日光溫室黃瓜霜霉病初侵染階段關(guān)鍵預(yù)測因子的篩選及驗證_紀(jì)濤.pdf
中 中 國 國 瓜 瓜 菜 菜 2018 , 31 (5 ) :5-10 試驗研究 收 稿 日 期 :2018-03-06 ; 修 回 日 期 :2018-03-29 基 金 項 目 : 國 家 自 然 科 學(xué) 基 金 (31401683 ) ; 山 東 省 重 點 研 發(fā) 計 劃 (2017CXGC0216 ) ; 歐 盟FP7 (PIRSES-GA-2013-612659 ) 作 者 簡 介 : 紀(jì) 濤 , 男 , 在 讀 碩 士 研 究 生 , 主 要 從 事 溫 室 蔬 菜 病 害 預(yù) 警 模 型 研 究 。E-mail :a513653089qq.com 通 信 作 者 : 李 明 , 男 , 副 研 究 員 , 主 要 從 事 植 保 信 息 化 與 農(nóng) 產(chǎn) 品 質(zhì) 量 安 全 研 究 。E-mail :limnercita.org.cn 由 古 巴 假 霜 霉 菌Pseudoperonospora cubensis (Berk. 2. Beijing Research Center for Information Technology in Agriculture/ Key Laboratory of Agri-informatics, Ministry of Agriculture/ National Engineering Laboratory for Agri-product Quality Traceability/ National Engineering Research Center for Information Technology in Agriculture, Beijing 100097, China; 3. Fengtai DistrictPlantProtectionandPhytosanitaryStation,Beijing100070,China) Abstract :The outbreak of cucumber downy mildew in greenhouse depends on the combined effects of the environment conditions, the management activities and other factors. In production, plant disease prediction relies on all kinds of empirical models, but there are many kinds of input factors, which need to be simplified.The approach we adopt to solve theproblemisusingtheprincipalcomponentanalysistoreducethedimensionof14groupsofearlypredictorsforcucumber downy mildew, based on field investigation experiment. Three principal components were selected out, which reflected the comprehensive humidity information, the temperature information and the management activities of the greenhouse, respectively.Thecumulativecontributionratereached80.76%,andanempiricalmodelwasestablishedbasedonprevious research results. The model had a good predictive effect (R²=0.94) on the occurrence date of cucumber downy mildew, anditcouldprovideandecisionreferencefortheearlycontrolofcucumberdownymildewinthesolargreenhouses. Key words :Cucumber; Pseudoperonospora cubensis; Early warning system; Principal component analysis; Empirical model · · 5 DOI:10.16861/j.cnki.zggc.2018.0080中 國 瓜 菜 第31 卷 試驗研究 留 5 , 因此必須做好對初侵染的預(yù)測和防治工作 。 