小麦赤霉病自动监测预警系统应用效果评价

来源:用户上传      作者:

　　摘要 2018年在江苏、陕西、河南、湖北、安徽共18个县（市）安装了小麦赤霉病预报器，在周边设置未防治麦田进行赤霉病调查，并与预警软件平台预测结果相比较，评价小麦赤霉自动监测预警系统的准确性。评价结果表明，2018年该系统预测的准确性达71.8%。结合陕西省植保总站、西安市植保站、渭南华州区植保站、商洛洛南县植保站、安徽凤台县植保站2016年-2018年对该系统的评价结果，证实该系统预测准确性较高，系统工作稳定，自动化程度高，可为小麦赤霉病的科学防控提供重要的参考依据，具有一定的应用前景。
　　关键词 小麦赤霉病; 自动监测预警; 准确性评价
　　中图分类号： S 431.7
　　 文献标识码： A
　　 DOI： 10.16688/j.zwbh.2019122
　　Application effect evaluation of the automatic monitoring and
　　warning system for Fusarium head blight
　　SONG Rui1， WANG Jiahui1， YUAN Dongzhen2， WANG Baotong1， FAN Sanhong1，
　　QIN Zhibo3， HUANG Chong4， LIU Wancai4， HU Xiaoping1
　　（1. College of Plant Protection， Northwest A & F University， Yangling 712100， China; 2. Shaanxi Provincial Plant
　　Protection Extension Station， Xi’an 710003， China; 3. Xi’an Huangshi Biological Engineering Co.， Ltd.，
　　Xi’an 710065， China; 4. National Agricultural Technology Extension and Service Center， Ministry of
　　Agriculture and Rural Affairs， Beijing 100125， China）
　　Abstract
　　In 2018， we installed 18 predictors in Jiangsu， Shaanxi， Henan， Hubei and Anhui to evaluate the prediction accuracy of the system. The prediction results from the system were compared with that achieved from the investigation in un-control fields. Results showed that prediction accuracy of the system reached to 71.8% in 2018. Combined with the evaluation results from Shaanxi Provincial Plant Protection Extension Station， Xi’an Provincial Plant Protection Extension Station， Huazhou Plant Protection Extension Station in Shaanxi， Luonan Plant Protection Extension Station in Shaanxi and Fengtai Plant Protection Extension Station in Anhui， the accuracy of the system was high， and the system was stable， reliable with high automation level and good application prospect， which can provide important reference for controlling the disease.
　　Key words
　　Fusarium head blight; automatic monitoring and warning system; accuracy evaluation
　　小麥赤霉病（Fusarium head blight）是由禾谷镰孢Fusarium graminearum及亚洲镰孢F.asiaticum等多种镰孢菌引起的世界性真菌病害。在欧洲、北美、南美、亚洲、澳洲等地主产麦区均有分布。在我国尤其是小麦穗期温润、多雨的长江流域和沿海地区受害严重。但近年来由于全球气候变暖，玉米小麦或水稻小麦长期轮作和秸秆还田等农艺措施引起病原菌积累，小麦赤霉病危害愈加频繁。小麦赤霉病不仅能造成产量及品质的损失，其产生的真菌毒素，如脱氧雪腐镰孢菌烯醇（deoxynivalenol，DON）、玉米赤霉烯酮（zearalenone， ZEN）、雪腐镰孢烯醇（nivalenol， NIV）等，严重影响人畜健康。因此，对小麦赤霉病进行有效防治尤为重要。
