吳燕君，洪文英，章忠梅，吳 耀，繆 強

(1.杭州市農業(yè)技術推廣中心，浙江 杭州 310016； 2.富陽區(qū)農業(yè)技術推廣中心，浙江 杭州 311400)

瓜類病害是影響瓜類作物產量、品質和質量安全的關鍵因素，目前已知的瓜類病害超過200種，其中由單絲殼菌[(Schlecht) Poll]和二孢白粉菌(DC)引起的白粉病在瓜類生產中發(fā)生普遍，其流行性強，設施及露地栽培條件下均可發(fā)生，在瓜類作物生長中、后期發(fā)病嚴重，造成嚴重經濟損失。瓜類白粉病在適宜的氣候和環(huán)境條件下，可在短時間內大面積發(fā)生與流行，遍布葉片，影響光合作用，一般年份減產幅度為10%左右，流行年份可減產20%～40%。杭州地區(qū)黃瓜、南瓜、長瓜等瓜類作物白粉病常年發(fā)病重，尤其在設施栽培條件下發(fā)展迅速，所形成的小氣候環(huán)境有利于該病的發(fā)生。條件適宜時，病害潛伏期短，病菌可產生大量分生孢子進行頻繁的再侵染。目前國內外對于瓜類白粉病的流行動態(tài)及預測模型研究，主要基于1～2年田間調查數據，基于10年及以上系統(tǒng)監(jiān)測開展瓜類白粉病流行預測研究尚未見報道。預測模型的研究是一個動態(tài)的過程，系統(tǒng)調查時間的長短和數據的豐富度對相關因子的篩選和模型的校正影響大，因此，在瓜類白粉病預測法的研究中，基于長期系統(tǒng)監(jiān)測來建立科學的預測模型對病害的預測預報具有重要意義。本研究針對瓜類白粉病預測預報難題，通過持續(xù)監(jiān)測2007—2019年設施黃瓜白粉病的田間流行動態(tài)，研究篩選影響設施黃瓜白粉病發(fā)生流行的關鍵因素，在此基礎上構建病害發(fā)生的時間動態(tài)及預測模型，以期實現設施黃瓜白粉病的準確預測、適時預防，為生產中的科學防治提供依據。

1 材料與方法

1.1 田間流行動態(tài)

1.1.1 調查地點與作物

在杭州市級病蟲監(jiān)測點開展調查，2007年1月—2014年3月病蟲監(jiān)測點位于浙江省杭州市江干區(qū)喬司鎮(zhèn)，2014年4月—2019年12月搬遷至杭州市濱江區(qū)。試驗作物為黃瓜，品種為津研系列黃瓜品種，設施栽培條件種植。待其自然發(fā)病期，持續(xù)觀察并記錄其病情變化。

1.1.2 調查方法和環(huán)境數據的采集

于2007—2019年在監(jiān)測點大棚春茬、秋茬黃瓜上開展白粉病的田間系統(tǒng)調查，調查前大棚為關閉狀態(tài)，調查期間大棚為通風狀態(tài)。選擇早、中、晚不同茬口的3個田塊，采用對角線五點取樣法進行系統(tǒng)監(jiān)測調查，每點調查2株，每7 d調查一次。每株逐葉自下而上調查，再對照分級標準予以記載，計算病株率、病葉率和病情指數。白粉病發(fā)病程度的分級標準：0級，無病斑查見；1級，病斑面積占全葉面積的5%以下；2級，病斑面積占全葉面積的5%～20%；3級，病斑面積占全葉面積的20%～50%；4級，病斑面積占全葉面積的50%以上。

1.2 流行預測模型

1.2.1 數據的采集

黃瓜白粉病發(fā)生情況數據采用1.1節(jié)中田間流行動態(tài)的調查數據。采集氣象數據通過在調查的大棚中，將溫度計置于瓜葉伸展高度上方，每日記錄棚內溫度情況；以濕度計記錄棚內相對濕度；日照、雨量、雨日等各項氣象資料由杭州市氣象局提供。