近 年 來 國 內(nèi) 外 眾 多 學(xué) 者 開 發(fā) 了 以 環(huán) 境 因 素 為 驅(qū) 動 的 病 害 預(yù) 測 模 型 來 指 導(dǎo) 生 產(chǎn) 6-8 , 對 病 害 發(fā) 生 時 間 和 風(fēng) 險 進 行 預(yù) 測 , 通 過 生 態(tài) 防 治 , 在 減 少 施 藥 的 基 礎(chǔ) 上 控 制 病 害 的 發(fā) 展 。 如 何 自 福 9 等 人 運 用 距 始 病 期 的 時 間 、 前10d 累 積 相 對 濕 度 與 氣 溫 的 比 值 、 前 10 d 累 積 雨 日 與 氣 溫 的 比 值 、 前 10 d 累 積 雨 量 與 相 對 濕 度 的 比 值 、 前10d 累 積 雨 日 與 相 對 濕 度 的 比 值 等 多 個 輸 入 因 子 構(gòu) 建 模 型 , 對 廣 州 地 區(qū) 黃 瓜 霜 霉 病 的 發(fā) 展 進 行 預(yù) 測 。 徐 寧 10 通 過 接 種 日 至 發(fā) 病 日 時 間 、 標(biāo) 準(zhǔn) 累 積 溫 度 、 標(biāo) 準(zhǔn) 累 積 濕 度 溫 、 標(biāo) 準(zhǔn) 累 積 濕 度 、 標(biāo) 準(zhǔn) 累 積 溫 濕 度 積 之 倒 數(shù) 等 多 個 變 量 分 別 構(gòu) 建 了 塑 料 大 棚 黃 瓜 白 粉 病 、 霜 霉 病 預(yù) 測 模 型 。 但 預(yù) 測 過 程 中 常 會 面 臨 模 型 輸 入 變 量 過 多 造 成 某 些 重 要 信 息 被 覆 蓋 的 現(xiàn) 象 , 通 過 主 成 分 分 析 對 預(yù) 測 因 子 適 當(dāng) 的 篩 選 和 化 簡 , 能 夠 使 模 型 運 行 更 加 方 便 、 迅 速 。 主 成 分 分 析 就 是 將 多 個 變 量 通 過 線 性 變 換 , 剔 除 具 有 相 關(guān) 性 的 變 量 , 從 而 篩 選 出 少 數(shù) 重 要 綜 合 變 量 的 多 元 統(tǒng) 計 分 析 方 法 11 。 其 原 理 是 通 過 數(shù) 學(xué) 降 維 處 理 , 設(shè) 法 將 多 個 原 變 量 重 新 組 合 成 新 的 相 互 無 關(guān) 的 幾 個 綜 合 變 量 , 這 些 新 變 量 盡 可 能 多 地 保 留 原 來 較 多 變 量 所 反 映 的 信 息 。 該 方 法 在 植 物 病 害 管 理 方面具有很好的應(yīng)用 12-13 。 寄 主 、 病 原 、 環(huán) 境 和 栽 培 措 施 共 同 構(gòu) 成 了 溫 室 黃 瓜 病 害 的 四 面 體 , 病 害 的 發(fā) 生 、 發(fā) 展 受 到 這 四 類 因 素 的 共 同 作 用 。 鑒 于 寄 主 、 病 原 一 般 在 生 產(chǎn) 上 比 較 穩(wěn) 定 , 本 研 究 僅 考 慮 了 易 變 、 易 控 的 環(huán) 境 和 栽 培 管 理 措 施 作 為 預(yù) 測 因 子 篩 選 的 范 圍 , 利 用 SPSS.19 進 行 主 成 分 分 析 , 對 影 響 溫 室 黃 瓜 霜 霉 病 初 侵 染 階 段 的 多 種 因 素 進 行 篩 選 , 為 溫 室 黃 瓜 霜 霉 病 預(yù) 警 系 統(tǒng)的構(gòu)建提供參考 。 