　　小麦赤霉病的发生与菌源、气候、品种等多种因素相关。赤霉病发病速度快，防治窗口期短。因此，有效防治的关键是确定最佳防治时间，这就需要对小麦赤霉病进行科学有效的预报。对此，国内外学者进行了大量的研究。在国外，匈牙利、爱尔兰、意大利、英国、加拿大、美国科学家[13]根据降雨量、气温、相对湿度、叶面湿度等气象因子，针对DON含量建立了预测模型;阿根廷、加拿大科学家[45]根据温度、湿度等气象因子，针对小麦赤霉病病穗率及严重度建立了预测模型;美国科学家[68]根据开花前后降雨、温度、相对湿度持续时间，针对小麦赤霉病发生建立风险评价模型;日本的上田进等[9]根据4月中旬离地50～80 cm处子囊孢子捕捉数量，建立回归模型来预测赤霉病的病穗率。我国学者除利用温度、相对湿度、光照强度、降水量[10]等小尺度气象因子外，还考虑大气环流[1112]、海温[1314]、厄尔尼诺[15]等大尺度气象因子，以及菌源，如3月-4月田间稻桩子囊壳带菌率[16]、孢子捕捉数量[1718]等，建立小麦赤霉病的预测模型。1993年张文军就根据菌源量、小麦品种开花期特性、气象因子等因素建立了关中地区小麦赤霉病的流行动态模型[19]。2015年张平平等建立了基于产壳秸秆密度的关中地区小麦赤霉病病穗率预测模型，并以此为基础，研制了预报器[2021]，以及基于物联网的小麦赤霉病自动监测预警系统。 　　本研究主要目的是对安装在江苏、陕西、湖北、河南、安徽等不同生态区的小麦赤霉病预报器的预测准确性、预测系统的稳定性等进行评价，以期为该系统的推广应用及小麦赤霉病的防控等提供参考。
　　1 材料与方法
　　1.1 仪器设备
　　小麦赤霉自动监测预警系统由小麦赤霉病预报器和预警软件平台系统组成（www.cebaowang.com），主要由西北农林科技大学胡小平教授课题组、陕西省植物保护工作总站以及西安黄氏生物工程有限公司共同研制[2021]。预报器应用了GPRS技术、数据自动存储技术，可实时记录温度、相对湿度、叶片表面湿润时间、降雨量等田间环境因子数据，并可实现数据的远距离无线传输、自动存储等功能;预警软件平台系统可通过内置的预测模型，根据初始菌源量以及麦田环境相关因子实时监测数据，在扬花期前1周预测小麦蜡熟期赤霉病发生程度，并能在监测结果超过防治指标时及时发送警报，指导病害防治。
　　1.2 初始菌源量调查
　　根据前茬作物，可分为两种调查方法。（1）前茬作物为玉米。每个监测点在小麦抽穗始期，随机选择5块麦田（5×667 m2以上），每块麦田采用大5点取样法，每个样点10 m2（2 m×5 m），捡拾玉米残秆，以每个带节5～6 cm长的残秆作为标准样秆，统计玉米残秆的数量，并检查玉米残杆上是否有子囊壳，计算每个监测点麦田每平方米的产壳玉米秸秆密度（个/m2）。（2）前茬作物为水稻。每个监测点在小麦抽穗始期，随机选择5块麦田（5×667 m2以上），每块麦田采用大5点取样法，每个样点4 m2（2 m×2 m），捡拾水稻残秆，以整穴稻桩作为标准样秆，统计水稻残秆的数量。并检查水稻残秆上是否有子囊壳，计算每个监测点麦田每平方米的产壳水稻秸秆密度（丛/m2）。
　　1.3 病穗率调查及等级划分
　　在小麦蜡熟期（5月12日-24日），对江苏、陕西、湖北、河南、安徽等地主产麦区麦田预报器周边未防治麦田进行赤霉病病穗调查，每块麦田随机选取10个点，每个点选取20株麦穗，记录病穗数，计算病穗率。根据国标GB/T15796-2011[22]将实际调查病穗率进行流行等级划分（表1）。
　　1.4 预测的准确性评价
　　利用实际调查的小麦赤霉病病穗率与预测的病穗率进行比较，采用肖悦岩[23]的预测预报准确度评价方法即最大误差参照法检验预测的准确度：
　　式中，R为预测准确度，Fi为预测结果的流行等级值，Ai为实际调查结果的流行等级值，Mi为第i次预测的最大参照误差，该值为实际流行等级值和最高流行等级值与实际流行等级值之差中最大的值。如实际流行等级值为2，最高流行等级值与实际流行等级值之差为3（赤霉病流行等级最高值为5），那么Mi值为3。一般认为，预测流行等级与实际流行等级差值小于1时，为准确，差值为1时，为基本准确，大于1时为不准确。
　　2 结果与分析
　　2.1 初始菌源量调查
　　2018年3月-4月，各地植保部门按照大五点取样法调查了江苏4县（市）、陕西10县（市）、湖北2县（市）、河南1县和安徽1县的小麦赤霉病初始菌源量。同时，记录了当地小麦的前茬作物以及抽穗日期等相关信息（表2）。从表2可以看出，江苏、安徽初始菌源量普遍偏高;河南、湖北初始菌源量为中等水平;陕西省除华县、泾阳县外，其他地区初始菌源量均在1个/m2以下。
　　2.2 小麦赤霉病病穗率调查
　　在小麦蜡熟期按照随机取样法调查小麦赤霉病的实际病穗率，根据国标GB/T15796-2011将实际调查病穗率进行流行等级划分，并与预测病穗率及预测流行等级进行比较（表3）。结果发现，河南、安徽、湖北的实际病穗率平均均在29%以上，而江苏、陕西实际病穗率因县域不同而差异较大，如渭南市临渭区的平均病穗率为19%，而蒲城县为52%。将实际调查病穗率的流行等级与预测病穗率的流行等级相比较，大部分地区预测的流行等级为准确或基本准确。但陕西省的华阴市、大荔县、华县、三原县，湖北省潜江市的预测流行等级为不准确。特别是陕西省的华阴市调查的病穗率流行等级为4级，而预测流行等级为1级，为预测最不准确的县级市。
