近日，我组在农业智能预测领域的研究论文《PLB-GPT: Potato Late Blight Prediction with Generative Pretrained Transformer and Optimizing》被国际期刊《Mathematics》正式录用。该研究面向马铃薯晚疫病这一全球性重大作物病害，创新性地提出了一种领域自适应的生成式预训练模型——PLB-GPT。该框架深度融合植物病理学先验知识与人工智能技术，通过构建具有生理意义的气象特征（如温度波动指数、降水量与相对湿度），并引入时间序列对齐机制，将通用大语言模型有效适配于农业时序预测任务。同时，模型结合滤波注意力机制与多尺度特征融合策略，不仅显著提升了对分散式田块环境下晚疫病发生风险的短期预测精度，还增强了模型的可解释性与泛化能力。本成果突破了传统病害预测方法依赖单一站点数据或忽略气象-病理耦合机制的局限，为智慧植保、精准施药及农业灾害早期预警提供了可靠的技术支撑，也为大模型在垂直农业场景中的落地应用开辟了新路径。