1 材料與方法 1.1 溫室黃瓜種植 試 驗 時 間 為 2017 年 911 月 , 試 驗 地 點 位 于 北 京 市 昌 平 區(qū) 小 湯 山 精 準(zhǔn) 農(nóng) 業(yè) 試 驗 基 地 (40.18°N , 116.47° E ) 。 試 驗 在 (11 號 ) 日 光 溫 室 中 進 行 , 溫 室 規(guī) 格 為30m×7m , 由 聚 乙 烯 薄 膜 覆 蓋 , 東 西 延 長 坐 北 朝 南 。 于3 月 種 植 霜 霉 病 中 抗 品 種 京 研 迷 你2 號 , 并 建 立 生 產(chǎn) 檔 案 , 如 實 記 錄 灌 溉 、 施 肥 、 夜 間 通 風(fēng)等栽培管理措施 。 1.2 溫室環(huán)境信息采集 在 調(diào) 查 對 象 溫 室 中 設(shè) 置 自 動 氣 象 站 , 每30min 對 溫 室 內(nèi) 的 溫 度 、 相 對 濕 度 、 露 點 溫 度 等 數(shù) 據(jù) 實 時 觀 測 并 儲 存 。 室 外 也 配 有 相 應(yīng) 的 自 動 氣 象 站 , 每h 對 溫 度 、 相 對 濕 度 、 雨 量 等 天 氣 要 素 進 行 記 錄 。 數(shù) 據(jù) 通 過 設(shè) 備 上 的 無 線 傳 輸 模 塊 和 手 動 下 載 相 結(jié) 合 來收集 。 1.3 霜霉病調(diào)查 每 次 調(diào) 查 在 清 晨 露 水 未 干 時 進 行 , 定 植 后 每 天 進 行 全 棚 普 查 , 直 到 典 型 霜 霉 病 早 期 癥 狀 ( 葉 片 正 面 為 邊 緣 模 糊 的 黃 褐 色 病 斑 , 葉 片 背 面 為 多 角 形 水 漬 狀 病 斑 ) 出 現(xiàn) , 記 錄 首 次 發(fā) 病 的 日 期 ( 本 試 驗 初 顯 癥 日 期 為10 月12 日 ) 。 此 后 采 取 對 角 線5 點 取 樣 , 定 點 定 株 調(diào) 查 , 每 點510 株 , 周 期 改 為34d 調(diào) 查 1 次 , 統(tǒng) 計 發(fā) 病 率 并 根 據(jù) GB/T 17980.26 2000 對 病 害 嚴(yán) 重 度 進 行 分 級 和 記 錄 。 并 在 調(diào) 查 期 間 記 錄澆水情況 、 夜間通風(fēng)等生產(chǎn)管理措施 。 1.4 數(shù)據(jù)記錄 選 取 發(fā) 病 前 15 d 溫 室 內(nèi) 外 的 環(huán) 境 信 息 和 生 產(chǎn) 管 理 信 息 , X1 日 平 均 氣 溫/ (24 h 溫 度 的 平 均 值 ) 、 X2 日 平 均 相 對 濕 度/% (24 h RH 的 平 均 值 ) 、 X3 氣 溫 - 露 點 差/ 、 X4 相 對 濕 度 90% 的 時 間/h 、 X5 相 對 濕 度 80% 的 時 間/h 、 X6 溫 度 介 于 1520 的 時 間/h 、 X7 溫 度 介 于 2025 的 時 間/h 、 X8 夜 間 溫 度/ (20 : 00 8 : 00 ) 、 X9 夜間 相對 濕度/% (20 : 00 8 : 00 ) 、 X10 距 上 一 次 澆 水 日 的 時 間/d 、 X11 每 次 澆 水 時 長/h 、 X12 室 外 平 均 溫 度/ 、 X13 室 外 降 雨 狀 況 ( 降 雨 記 作 “1 ” 、 未 降 雨 記 作 “0 ” ) 、 X14 距 上 一 次 夜 間 通 風(fēng) 的 時 間/d , 作 為 日 光 溫 室 黃 瓜 霜 霉 病 初 侵 染 階 段 的 預(yù) 測 因 子 進 行 主 成 分 分 析 。 參 數(shù) 計 算 采 用 Excel 2007 進行 。 1.5 數(shù)據(jù)分析 進 行 主 成 分 分 析 的 主 要 步 驟 如 下 : 收 集 并 選 取 需 進 行 篩 選 的 變 量 和 數(shù) 據(jù) ; 數(shù) 據(jù) 標(biāo) 準(zhǔn) 化 處 理 ; 相 關(guān) 性分析 ; 確定主成分個數(shù)和各個變量的載荷量 。 1.6 經(jīng)驗?zāi)P蜆?gòu)建 經(jīng) 驗 模 型 是 一 種 傳 統(tǒng) 的 農(nóng) 業(yè) 預(yù) 測 手 段 , 具 有 輸 入 簡 單 、 運 行 迅 速 、 應(yīng) 用 便 捷 的 特 點 。 