1.2.2 數據的處理和模型的建立

利用2007—2019年杭州市監(jiān)測點的系統(tǒng)調查歷史資料，將前12 a的調查數據和氣象資料用來建模，應用SPSS17.0軟件，應用逐步回歸法，針對高峰期旬病情指數建立發(fā)生量的預測模型，最后1年的資料用于檢驗。

1.2.3 預測模型的檢驗

將2019年的發(fā)生實況資料，應用唐啟義等提出的病蟲測報應驗程度判定模式進行驗證，判斷模型的可行性。

高峰期旬病情指數預測的擬合程度判定模式：

其中，為瓜類白粉病高峰期旬病情指數預測模型判定模式的分值；≥60時預報準確，40≤<60時預報較準確，<40時預報不準確；為瓜類白粉病病情常年平均值，為病情實測值，為病情的模型預測值；為瓜類白粉病病情的常年標準差；為預報發(fā)出起至病情高峰實際發(fā)生時的期距(d)。

2 結果與分析

2.1 田間流行動態(tài)

2007—2019年設施黃瓜白粉病田間流行動態(tài)系統(tǒng)調查結果(圖1)顯示：設施栽培條件下春黃瓜、秋黃瓜白粉病均發(fā)生重，但年度間病害發(fā)生流行的特點有一定的變化：一是始病期的年度差異，2008年、2010年、2014年春黃瓜發(fā)病較早，2012年、2019年發(fā)病相對遲，可能與當年早春持續(xù)低溫陰雨秧苗播種育苗時間推遲有關；2013年秋黃瓜發(fā)病較早，可能與當年夏季天氣影響、春黃瓜收得早而秋黃瓜栽培早有關。二是發(fā)病盛期的時間總體較一致，但峰期持續(xù)時間、發(fā)生量年度間差異較大；圖2顯示了2007—2019年歷年旬平均病情指數消長動態(tài)，結合圖1進行綜合分析，春黃瓜5月下旬至6月上旬開始病情快速上升，總體上6月中旬為春黃瓜發(fā)病最高峰，6月中旬至7月上中旬常為梅雨季節(jié)，病害持續(xù)發(fā)生重；秋黃瓜9月下旬開始病情迅速上升，10月上旬為秋黃瓜發(fā)病最高峰，少數年份11月病情仍較重。發(fā)病盛期的持續(xù)時間和發(fā)生程度不同年份間有差異，高峰期發(fā)生量調查情況表明，春黃瓜以2019年發(fā)病最重，與其余年份相比峰期推遲但峰值高、持續(xù)時間長，可能與當年入出梅時間較常年偏遲、梅雨量顯著偏多且氣溫明顯偏低的冷黃梅特性有關；其次為2008年，6月中旬平均病情指數54.8；2010年與2013—2015年也發(fā)病重，峰期旬平均病情指數45.5～53.2；2007年、2011年、2012年峰期病情指數相對較低，為16.6～29.2；發(fā)病高峰持續(xù)時間以2010年最長，5月上中旬病情已明顯高于歷年同期，5月下旬至6月下旬的旬平均病情指數均高于30，持續(xù)時間長但最高峰病情指數低于2008年、2013年、2015年和2019年。秋黃瓜高峰期以2009年發(fā)病最重，10月上旬平均病情指數54.4；其次為2013年、旬平均病情指數49.1，2007年、2012年、2015年也發(fā)病較重，峰期旬平均病情指數43.2～48.6；2011年、2014年、2016年、2018年峰期病情指數相對較低；發(fā)病高峰持續(xù)時間以2015年最長，2013年發(fā)病重但峰期持續(xù)時間較短，可能與夏季持續(xù)高溫干旱、總體降雨時空分布不均有關。

a，上旬；b，中旬；c，下旬。下同。a， The first ten days of the month; b， The middle ten days of the month; c， The last ten days of the month. The same as below.圖1 2007—2019年設施黃瓜白粉病流行動態(tài)曲線Fig.1 Epidemic dynamic curves of cucumber powdery mildew in protected cultivation during 2007-2019

