设施黄瓜白粉病流行动态与预测模型

吴燕君，洪文英，章忠梅，吴 耀，缪 强

(1.杭州市农业技术推广中心，浙江 杭州 310016； 2.富阳区农业技术推广中心，浙江 杭州 311400)

瓜类病害是影响瓜类作物产量、品质和质量安全的关键因素，目前已知的瓜类病害超过200种，其中由单丝壳菌[(Schlecht) Poll]和二孢白粉菌(DC)引起的白粉病在瓜类生产中发生普遍，其流行性强，设施及露地栽培条件下均可发生，在瓜类作物生长中、后期发病严重，造成严重经济损失。瓜类白粉病在适宜的气候和环境条件下，可在短时间内大面积发生与流行，遍布叶片，影响光合作用，一般年份减产幅度为10%左右，流行年份可减产20%～40%。杭州地区黄瓜、南瓜、长瓜等瓜类作物白粉病常年发病重，尤其在设施栽培条件下发展迅速，所形成的小气候环境有利于该病的发生。条件适宜时，病害潜伏期短，病菌可产生大量分生孢子进行频繁的再侵染。目前国内外对于瓜类白粉病的流行动态及预测模型研究，主要基于1～2年田间调查数据，基于10年及以上系统监测开展瓜类白粉病流行预测研究尚未见报道。预测模型的研究是一个动态的过程，系统调查时间的长短和数据的丰富度对相关因子的筛选和模型的校正影响大，因此，在瓜类白粉病预测法的研究中，基于长期系统监测来建立科学的预测模型对病害的预测预报具有重要意义。本研究针对瓜类白粉病预测预报难题，通过持续监测2007—2019年设施黄瓜白粉病的田间流行动态，研究筛选影响设施黄瓜白粉病发生流行的关键因素，在此基础上构建病害发生的时间动态及预测模型，以期实现设施黄瓜白粉病的准确预测、适时预防，为生产中的科学防治提供依据。

1 材料与方法

1.1 田间流行动态

1.1.1 调查地点与作物

在杭州市级病虫监测点开展调查，2007年1月—2014年3月病虫监测点位于浙江省杭州市江干区乔司镇，2014年4月—2019年12月搬迁至杭州市滨江区。试验作物为黄瓜，品种为津研系列黄瓜品种，设施栽培条件种植。待其自然发病期，持续观察并记录其病情变化。

1.1.2 调查方法和环境数据的采集

于2007—2019年在监测点大棚春茬、秋茬黄瓜上开展白粉病的田间系统调查，调查前大棚为关闭状态，调查期间大棚为通风状态。选择早、中、晚不同茬口的3个田块，采用对角线五点取样法进行系统监测调查，每点调查2株，每7 d调查一次。每株逐叶自下而上调查，再对照分级标准予以记载，计算病株率、病叶率和病情指数。白粉病发病程度的分级标准：0级，无病斑查见；1级，病斑面积占全叶面积的5%以下；2级，病斑面积占全叶面积的5%～20%；3级，病斑面积占全叶面积的20%～50%；4级，病斑面积占全叶面积的50%以上。

1.2 流行预测模型

1.2.1 数据的采集

黄瓜白粉病发生情况数据采用1.1节中田间流行动态的调查数据。采集气象数据通过在调查的大棚中，将温度计置于瓜叶伸展高度上方，每日记录棚内温度情况；以湿度计记录棚内相对湿度；日照、雨量、雨日等各项气象资料由杭州市气象局提供。

1.2.2 数据的处理和模型的建立

利用2007—2019年杭州市监测点的系统调查历史资料，将前12 a的调查数据和气象资料用来建模，应用SPSS17.0软件，应用逐步回归法，针对高峰期旬病情指数建立发生量的预测模型，最后1年的资料用于检验。

1.2.3 预测模型的检验

将2019年的发生实况资料，应用唐启义等提出的病虫测报应验程度判定模式进行验证，判断模型的可行性。

高峰期旬病情指数预测的拟合程度判定模式：

其中，为瓜类白粉病高峰期旬病情指数预测模型判定模式的分值；≥60时预报准确，40≤<60时预报较准确，<40时预报不准确；为瓜类白粉病病情常年平均值，为病情实测值，为病情的模型预测值；为瓜类白粉病病情的常年标准差；为预报发出起至病情高峰实际发生时的期距(d)。