　　2.3 小麦赤霉自动监测预警系统预测准确性评价
　　将田间实际调查病穗率与预测病穗率转换的流行等级值按照肖悦岩[23]建立的预测预报准确性评价方法进行计算，得到2018年小麦赤霉病自动监测预警系统的预测准确率为71.8%，对小麦赤霉病的防控具有一定的指导意义。
　　3 讨论
　　2012年胡小平教授课题组研发出我国首款小麦赤霉病自动监测预报器，这款预报器只需要输入初始菌源与抽穗期，就可实现小麦赤霉病的自动监测预警，目前已推广至陕西、内蒙古、河南、山西、安徽、江苏、山东、湖北、青海等省/自治区。2016年，陕西省植物保护工作总站对陕西关中地区该系统的预报准确性进行了评价，预测准确率为94.4%[24];2017年，陕西省渭南市华州区植保站及安徽省淮南市凤台县植保站分别对预报的准确性进行了评价，准确率分别为96%[25]和100%[26];2018年，陕西省商洛市洛南县植保站和西安市植保站分别对预报的准确性进行了评价，准确率分别为80%[27]和100%[28]。但上述研究均是针对局部地区预测准确性评价，对于大范围不同生态区域尚未见研究报道。本研究通过调查并统计江苏、陕西、湖北、河南、安徽5省的赤霉病病穗率，与预测结果进行比较，并利用肖悦岩的最大误差参照法[23]对小麦赤霉病自动監测预警系统综合评价，准确率为71.8%。
　　小麦赤霉病自动监测预警系统是基于环境因子及菌源量等相关因子建立的。因此，即使是同一市，由于小气候的影响，环境因子出现差异，该系统也能通过预报器实时记录周边的环境因子数据，从而进行准确的预测。例如陕西省渭南市临渭区预测流行等级为1级，同市蒲城县预测流行等级为5级。经过实际调查发现，临渭区实际流行等级为2级，蒲城县实际流行等级为5级。由此表明，该系统能够准确预测预报器周边麦田病穗率，指导病害防治。但是对于同一生态区域预报器预测的范围，需要进一步研究。 　　2018年，该系统预测准确性较往年偏低，误差主要来源于陕西省部分监测点，若除去陕西省数据，准确率上升至83.3%，而陕西关中地区10个监测点的预测准确率仅为62.5%，这可能与多种因素相关，可能是因为初始菌源量、仪器安放位置等因素的影响，也有可能是品种抗病性的差异所致。
　　参考文献
　　[1] XU Xiangming， MADDEN L V， EDWARDS S G， et al. Developing logistic models to relate the accumulation of DON associated with Fusarium head blight to climatic conditions in Europe [J]. European Journal of Plant Pathology， 2013， 137： 689706.
　　[2] HOOKER D C， SCHAAFSMA A W， TAMBURIC-ILINCIC L. Using weather variables pre and post-heading to predict deoxynivalenol content in winter wheat [J]. Plant Disease， 2002， 86： 611619.
　　[3] NITA M， DE WOLF E， MADDEN L V， et al.Use of mechanistic simulation models to predict disease intensity of Fusarium head blight and deoxynivalenol concentration [J]. Phytopathology， 2008， 98： S113.
　　[4] MOSCHINI R C， PIOLI R， CARMONA M， et al. Empirical predictions of Fusarium head blight in the northern Argentinean Pampas region [J]. Crop Science， 2001， 41： 15411545.
　　[5] TURKINGTONT K， OLFERTO O， WEISSR M， et al.Forecasting the potential distribution and severity of Fusarium head blight in the prairie region of Canada， using CLIMEXTM modelling and historical and future weather conditions [J]. Canadian Journal of Plant Pathology， 2004， 26（3）： 425.
　　[6] DE WOLF E D， MADDEN L V，LIPPS P E. Risk assessment models for wheat Fusarium head blight epidemics based on within-season weather data[J]. Phytopathology， 2003， 93： 428435.