圖2 2007—2019年設施黃瓜白粉病旬平均病情消長曲線Fig.2 Prevalence trend curves of cucumber powdery mildew in protected cultivation during 2007-2019

2.2 流行預測模型

2.2.1 流行預測模型的建立

通過對2007年以來設施黃瓜白粉病田間病情的統(tǒng)計分析，以黃瓜白粉病高峰期病情指數(、)為預報對象，初選當年3—10月每月平均氣溫、相對濕度、雨日、雨量、日照時數、溫雨系數等氣象因子和前期病情基數等共66個指標作為預測因子，以2007—2018年的數據建立預測模型。參與建模的各因子中，溫雨系數=某時段降水總量/該時段平均氣溫，用于評價某段時間氣溫和降水的綜合影響；根據多年系統(tǒng)監(jiān)測調查的經驗，氣溫的起伏和田間環(huán)境的干濕變化對瓜白粉病的發(fā)生有較大影響，因此在建模的影響因子中以每月的日平均氣溫、日平均相對濕度的標準差作為反映某段時間氣溫和濕度變化程度的因子。

結果表明，春黃瓜、秋黃瓜高峰期發(fā)生量與病情基數及月平均氣溫、相對濕度、雨量等氣象因子密切相關，各有10個因子入選春黃瓜、秋黃瓜的發(fā)生量預測模型(表1、表2、表3)。其中9月下旬病情指數與秋黃瓜高峰期發(fā)病程度密切相關；氣溫因子中3月、4月平均氣溫作為預測因子入選模型，而3月、4月、6月、7月和8月的日均溫度標準差也入選模型，表明冷暖變化對病情有較大的影響；濕度因子中5月日平均濕度標準差和7月平均相對濕度入選預測模型，表明生產管理關鍵期的濕度及干濕交替情況對病情均有一定的影響；3月、7月、8月、10月上旬累計雨日及3月、7月、10月上旬溫雨系數入選預測模型，說明氣溫和降水對病害發(fā)生的綜合影響較大；日照時數也有3個因子入選預測模型。

表1 設施春黃瓜白粉病發(fā)生量預測因子歷年數據

表2 設施秋黃瓜白粉病發(fā)生量預測因子歷年數據

表3 設施黃瓜白粉病發(fā)生量預測模型

2.2.2 預測模型的擬合率檢驗

將2019年的病情、氣象數據，應用1.2.3節(jié)的應驗程度判定模式，分別對春黃瓜、秋黃瓜白粉病高峰期發(fā)生量預測模型進行檢驗。結果(表4)表明：兩個預測模型經擬合率檢驗評分分值均高于75分，在準確的范圍內。春黃瓜、秋黃瓜白粉病發(fā)病高峰期病情指數的模型擬合值分別為75.55、44.88，實際調查病情指數分別為69.82、40.14，模型擬合值接近實測值，模型預測結果較準確。