2 结果与分析

2.1 田间流行动态

2007—2019年设施黄瓜白粉病田间流行动态系统调查结果(图1)显示：设施栽培条件下春黄瓜、秋黄瓜白粉病均发生重，但年度间病害发生流行的特点有一定的变化：一是始病期的年度差异，2008年、2010年、2014年春黄瓜发病较早，2012年、2019年发病相对迟，可能与当年早春持续低温阴雨秧苗播种育苗时间推迟有关；2013年秋黄瓜发病较早，可能与当年夏季天气影响、春黄瓜收得早而秋黄瓜栽培早有关。二是发病盛期的时间总体较一致，但峰期持续时间、发生量年度间差异较大；图2显示了2007—2019年历年旬平均病情指数消长动态，结合图1进行综合分析，春黄瓜5月下旬至6月上旬开始病情快速上升，总体上6月中旬为春黄瓜发病最高峰，6月中旬至7月上中旬常为梅雨季节，病害持续发生重；秋黄瓜9月下旬开始病情迅速上升，10月上旬为秋黄瓜发病最高峰，少数年份11月病情仍较重。发病盛期的持续时间和发生程度不同年份间有差异，高峰期发生量调查情况表明，春黄瓜以2019年发病最重，与其余年份相比峰期推迟但峰值高、持续时间长，可能与当年入出梅时间较常年偏迟、梅雨量显著偏多且气温明显偏低的冷黄梅特性有关；其次为2008年，6月中旬平均病情指数54.8；2010年与2013—2015年也发病重，峰期旬平均病情指数45.5～53.2；2007年、2011年、2012年峰期病情指数相对较低，为16.6～29.2；发病高峰持续时间以2010年最长，5月上中旬病情已明显高于历年同期，5月下旬至6月下旬的旬平均病情指数均高于30，持续时间长但最高峰病情指数低于2008年、2013年、2015年和2019年。秋黄瓜高峰期以2009年发病最重，10月上旬平均病情指数54.4；其次为2013年、旬平均病情指数49.1，2007年、2012年、2015年也发病较重，峰期旬平均病情指数43.2～48.6；2011年、2014年、2016年、2018年峰期病情指数相对较低；发病高峰持续时间以2015年最长，2013年发病重但峰期持续时间较短，可能与夏季持续高温干旱、总体降雨时空分布不均有关。

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.图1 2007—2019年设施黄瓜白粉病流行动态曲线Fig.1 Epidemic dynamic curves of cucumber powdery mildew in protected cultivation during 2007-2019

图2 2007—2019年设施黄瓜白粉病旬平均病情消长曲线Fig.2 Prevalence trend curves of cucumber powdery mildew in protected cultivation during 2007-2019

2.2 流行预测模型

2.2.1 流行预测模型的建立

通过对2007年以来设施黄瓜白粉病田间病情的统计分析，以黄瓜白粉病高峰期病情指数(、)为预报对象，初选当年3—10月每月平均气温、相对湿度、雨日、雨量、日照时数、温雨系数等气象因子和前期病情基数等共66个指标作为预测因子，以2007—2018年的数据建立预测模型。参与建模的各因子中，温雨系数=某时段降水总量/该时段平均气温，用于评价某段时间气温和降水的综合影响；根据多年系统监测调查的经验，气温的起伏和田间环境的干湿变化对瓜白粉病的发生有较大影响，因此在建模的影响因子中以每月的日平均气温、日平均相对湿度的标准差作为反映某段时间气温和湿度变化程度的因子。

结果表明，春黄瓜、秋黄瓜高峰期发生量与病情基数及月平均气温、相对湿度、雨量等气象因子密切相关，各有10个因子入选春黄瓜、秋黄瓜的发生量预测模型(表1、表2、表3)。其中9月下旬病情指数与秋黄瓜高峰期发病程度密切相关；气温因子中3月、4月平均气温作为预测因子入选模型，而3月、4月、6月、7月和8月的日均温度标准差也入选模型，表明冷暖变化对病情有较大的影响；湿度因子中5月日平均湿度标准差和7月平均相对湿度入选预测模型，表明生产管理关键期的湿度及干湿交替情况对病情均有一定的影响；3月、7月、8月、10月上旬累计雨日及3月、7月、10月上旬温雨系数入选预测模型，说明气温和降水对病害发生的综合影响较大；日照时数也有3个因子入选预测模型。