筆 者 通 過 定 性 的 方 法 從 已 有 文 獻 中 歸 納 前 人 的 研 究 成 果 和 生 產(chǎn) 經(jīng) 驗 , 并 結(jié) 合 預(yù) 測 因 子 篩 選 的 結(jié) 果 提 出 日 光 溫 室 黃瓜霜霉病初侵染預(yù)測規(guī)則 。 1.7 模型驗證 選 用2006 2007 年 北 京 地 區(qū) 日 光 溫 室 黃 瓜 霜 霉 病 實 際 發(fā) 生 情 況 作 為 模 型 的 驗 證 數(shù) 據(jù) (4 棟 溫 室 , 每 棟 溫 室 選 擇5 個 調(diào) 查 點 , 共20 個 調(diào) 查 點 ) 。 對 模 擬 值 和 觀 測 進 行 線 性 回 歸 分 析 , 計 算 線 性 回 歸 斜 率 k 、 回 歸 截 距 b 以 及 決 定 系 數(shù) R² 。 另 外 , 為 了 進 一 步 對 · · 6第5 期 等 : 關(guān)鍵預(yù)測因子的篩選及驗證 試驗研究 模 型 的 準(zhǔn) 確 度 、 精 度 、 偏 差 率 等 指 標(biāo) 作 出 評 價 , 分 別 引 入 擬 合 指 數(shù) ( WAI ) 、 置 信 指 數(shù) ( CI ) 來 描 述 模 型 預(yù) 測 的 準(zhǔn) 確 度 和 精 度 ; 采 用 平 均 偏 離 差 ( MBE ) 、 平 均 離 差 ( MAE ) 來 評 估 模 型 的 平 均 誤 差 幅 度 和 偏 離 方 向 14 。 計 算 均 方 根 誤 差 ( RMSE ) , RMSE 的 值 越 小 , 說 明 模 擬 值 與 觀 測 值 之 間 的 偏 差 越 小 , 模 型 的 精 度 越高 15 。計算方法如下 : ( ) 2 1 n i i m O S RMSE n = - = ; (1 ) ( ) ( ) 2 1 1 1 n i i m n i i m O S WAI O S = = - = - + ; (2 ) 2 CI WI R = · ; (3 ) ( ) 1 n i i m O S MBE n = - = ; (4 ) 1 n i i m O S MAE n = - = 。 (5 ) 式 中 : i O 觀 測 值 ; i S 模 擬 值 ; i O 觀 測 值 的 離 均 差 ; i S 模 擬 值 的 離 均 差 ; n 樣 本 總 量 。 2 結(jié)果與分析 2.1 數(shù)據(jù)的標(biāo)準(zhǔn)化處理 在 進 行 分 析 前 , 為 了 消 除 各 監(jiān) 測 數(shù) 據(jù) 原 始 量 綱 和 數(shù) 量 級 不 相 同 的 影 響 , 要 對 原 始 變 量 數(shù) 據(jù) 進 行 標(biāo) 準(zhǔn) 化 的 處 理 , 方 法 是 對 同 一 變 量 減 去 其 均 值 再 除 以 其 標(biāo) 準(zhǔn) 差 , 得 到 這 14 個 原 始 變 量 標(biāo) 準(zhǔn) 化 后 的 標(biāo) 準(zhǔn) 變 量 Z , 然 后 采 用 SPSS 19.0 中 的 “ 降 維 ” 過 程 進 行 主成分分析 。 2.2 相關(guān)分析 通 過 相 關(guān) 分 析 ( 表 1 ) 可 以 發(fā) 現(xiàn) , 一 些 變 量 之 間 相關(guān) 系數(shù) 較大 , 例如 日均 溫度 X1 與RH 80% 的時 間 X5 、 RH 90% 的 時 間 X6 、 澆 水 時 長 X11 等 預(yù) 測 因 子 存 在 較 強 的 相 關(guān) 性 , 其 相 關(guān) 系 數(shù) 分 別 為 -0.81 、 -0.69 、 0.83 ; 平 均 相 對 濕 度 X2 與 氣 溫 - 露 點 差 X3 的 相 關(guān) 系 數(shù) 也 達 到 了 -1.0 , 說 明 這 些 變 量 存 在 信 息 上 的 重 疊 , 表 1 各 預(yù) 測 因 子 之 間 的 相 關(guān) 系 數(shù) X1 X2 