染湿润期形成时间后的每天的平均温度按照第二关系表得到相应的分值，对分值进行累加并根据累加后的得分生成相应的侵染曲线(其中，第二关系表用于表征分值与平均温度之间的映射关系)。参见表2，为本申请一实施例中的第二关系表的示例。

其中，从马铃薯的第一株出苗时间开始每天的气象因子数据可以采用自动田间气象站来获取。在马铃薯种植区域内设置田间自动气象站，采集区域内的温度、湿度、降雨量等气象因子数据。其中，采集的频率(即，预设时间间隔)为每小时采集一次。

由于马铃薯的致病疫霉在不同的天气条件下对马铃薯进行侵染的程度不同，所以需要通过获取马铃薯由第一株出苗时间起每天的气象因子数据，来确定侵染湿润期形成的次数和程度，并根据侵染湿润期形成的次数和程度来进行后一步的侵染曲线的生成。

在通过以上任一种方式生成不同品种信息的马铃薯的多条侵染曲线后，即可通过实时监测所生成的马铃薯曲线的代数和次数是否达到所确定的参考曲线的代数和次数。即，监测所生成的马铃薯曲线中是否出现参考曲线。在生成的马铃薯侵染曲线中，出现代数和次数与参考曲线的代数和次数相同的侵染曲线后，表明此时已经形成了参考曲线，因此可通过获取自该参考曲线形成日期起预设天数内种植区域处的气象信息，根据获取到的气象信息结合参考曲线进行中心病株出现时间的预测。

此处，需要指出的是，根据品种信息确定参考曲线时可以通过根据品种信息，由预先存储的品种信息与参考曲线对照表中获取相应的参考曲线的方式来实现。即，通过预先存储包括有多个马铃薯的品种，以及与品种相对应的参考曲线的代数和次数信息的对照表，通过将当前输入的品种信息与对照表中所记录的该品种信息对应的参考曲线的代数和次数即可确定该品种信息的马铃薯所采用的参考曲线。确定方式简单，易于实现，同时还有利于数据的实时更新和维护。

此外，还需要指出的是，在采用上述方式来实现当前输入的品种信息所采用的参考曲线时，需要对应每一种品种，通过预先实地考察来确定其所对应的最适合的侵染曲线(即，参考曲线)。

其中，在一种可能的实现方式中，通过预先实地考察来确定其所对应的最适合的侵染曲线时，可通过参数置信区间计算方式来实现。

具体的，首先根据预设观察次数内获取到的马铃薯中心病株在各侵染曲线中分值区间内的出现次数，得出置信下限和置信上限。然后，根据置信下限与置信上限形成的区间，由多个侵染曲线中确定参考侵染曲线。

其中，需要指出的是，预设观察次数的取值可以为23。并且，不同品种的马铃薯的参考侵染曲线均可通过上述方式确定。

举例来说，通过观察费乌瑞它(即，马铃薯的其中一个品种)23次，中心病株出现对应分值为第3代第1次侵染2-7分之间有20次，在第4代第1次侵染分值1-2分之间有3次。运用参数置信区间计算方法，得出置信下限(L

由此，通过检测并统计马铃薯中心病株在各侵染曲线中出现次数，将处于同一侵染代次的马铃薯中心病株划分在一起，记录出现次数，并取同一侵染代次中心病株出现对应的最小侵染分值为下限，同一侵染代次中心病株出现对应的最大侵染分值为上限，计算出置信上限和置信下限。根据置信上限和置信下限得出马铃薯中心病株出现的侵染代次和其侵染分值区间。

在通过上述任一方式确定参考曲线，并在实时生成马铃薯侵染曲线过程中形成该参考曲线后，即可根据自该参考曲线形成日期起预设天数内的气象信息，计算得到相应的侵染分值，进而再根据侵染分值对照所确定的参考侵染曲线，获取并输出与品种信息相对应的中心病株出现时间。

在一种可能的实现方式中，根据预设天数内的气象信息，计算得到相应的侵染分值时，首先获取预设天数内当前时间的气象信息，并对照第二关系表得到当前时间的气象信息的初始分值。此处，需要说明的是，当前时间为预设天数中的任意一天。预设天数的取值可以设置为3天至10天之间任一数值。如：预设天数的取值可以设置为5天。

然后，获取当前时间之前的每天的气象信息所对应的初始分值，并对获取到的各初始分值进行累加得到侵染分值。此处，应当指出的是，在侵染代次侵染湿润期形成后，当天得分为零分。此处，需要说明的是，此处的当前指的是预设天数中的第一天的前一天。将预设天数内的每天的平均温度对照第二关系表得到一个分数，然后将当天得到的分数与之前天数得到的分数进行累加。

举例来说，以宣薯2号为例，该品种的参考侵染曲线为第5代第1次侵染曲线。预设天数为五天，第一天为10℃，第二天为13℃，第三天为14℃，第四天为15℃，第五天为16℃。那对照第二关系表，第一天得分为0.75分，第二天得分为1分，第三天得分为1分，第四天得分为1分，第五天得分为1分。相应的，由于在侵染代次侵染湿润期形成后，当天得分为零分，所以说当天为零分，第一天的侵染分值为0.75分，第二天的侵染分值为1+0.75＝1.75分，第三天的侵染分值为1+1+0.75＝2.75分，第四天的侵染分值为1+1+1+0.75＝3.75分，第五天的侵染分值为1+1+1+1+0.75＝4.75分。在得到这五天的预测分值后，即可将得到的预测分值(即，4.75分)对照到所确定的参考侵染曲线中，以该分值在所确定的参考侵染曲线中所对应的日期作为预测出的该品种马铃薯的中心病株出现时间。