表1 设施春黄瓜白粉病发生量预测因子历年数据

表2 设施秋黄瓜白粉病发生量预测因子历年数据

表3 设施黄瓜白粉病发生量预测模型

2.2.2 预测模型的拟合率检验

将2019年的病情、气象数据，应用1.2.3节的应验程度判定模式，分别对春黄瓜、秋黄瓜白粉病高峰期发生量预测模型进行检验。结果(表4)表明：两个预测模型经拟合率检验评分分值均高于75分，在准确的范围内。春黄瓜、秋黄瓜白粉病发病高峰期病情指数的模型拟合值分别为75.55、44.88，实际调查病情指数分别为69.82、40.14，模型拟合值接近实测值，模型预测结果较准确。

3 结论与讨论

3.1 设施黄瓜白粉病的流行动态变化及影响因素

本研究对2007—2019年设施黄瓜白粉病的流行动态进行田间系统监测调查。结果表明，春黄瓜、秋黄瓜白粉病均发病重，春黄瓜6月中旬为发病最高峰，秋黄瓜10月上旬为发病最高峰。对比年度间发病高峰期病情，发现梅雨季雨水偏多且气温偏低、夏季持续高温干旱、全年降水时空分布不均的年份易造成白粉病重发生，如2013年春黄瓜和秋黄瓜上白粉病均发生重，与当年持续高温干旱、区域性暴雨过程集中等气象因素有关；2019年早春遭遇历史罕见的连阴雨天气导致育苗困难、梅雨期偏长、强降雨过程多且气温偏低，春黄瓜上白粉病初发迟、高峰期偏迟但发病重、峰期持续时间长；2015年夏季高温日仅12 d、累计降雨量明显偏多、台风影响频繁，秋黄瓜上白粉病发生重，说明夏季极端高温干旱和高温期气温不高降水多的情况下均可引起白粉病的重发生。梅雨季降水集中且出梅后持续高温晴热易造成白粉病重发生，但空梅、短梅、特长梅等非典型梅雨天气下白粉病也可能发生重，总体上瓜白粉病在干旱与高湿交替出现、气温变化大的环境下发展速度快，发病重。参考早年的调查情况，2003年前后瓜白粉病主要在南瓜等作物上发病重、黄瓜上发病相对较轻，2005年、2006年起发病加重，其后持续发病重，在黄瓜、南瓜、葫芦、甜瓜、西瓜等各类瓜类作物上均发病重，与近年来极端天气频繁出现、集中降雨多、干湿与冷热交替频繁等情况有关。个别年份如2016年、2018年秋黄瓜上白粉病高峰期病情不重，但同时期黄瓜霜霉病发病重，可能抑制了白粉病的发生发展。

表4 设施黄瓜白粉病预测模型验证

3.2 预测模型的适用性及完善发展

本研究对影响设施黄瓜白粉病田间发生流行的相关因素进行了调查和分析，共筛选出具有显著回归影响的20个因子，建立了春黄瓜、秋黄瓜高峰期发生量预测模型，经拟合率检验，均在准确的范围内，为准确预测提供了依据。结果表明，黄瓜白粉病高峰期发生量与病情基数及月平均气温、相对湿度、温雨系数等气象因子相关，特别是与当年梅雨季节、夏季高温季节等关键期的天气条件密切相关，温湿度变化大则病情重。这些因素综合作用，影响病情的发生发展。根据2007—2019年病害的流行动态，将影响白粉病发生较明显的温、湿度变化情况以当月的日均温标准差、相对湿度标准差的形式作为初选影响因子加入模型构建，经回归分析表明有6个相关因子入选预测模型，有助于全面筛选影响因子，提高预测准确程度。以往关于瓜白粉病预测模型的研究较少，徐宁等、尹哲等、李磊福等研究了黄瓜或甜瓜白粉病的预测模型，但用于建模的田间调查数据一般为1～2年，目前尚未查见基于10年以上的田间调查研究白粉病预测模型的报道。本研究在长期系统监测的基础上建立预测模型，对黄瓜白粉病的中长期预测预报具有一定的实用价值，可供杭州及气象等环境条件较为相似的其他地区参考应用。

田间生态系统是不断运动变化的，各预测因子的影响也是动态的，采用多年数据分析白粉病发生的时间动态并建立模型可实现较准确的预测，但需随着生产、栽培、气候等因素的变化不断修订和发展。本文组建的模型主要为2007年以来的资料，为更全面地分析病害的年度间变化规律、进一步增强预报结果的准确性，将逐年追加监测资料，不断增加样本总数，使模型得到不断的校正和完善；同时鉴于影响病害的因素较多，在现有的基础上，今后还将综合考虑不同栽培条件、土壤性质等其他因素的影响对模型加以修订和完善，使之更好地服务于生产。