X3 X4 X5 X6 X7 X8 X9 X10 X11 X12 X13 X14 X1 1.00 -0.66 0.66 -0.69 -0.81 0.20 0.45 -0.56 0.15 0.00 0.83 -0.06 0.16 -0.70 X2 1.00 -1.00 0.89 0.43 0.39 0.20 0.78 -0.15 0.19 -0.51 0.41 0.21 0.91 X3 1.00 -0.89 -0.43 -0.39 -0.20 -0.78 0.15 -0.19 0.51 -0.41 -0.21 -0.91 X4 1.00 0.55 0.31 0.24 0.85 -0.20 0.15 -0.69 0.29 0.39 0.91 X5 1.00 -0.57 -0.42 0.49 0.00 0.01 -0.83 0.09 -0.02 0.57 X6 1.00 0.72 0.19 -0.27 0.04 0.28 0.20 0.34 0.18 X7 1.00 0.12 -0.23 0.20 0.29 0.43 0.53 0.07 X8 1.00 0.13 -0.04 -0.59 0.09 0.22 0.92 X9 1.00 -0.67 0.19 -0.43 -0.32 -0.04 X10 1.00 -0.01 0.48 0.46 0.11 X11 1.00 -0.08 0.10 -0.69 X12 1.00 0.13 0.28 X13 1.00 0.17 X14 1.00 較適合主成分分析方法 。 2.3 主成分分析 主 成 分 是 以 最 少 的 個 數(shù) 反 映 盡 量 多 的 信 息 為 原 則 , 主 成 分 個 數(shù) 提 取 原 則 有3 個 : 只 取 1 的 特 征 值 對 應(yīng) 的 主 成 分 ; 累 計 百 分 比 達 到 80% 85% 以上的 值對應(yīng) 的主成 分 ; 根據(jù)特 征根變 化的 突 變 點 決 定 主 成 分 的 數(shù) 量 16 。 如 表2 所 示 , 第1 至 第 3 個 主 成 分 的 貢 獻 率 分 別 為 44.45% 、 23.52% 和 12.79% , 此 時 累 計 貢 獻 率 已 達 到80.76% , 介 于80% 85% , 說 明 前3 個 主 成 分 能 夠 反 映 原 始 變 量 提 供 約 80.76% 的 信 息 。 因 此 , 選 取 前 3 個 特 征 值 , 并 計 算 相應(yīng)的主成分載荷 ( 表3 ) 。 主 成 分 載 荷 矩 陣 體 現(xiàn) 了 各 變 量 與 主 成 分 之 間 表 2 主 成 分 特 征 值 及 累 計 貢 獻 率 成分 1 2 3 4 5 6 7 8 9 10 11 12 13 14 初始特征值 合計 6.22 3.29 1.79 0.94 0.71 0.50 0.28 0.12 0.07 0.05 0.02 0.01 0.00 0.00 貢獻率/% 44.45 23.52 12.79 6.68 5.04 3.60 1.99 0.89 0.50 0.33 0.11 0.07 0.02 0.00 累計貢獻率/% 44.45 67.97 80.76 87.44 92.49 96.09 98.07 98.96 99.47 99.80 99.91 99.98 100.00 100.00 提取平方和載入 合計 6.22 3.29 1.79 貢獻率/% 44.45 23.52 12.79 累計貢獻率/% 44.45 67.97 80.76 紀(jì) 濤 , 等 : 日光溫室黃瓜霜霉病初侵染階段關(guān)鍵預(yù)測因子的篩選及驗證 紀(jì) 濤 , 等 : 日光溫室黃瓜霜霉病初侵染階段關(guān)鍵預(yù)測因子的篩選及驗證 · · 7中 國 瓜 菜 第31 卷 試驗研究 的 緊 密 度 , 某 一 主 成 分 與 某 一 變 量 的 載 荷 系 數(shù) 的 絕 對 值 越 大 , 則 該 主 成 分 與 變 量 之 間 的 聯(lián) 系 越 緊 密 , 因 此 , 從 主 成 分 貢 獻 率 及 載 荷 情 況 可 以 看 出 影 響 黃 瓜 霜 霉 病 初 侵 染 發(fā) 展 的 預(yù) 測 因 子 類 型 及 其 所 占 比 重 。 