更进一步的，在一种可能的实现方式中，当判断出当前马铃薯满足预警条件时，还包括推送报警信息至移动终端的步骤。此处，本领域技术人员可以理解的是，移动终端可以为任意一种电子设备，如：手机、平板电脑、台式机、报警器等各种设备。此处不进行具体限定。

为了更清楚的说明本公开实施例的种马铃薯晚疫病中心病株出现时间预警的方法的过程，以下以一实施例为例1进行更加清楚的说明。

实施例1：

通过在贵州省选择具有代表性的43个点(次)，对我省主栽品种累计进行62次观察，主要通过建立田间品种观测圃，对我省费乌瑞它、中薯3号、威芋3号、威芋5号、宣薯2号、黑美人、黑金刚等主栽品种进行观察研究。从系统显示第2代第1期侵染湿润期生成开始，在中心病株观测圃中每两天调查一次，调查采用踏查方式进行，发现疑似病株，带回实验室镜检，确定是否是马铃薯晚疫病。中心病株出现后，记录出现时间，并将每个品种中心病株出现的时间对照系统，确定相应的侵染代次及其分值。

在贵州省选择具有代表性的43个点(次)，对我省主栽品种累计进行62次观察，不同马铃薯品种对晚疫病抗性差异是引起系统误差的重要因素，为了解决该误差问题，在研究中提出“指示品种”方法，即在我省众多主栽品种中，选择不同抗性水平中具有代表性的品种作为指示品种，确立其抗性对应系统参数，与其品种抗性无显著性差异的品种归为一类，运用指示品种参数开展指导防控工作。通过观察，费乌瑞它观察23次，中心病株出现对应系统分值为第3代第1次侵染2-7分之间有20次，在第4代第1次侵染分值1-2分之间有3次，运用参数置信区间计算办法，得出置信下限(L

指示品种：费乌瑞它，第3代第1次侵染曲线生成后，根据未来5d内天气预报提供的温度数据，对照侵染分值计算，中心病株出现时间预计在第3代第1次侵染分值3-7分期间。

指示品种：宣薯2号，第5代第1次侵染曲线生成后，根据未来5d内天气预报提供的温度数据，对照侵染分值计算，中心病株出现时间预计在第5代第1次侵染侵染参数分值0-7分期间。

指示品种：青薯9号，第6代第1次侵染曲线生成后，根据未来5d内天气预报提供的温度数据，对照侵染分值计算，中心病株出现时间预计在第5代第1次侵染侵染参数分值0-7分期间。

基于前面任一项的一种马铃薯晚疫病中心病株出现时间预警的方法，本公开还提供了一种马铃薯晚疫病中心病株出现时间预警装置。由于本申请提供的马铃薯晚疫病中心病株出现时间预警装置的工作原理与本申请提供的马铃薯晚疫病中心病株出现时间预警的方法的原理相同或相似，因此重复之处不再赘述。

参阅图3，本申请提供的马铃薯晚疫病中心病株出现时间预警系统100包括数据输入模块110、参考曲线确定模块120、气象因子采集模块130、侵染曲线生成模块140、侵染分值计算模块150和分值对照预测模块160。其中，数据输入模块110，被配置为获取当前马铃薯的品种信息及马铃薯的第一株出苗时间。参考曲线确定模块120，被配置为根据品种信息确定用于预测中心病株出现时间的参考曲线。气象因子采集模块130，被配置为获取马铃薯所在种植区域自第一株出苗时间起每天的气象因子数据；其中，每天的气象因子数据以预设时间间隔进行监测获取。侵染曲线生成模块140，被配置为基于获取到的各气象因子数据，采用预警模型生成马铃薯侵染曲线；其中，生成的马铃薯侵染曲线包括多条。侵染分值计算模块150，被配置为在生成的马铃薯侵染曲线中出现参考曲线时，获取自参考曲线的出现日期起预设天数内种植区域的气象信息，并根据预设天数内的气象信息，计算得到相应的侵染分值。分值对照预测模块160，被配置为根据侵染分值对照参考曲线，获取并输出中心病株出现时间。

更进一步地，根据本公开的另一方面，还提供了一种马铃薯晚疫病中心病株出现时间预警设备200。参阅图4，本公开实施例马铃薯晚疫病中心病株出现时间预警设备200包括处理器210以及用于存储处理器210可执行指令的存储器220。其中，处理器210被配置为执行可执行指令时实现前面任一所述的马铃薯晚疫病中心病株出现时间预警方法。

此处，应当指出的是，处理器210的个数可以为一个或多个。同时，在本公开实施例的马铃薯晚疫病中心病株出现时间预警设备200中，还可以包括输入装置230和输出装置240。其中，处理器210、存储器220、输入装置230和输出装置240之间可以通过总线连接，也可以通过其他方式连接，此处不进行具体限定。

存储器220作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序和各种模块，如：本公开实施例的马铃薯晚疫病中心病株出现时间预警方法所对应的程序或模块。处理器210通过运行存储在存储器220中的软件程序或模块，从而执行马铃薯晚疫病中心病株出现时间预警设备200的各种功能应用及数据处理。

输入装置230可用于接收输入的数字或信号。其中，信号可以为产生与设备/终端/服务器的用户设置以及功能控制有关的键信号。输出装置240可以包括显示屏等显示设备。

根据本公开的另一方面，还提供了一种非易失性计算机可读存储介质，其上存储有计算机程序指令，计算机程序指令被处理器210执行时实现前面任一所述的马铃薯晚疫病中心病株出现时间预警方法。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。