　　[7] SHAH D A， MOLINEROS J E， PAUL P A， et al. Predicting Fusarium head blight epidemics with weather-driven pre and post-anthesis logistic regression models [J]. Phytopathology， 2013， 103： 906919.
　　[8] MADDEN L V， PAUL P A. Assessing heterogeneity in the relationship between wheat yield and Fusarium head blight intensity using random-coefficient mixed models [J]. Phytopathology， 2009， 99： 850860.
　　[9] 上田进. 麦类赤霉病的预测[J].农业与园艺， 1973， 48（6）： 843844
　　[10]肖晶晶， 霍治国， 李娜， 等. 小麦赤霉病气象环境成因研究进展[J]. 自然灾害学报， 2011， 20（2）： 146152.
　　[11]徐崇浩， 何险峰， 刘富明， 等. 四川小麦赤霉病流行的气象条件及其时空分布规律和大气环流背景[J]. 西南农业学报， 1996， 9（3）： 6067.
　　[12]汤志成， 居为民. 地球极移变形力及大气环流因子在小麦赤霉病预报中的应用[J]. 植物保护， 1989， 15（2）： 58.
　　[13]居为民， 高苹. 赤道太平洋海温异常对太湖地区小麦赤霉病的影响[J]. 气象科学， 2000， 20（4）： 511515.
　　[14]高苹， 居为民， 陈宁， 等. 人工神经网络方法在赤霉病預报中的应用研究[J]. 中国农业气象， 2001， 22（2）： 2225.
　　[15]姚彩文， 赵圣菊， 杨素钦. 厄尔尼诺现象与小麦赤霉病流行初探[J]. 病虫测报， 1988（1）： 6062.
　　[16]陈将赞，戴以太，杨廉伟. 小麦赤霉病病穗率的预测模型[J]. 浙江农业科学， 2019， 60（1）： 9394.
　　[17]张汉琳. 气象因素与麦类赤霉病群体流行波动的研究[J]. 气象学报， 1987，45（3）： 338345. 　　[18]章强华. 麦类赤霉病流行电算模拟模型的设想[J]. 病虫测报参考资料， 1981（2）： 715.
　　[19]張文军. 小麦赤霉病流行动态的控制论模型[J]. 生物数学学报， 1996，11（3）：111116.
　　[20]张平平， 宋金东， 冯小军， 等. 关中麦田产壳玉米秸秆密度与小麦赤霉病穗率的关系[J]. 麦类作物学报， 2015， 35（7）： 10221028.
　　[21]张平平. 关中地区小麦赤霉病预测系统. [D]. 杨凌： 西北农林科技大学， 2015.
　　[22]中华人民共和国农业部. 小麦赤霉病测报技术规范：GB/T 15796-2011 [S].北京：中国标准出版社，2001.
　　[23]肖悦岩. 预测预报准确度评估方法的研究[J]. 植保技术与推广， 1997， 17（4）： 36.
　　[24]袁冬贞，崔章静，杨桦，等. 基于物联网的小麦赤霉病自动监测预警系统应用效果[J]. 中国植保导刊， 2017， 37（1）： 4651.
　　[25]郭蕾. 渭南市华州区小麦赤霉病远程实时监测预警系统试验[J]. 农业科技通讯， 2017（10）： 8789.
　　[26]孙友武， 蔡广成， 夏风，等. 小麦赤霉病自动监测预警系统的应用效果[J]. 安徽农业科学， 2018， 46（16）： 143144.
　　[27]杨慧霞， 梁晓青， 陈恩霞， 等. 洛南县小麦赤霉病远程实时监测预警系统试验研究[J]. 基层农技推广， 2018， 6（12）： 2931.
　　[28]杨洁，徐进，张小飞，等. 西安地区小麦赤霉病自动监测预警系统应用效果[J]. 中国植保导刊， 2019， 39（2）： 5052.
　　（责任编辑：杨明丽）
　　收稿日期： 20190312   修订日期： 20190505
　　基金项目：国家重点研发计划（2018YFD0200402，2016YFD0300700）;陕西省农业科技创新与转化项目（NYKJ-2016-02）;农作物病虫鼠害疫情监测与防治
　　致  谢： 参加本试验部分工作的还有江代礼、谭翰杰、张能和纪烨斌等同学，特此一并致谢。
　　通信作者E-mail：xphu@nwsuaf.edu.cn
　　#为并列第一作者
转载注明来源:https://www.xzbu.com/1/view-15236380.htm