3 結論與討論

3.1 設施黃瓜白粉病的流行動態(tài)變化及影響因素

本研究對2007—2019年設施黃瓜白粉病的流行動態(tài)進行田間系統(tǒng)監(jiān)測調查。結果表明，春黃瓜、秋黃瓜白粉病均發(fā)病重，春黃瓜6月中旬為發(fā)病最高峰，秋黃瓜10月上旬為發(fā)病最高峰。對比年度間發(fā)病高峰期病情，發(fā)現梅雨季雨水偏多且氣溫偏低、夏季持續(xù)高溫干旱、全年降水時空分布不均的年份易造成白粉病重發(fā)生，如2013年春黃瓜和秋黃瓜上白粉病均發(fā)生重，與當年持續(xù)高溫干旱、區(qū)域性暴雨過程集中等氣象因素有關；2019年早春遭遇歷史罕見的連陰雨天氣導致育苗困難、梅雨期偏長、強降雨過程多且氣溫偏低，春黃瓜上白粉病初發(fā)遲、高峰期偏遲但發(fā)病重、峰期持續(xù)時間長；2015年夏季高溫日僅12 d、累計降雨量明顯偏多、臺風影響頻繁，秋黃瓜上白粉病發(fā)生重，說明夏季極端高溫干旱和高溫期氣溫不高降水多的情況下均可引起白粉病的重發(fā)生。梅雨季降水集中且出梅后持續(xù)高溫晴熱易造成白粉病重發(fā)生，但空梅、短梅、特長梅等非典型梅雨天氣下白粉病也可能發(fā)生重，總體上瓜白粉病在干旱與高濕交替出現、氣溫變化大的環(huán)境下發(fā)展速度快，發(fā)病重。參考早年的調查情況，2003年前后瓜白粉病主要在南瓜等作物上發(fā)病重、黃瓜上發(fā)病相對較輕，2005年、2006年起發(fā)病加重，其后持續(xù)發(fā)病重，在黃瓜、南瓜、葫蘆、甜瓜、西瓜等各類瓜類作物上均發(fā)病重，與近年來極端天氣頻繁出現、集中降雨多、干濕與冷熱交替頻繁等情況有關。個別年份如2016年、2018年秋黃瓜上白粉病高峰期病情不重，但同時期黃瓜霜霉病發(fā)病重，可能抑制了白粉病的發(fā)生發(fā)展。

表4 設施黃瓜白粉病預測模型驗證

3.2 預測模型的適用性及完善發(fā)展

本研究對影響設施黃瓜白粉病田間發(fā)生流行的相關因素進行了調查和分析，共篩選出具有顯著回歸影響的20個因子，建立了春黃瓜、秋黃瓜高峰期發(fā)生量預測模型，經擬合率檢驗，均在準確的范圍內，為準確預測提供了依據。結果表明，黃瓜白粉病高峰期發(fā)生量與病情基數及月平均氣溫、相對濕度、溫雨系數等氣象因子相關，特別是與當年梅雨季節(jié)、夏季高溫季節(jié)等關鍵期的天氣條件密切相關，溫濕度變化大則病情重。這些因素綜合作用，影響病情的發(fā)生發(fā)展。根據2007—2019年病害的流行動態(tài)，將影響白粉病發(fā)生較明顯的溫、濕度變化情況以當月的日均溫標準差、相對濕度標準差的形式作為初選影響因子加入模型構建，經回歸分析表明有6個相關因子入選預測模型，有助于全面篩選影響因子，提高預測準確程度。以往關于瓜白粉病預測模型的研究較少，徐寧等、尹哲等、李磊福等研究了黃瓜或甜瓜白粉病的預測模型，但用于建模的田間調查數據一般為1～2年，目前尚未查見基于10年以上的田間調查研究白粉病預測模型的報道。本研究在長期系統(tǒng)監(jiān)測的基礎上建立預測模型，對黃瓜白粉病的中長期預測預報具有一定的實用價值，可供杭州及氣象等環(huán)境條件較為相似的其他地區(qū)參考應用。

田間生態(tài)系統(tǒng)是不斷運動變化的，各預測因子的影響也是動態(tài)的，采用多年數據分析白粉病發(fā)生的時間動態(tài)并建立模型可實現較準確的預測，但需隨著生產、栽培、氣候等因素的變化不斷修訂和發(fā)展。本文組建的模型主要為2007年以來的資料，為更全面地分析病害的年度間變化規(guī)律、進一步增強預報結果的準確性，將逐年追加監(jiān)測資料，不斷增加樣本總數，使模型得到不斷的校正和完善；同時鑒于影響病害的因素較多，在現有的基礎上，今后還將綜合考慮不同栽培條件、土壤性質等其他因素的影響對模型加以修訂和完善，使之更好地服務于生產。