第1 主 成 分 占 總 載 荷 量 的44.45% , 由 表3 可 以 看 出 , RH 80% 所 持 續(xù) 的 時 間 (0.960 ) 、 RH 90% 所 持 續(xù) 的 時 間 (0.959 ) 、 日 平 均 相 對 濕 度 (0.929 ) 、 氣 溫 - 露 點 差 ( -0.929 ) 、 夜 間 相 對 濕 度 (0.854 ) 具 有 較 大 的 載 荷 量 , 且 依 次 減 小 ; 可 以 把 第 1 主 成 分 看 成 是 由 RH 80% 的 時 間 、 日 平 均 相 對 濕 度 、 氣 溫 - 露 點 差 、 夜 間 相 對 濕 度 所 反 映 的 溫 室 內(nèi) 濕 度 信 息 綜 合 指 標(biāo) 。 第2 主 成 分 占 總 荷 載 量 的23.52% , 其 中 夜 間 溫 度 (0.867 ) 、 2025 的 時 間 (0.785 ) 所 占 的 載 荷 量 較 大 ; 因 此 第2 主 成 分 主 要 反 映 的 是 由 夜 間 溫 度 、 20 25 的時間所構(gòu)成的溫度信息綜合指標(biāo) 。 第3 主 成 分 占 總 載 荷 量 的12.79% , 其 中 澆 水 時 長 和 距 上 一 次 澆 水 的 時 間 具 有 較 大 的 載 荷 量 , 分 別 為 -0.725 和 0.707 , 這 表 明 第 3 主 成 分 與 溫 室 的 灌 溉措施關(guān)系密切 。 由 結(jié) 果 可 以 分 析 出 , 從 以 上14 組 預(yù) 測 因 子 中 , 篩 選 出 了 反 映 溫 室 濕 度 綜 合 信 息 、 溫 度 信 息 和 溫 室 管 理 措 施 的 3 項 綜 合 指 標(biāo) ( 即 3 個 主 成 分 ) 。 其 中 對 日 光 溫 室 黃 瓜 霜 霉 病 初 侵 染 影 響 最 大 的 因 子 分 別 是RH 80% 所 持 續(xù) 的 時 間 、 夜 間 溫 度 以 及 每 次 澆 水時長 。 表 3 主 成 分 載 荷 矩 陣 因子 X5 X4 X2 X3 X9 X1 X12 X6 X8 X7 X14 X13 X11 X10 成分 F1 0.960 0.959 0.929 -0.929 0.854 -0.794 -0.756 0.660 0.077 0.168 0.227 0.353 0.195 -0.206 F2 0.134 -0.022 0.183 -0.183 -0.039 0.479 0.455 -0.587 0.867 0.785 0.617 0.483 0.482 -0.462 F3 0.105 0.162 0.150 -0.150 0.360 0.160 0.215 -0.294 0.224 0.425 -0.100 -0.393 -0.725 0.707 2.4 經(jīng)驗?zāi)P蜆?gòu)建 根 據(jù) 前 人 的 經(jīng) 驗 : 趙 勝 榮 等 17 發(fā) 現(xiàn) 當(dāng)RH 80% 的 累 計 時 間 達 到140h , 霜 霉 病 的 發(fā) 病 率 約 為20% , 病 情 指 數(shù) 的 發(fā) 展 也 與 RH 80% 累 積 時 間 呈 顯 著 正 相 關(guān) ; 喬 曉 軍 18 發(fā) 現(xiàn) 夜 間 相 對 濕 度 大 于83% , 發(fā) 病 率 約 為 28% ; 且 霜 霉 病 的 侵 染 一 般 發(fā) 生 在 夜 間 , 侵 染 最 適 溫 度 為 1520 2 。 因 此 , 筆 者 結(jié) 合 前 人 的 研 究 成 果 、 生 產(chǎn) 經(jīng) 驗 , 并 綜 合 預(yù) 測 因 子 篩 選 的 結(jié) 果 , 歸 納 總 結(jié) 出 以 下 適 宜 溫 室 黃 瓜 霜 霉 病 初 侵 染 階 段 的 預(yù)警規(guī)則 : 自定植1 周后開始 , RH 80% 的累積時 間 達 到200h 左 右 ; 夜 間 相 對 濕 度 83% , 夜 間 溫 度 介 于 1520 ; 若 夜 間 或 傍 晚 灌 水 , 增 加 發(fā) 病 概率 ; 滿足以上條件 , 病害將會在3d 內(nèi)發(fā)生 。 