迁飞害虫，趁着夜色在高空悄悄迁移，像一支看不见的“空中军团”，严重威胁着粮食安全。要防治这些害虫，就得先精准测报虫情。我国夜间高空风载迁飞害虫的监测，长期处于“看不清、追不着、测不准”的被动局面。从2006年到2026年，河南省农业科学院植物保护研究所所长封洪强带领研发团队追虫20年，攻克一系列难关，研制出全球领先的高分辨率旋转极化垂直昆虫雷达，给夜间迁飞昆虫监测装上了“天眼”。

亚洲首个高分辨率旋转极化垂直昆虫雷达。受访者供图

低空发现难

150米以下“看”不见昆虫

传统昆虫雷达是“远视眼”，天生有个“缺陷”——近距离盲区。“发射与接收共用一个天线，导致雷达系统必然存在盲区。”封洪强告诉记者，这一盲区大约在150米。这意味着，所有在150米以下低空活动的昆虫，雷达都“看”不到。

但封洪强在长期观测中发现，盲区的“边缘”并非一片死寂——那些被噪声淹没的微弱信号中，依然藏有昆虫的踪迹。他分析判断，如果能从噪声中“捞出”有效信号，盲区一定能大大压缩。

解决问题的关键在于噪声阈值的设定。传统昆虫雷达采用“固定阈值法”。但昆虫有大有小，背景噪声也会随环境变化而变化。阈值设低了，噪声会被误判为目标，导致“草木皆兵”；阈值设高了，真实目标又会被过滤掉，致使“一叶障目”。

攻关

“噪声海洋”锁定信号

监测能力全球居首

研发团队密集攻关，创造性设计出一套“动态噪声阈值”算法，实时计算每1.875米高度层的独立噪声基线，再根据不同高度、不同时段的噪声水平动态调整阈值，精准过滤干扰，从“噪声海洋”中锁定每一只昆虫信号。

原理看似简单，落地绝非易事。为了验证算法稳定性，团队在试验基地连续驻守3年，不分昼夜采集数据。无数次失败、无数次调试，终于迎来曙光——当70米低空迁飞昆虫信号第一次清晰呈现在屏幕上时，团队成员激动得彻夜未眠。这一突破，让我国昆虫雷达的低空监测能力跃居全球首位，为精准预警迁飞昆虫筑牢了第一道防线。

精准分辨难

数据量暴增系统可能瘫痪

盲区被成功压缩，但如何在高密度信号中精准分辨昆虫，又成为新的难点。

传统垂直雷达的数字化精度仅为50米甚至75米，在这样的分辨率下，当多只昆虫同时出现在一个采样空间内，雷达只能“记录”回波最强的那个信号，其他目标则被忽略。

为了提高分辨率，研发团队考虑将数字化精度同步提升至1.875米。这意味着雷达“视力”将更好，但也带来新的麻烦：一只昆虫穿过雷达波束时，会被反复测量十几次，产生大量重复数据。

如何快速识别哪些数据来自同一只昆虫，成为数据处理的关键。处理不好，数据量会暴增十几倍，运算资源将被大量浪费，整个监测系统都有可能陷入瘫痪。

攻关

雷达信号转换成图

“三步”识别昆虫目标

“能不能把雷达信号转换成图片？”刚从国外留学归来的科研助理田果带来了新思路。团队反复研究后，将提取过程简化为“三步法”：首先确定噪声阈值；然后将信号转换为二值位图——高于噪声点显示为白色，反之显示为黑色；最后借助计算机视觉系统，快速、准确、完整地捕捉到每一只昆虫的信号。

看似简单的三步，背后是数万次代码调试和数据验证。为了让算法适配不同昆虫、不同高度、不同天气的信号特征，团队把多年积累的数百万条雷达数据全部“喂”给算法，逐条比对、反复优化。实测显示，三步识别法不仅将流程简化70%、处理效率提升超10倍，还能精准区分重叠昆虫、剔除重复数据，实现全目标识别。

雷达标定难

使用维修校准太贵

2025年10月，封洪强团队研发的雷达获联合国粮农组织植物健康管理领域全球技术卓越奖。如今，这部全球领先的首部高分辨率旋转极化垂直昆虫雷达，已实现对70至1810米高空迁飞昆虫的自动监测，能够精准识别昆虫体型、振翅频率及其三维运动轨迹。

要让雷达测得准、测得稳，一套科学可靠的标定体系必不可少。

“就像天平需要标准砝码来校准一样，每一部雷达投入使用前都须经过严格的标定。在国外，这项工作需要建设专门的标定设施，不仅造价高达上千万元，而且雷达每次维修后都需运回标定场地重新标定，成本高昂。”团队成员黄博告诉记者。

攻关

“自然”校准

成本压缩

面对这个难题，研发团队选择用“自然”来校准雷达。“我们采用的方案是一套涵盖高度、质量、速率的‘组合拳’。”封洪强说。

团队使用多旋翼无人机和激光测距仪有效解决雷达的高度探测误差难题；用探照灯诱虫器捕获昆虫的质量分布，校准雷达对各类昆虫质量测定的精度；用探空气球和经纬仪测量的风向风速，与雷达测得的数据进行回归分析。黄博表示，“最终定型的‘自然标定法’不仅将标定成本压缩至传统方法的十分之一，更重要的是，它让雷达野外标定变得灵活便捷。”

虫虫小贴士

■每年夜间穿越我国东部地区上空迁飞昆虫的数量：9.3万亿

■农业农村部公布11种一类害虫中，有8种是迁飞害虫，其中6种是夜间高空风载迁飞害虫。

■稻飞虱、草地贪夜蛾、棉铃虫……这些小虫子每年可造成我国粮食损失超2000万吨。