蔬菜是我国农业一个重要的支柱产业,其种植面积辽阔,约占我国耕地面积的15%;我国蔬菜产量占全世界的比重超过一半,是世界第一大蔬菜生产国。烟粉虱是危害我国蔬菜产量稳产的主要害虫之一,除西藏、宁夏等少数省区外,其余各省区均受到烟粉虱的入侵。如何准确、及时、快速地预测烟粉虱虫害,并制定合理的农药使用剂量,已经成为有效防治烟粉虱虫害、保障蔬菜产量和质量的重要工作。本文是以气象环境数据为基础,对烟粉虱虫害发生等级的预测方法进行探索研究,以广州市南沙区东升农场为试点,依据烟粉虱虫害发生的生物学特性和小范围气象数据建立一个基于支持向量机(SVM)的烟粉虱发生等级预测模型。本文首先使用Caipos传感器采集空气温度、空气相对湿度、土壤温度、土壤水势、降雨量、光照强度、风速等多维气象环境数据,并将数据通过2G网络传输保存到本地服务器;使用黄色粘板诱捕烟粉虱,并通过人工计数统计烟粉虱虫量。使用插补法处理异常的气象环境数据,使用数据离散变换划分虫害发生等级,使用主成分分析法对数据进行特征选取和降维。为了提高烟粉虱虫害发生等级的预测精度,本文利用预处理后的数据建立基于SVM的预测模型。最后,基于Python和Anoconda机器学习工具包,以2017年6月至2017年9月的气候环境数据和虫害数据训练预测模型,使用网格搜索和十折交叉验证法对模型涉及到的参数进行优化,利用最优参数组合建立预测模型,再使用2017年10月的数据检验模型的预测性能,准确率为94.44%,宏查准率为88.89%,宏查全率为97.78%。用类似的方式建立不使用主成分分析(PCA)处理的支持向量机模型和随机森林模型,通过对比模型的预测性能,确定PCA+SVM的组合模型对预测南方重大蔬菜害虫烟粉虱的发生等级有着良好的应用潜力,能为基于传感器数据的农业生产智能化管理提供支持,对减少农业生产者的劳动量,保障蔬菜的产量与质量,具有一定的应用价值。