2.5 模型驗證 采 用2006 2007 年 北 京 地 區(qū) 日 光 溫 室 黃 瓜 霜 霉 病 發(fā) 生 情 況 作 為 模 型 的 驗 證 數(shù) 據(jù) 。 如 表4 所 示 , 20 個 調(diào) 查 點 中 滿 足 生 產(chǎn) 要 求 ( 即 命 中 ) 的 預(yù) 測 頻 數(shù) 為16 次 , 占 總 體 樣 本 的80% ; 預(yù) 測 發(fā) 病 日 期 在 實 際 發(fā) 病 日 期 之 后 ( 即 延 遲 漏 報 ) 的 預(yù) 測 頻 數(shù) 為4 次 , 占 總體樣本的20% , 模 型預(yù)測的準(zhǔn)確率較高 。 表 4 模 型 驗 證 結(jié) 果 調(diào)查 年份 2006 2006 2006 2006 2006 2006 2006 2006 2006 2006 2007 2007 2007 2007 2007 2007 2007 2007 2007 2007 編號 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 RH 80% 累積時間 達到200h 的日期 10 月24 日 10 月24 日 10 月24 日 10 月24 日 10 月24 日 10 月24 日 10 月26 日 10 月25 日 10 月25 日 10 月26 日 2 月23 日 2 月25 日 2 月24 日 2 月25 日 2 月25 日 2 月25 日 2 月23 日 2 月26 日 2 月24 日 2 月25 日 預(yù)測顯 癥日期 10 月24 -26 日 10 月24 -26 日 10 月24 -26 日 10 月24 -26 日 10 月24 -26 日 10 月24 -26 日 10 月26 -28 日 10 月25 -27 日 10 月25 -27 日 10 月26 -28 日 2 月23 -25 日 2 月25 -27 日 2 月24 -26 日 2 月25 -27 日 2 月25 -27 日 2 月25 -27 日 2 月23 -25 日 2 月26 -28 日 2 月24 -26 日 2 月25 -27 日 實際顯 癥日期 10 月26 日 10 月26 日 10 月26 日 10 月26 日 10 月26 日 10 月26 日 10 月26 日 10 月26 日 10 月26 日 10 月26 日 2 月24 日 2 月24 日 2 月24 日 2 月25 日 2 月24 日 2 月24 日 2 月24 日 2 月26 日 2 月24 日 2 月24 日 預(yù)測 狀態(tài) 命中 命中 命中 命中 命中 命中 命中 命中 命中 命中 命中 延遲 命中 命中 延遲 延遲 命中 命中 命中 延遲 將 預(yù) 測 值 與 實 際 值 進 行 回 歸 分 析 , 進 一 步 驗 證 模 型 的 預(yù) 測 質(zhì) 量 。 如 表5 所 示 , 線 性 回 歸 的 決 定 系 數(shù) R²=0.94 , 置 信 指 數(shù) C=0.72 , 擬 合 指 數(shù) W=0.75 其 絕 對 值 均 趨 近 于 1 , 表 明 模 型 擬 合 效 果 較 好 ; MBE=-0.70 說 明 該 模 型 能 夠 提 供 早 于 實 際 發(fā) 病 日 的 預(yù) 測 ; 預(yù) 測 值 與 實 際 值 相 比 平 均 離 差 MAE 在1d 左 右 , 基 于1 1 散 點 圖 , 均 方 根 誤 差 RMSE=1.34 , 說 明 模 型 總 體 預(yù) 測 質(zhì) 量 較 好 , 但 仍 然 需 要 對 延 遲 、 漏 報的現(xiàn)象進行優(yōu)化 。 · · 8第5 期 等 : 關(guān)鍵預(yù)測因子的篩選及驗證 試驗研究 表5 溫室黃瓜霜霉病經(jīng)驗?zāi)P皖A(yù)測結(jié)果回歸分析 k 0.79 b 3.96 R² 0.94 W 0.75 C 0.72 MAE 1.1 MBE -0.7 RMSE 1.34 3 討論與結(jié)論 黃 瓜 霜 霉 病 的 發(fā) 生 、 發(fā) 展 與 溫 、 濕 度 等 環(huán) 境 因 素 關(guān) 系 密 切 19 , 高 濕 和 葉 片 上 的 游 離 水 是 孢 囊 萌 發(fā) 、 形 成 初 級 侵 染 結(jié) 構(gòu) 的 必 要 條 件 20-22 ; 而 溫 度 則 決 定 了 病 害 發(fā) 展 的 速 率 和 嚴(yán) 重 程 度 23 。 葉 片 自 由 水 存 在 的 條 件 下 , 孢 子 囊 532 均 可 萌 發(fā) 24 , 適 溫 在 15 20 20-21 ; 當(dāng) 接 種 物 濃 度 較 高 時 , 最 適 溫 度1520 下 保 濕2h , 便 可 完 成 侵 染 過 程 25 ; 如 果 低 于15 或 高 于 28 , 則 不 利 于 病 害 的 發(fā) 生 發(fā) 展 ; 且 溫 、 濕 度 對 孢 子 囊 的 存 活 也 有 顯 著 影 響 , 在 相 同 的 溫 度 條 件 下 , 與45% 和100% 相 比 , 75% 左 右 的 中 等 濕 度 孢 子 囊 的 存 活 率 最 低 26 。 高 濕 是 發(fā) 病 的 最 重 要 條 件 , 或 葉 片 濕 潤 時 間6h 以 上 可 誘 導(dǎo) 孢 子 囊 形 成 , 且 相 對 濕 度 越 大 , 產(chǎn) 孢 越 多 27 ; 如 果 相 對 濕 度 低 于60% 時 , 則 不 利 于 病 害 的 發(fā) 生 。 相 對 濕 度 在93% 以 上 時 , 發(fā) 病 嚴(yán) 重 。 若 陰 天 或 雨 天 , 將 迫 使 種 植 者 減 少 通 風(fēng) 時 間 以 維 持 棚 內(nèi) 溫 度 , 這 將 產(chǎn) 生 較 高 的 相 對 濕 度 和 較 長 的 葉 片 濕 潤 時 間 , 導(dǎo) 致 黃 瓜 霜 霉 病 發(fā) 生 嚴(yán) 重 ; 若 澆 水 次 數(shù) 多 , 或 采 用 大 水 漫 灌 、 噴 灌 、 夜 間 灌 水 等 灌 溉 方 式 , 也 造 成 棚 內(nèi) 相 對 濕 度 增 大 , 利 于 霜 霉 病 發(fā) 生 、 發(fā) 展 28 。 采 取 膜 下 滴 灌 或 膜 下 溝 灌 則 能 顯 著 降 低黃瓜霜霉病的危害程度 29-30 。 通 過 對 日 光 溫 室 黃 瓜 霜 霉 病 初 侵 染 階 段 預(yù) 測 因 子 的 分 析 , 可 以 看 出 利 用 主 成 分 分 析 的 方 法 能 充 分 的 展 現(xiàn) 出 原 始 數(shù) 據(jù) 所 包 含 的 信 息 , 通 過 主 成 分 貢 獻 率 來 考 量 各 個 變 量 重 要 性 , 具 有 基 于 數(shù) 據(jù) 的 客 觀 性 和 全 面 性 , 能 夠 全 面 地 反 映 各 變 量 對 病 害 發(fā) 生 發(fā) 展 的 影 響 程 度 。 但 是 病 害 的 發(fā) 生 與 否 , 除 了 環(huán) 境 條 件 和 管 理 措 施 外 , 還 與 病 原 物 、 易 感 寄 主 等 密 切 相 關(guān) 。 因 此 , 接 下 來 的 研 究 中 , 還 需 采 取 適 當(dāng) 的 方 法 , 在 預(yù) 測 模 型 中 逐 步 加 入 病 原 、 寄 主 生 育 時 期 、 施 肥 頻 率 、 施 肥 量 、 溫 室 揭 蓋 簾 情 況 、 累 積 太 陽 輻 射 以 及 累 積 有 效 溫 度 等 因 素 綜 合 考 慮 , 以 提 高 預(yù) 測 的 準(zhǔn) 確 度 。 筆 者 通 過 主 成 分 分 析 , 篩 選 出 了 反 映 溫 室 濕 度 綜 合 信 息 、 溫 度 信 息 和 溫 室 管 理 措 施 的3 項 綜 合 指 標(biāo) , 為 預(yù) 測 模 型 的 建 立 及 預(yù) 警 系 統(tǒng) 的 開 發(fā) 奠 定 了 基 礎(chǔ) 。 根 據(jù) 主 成 分 分 析 結(jié) 果 并 結(jié) 合 前 人 的 生 產(chǎn) 經(jīng) 驗 提 出 黃 瓜 霜 霉 病 預(yù) 警 規(guī) 則 : 自 定 植 后 1 周 開 始 , RH 80% 的 累 積 時 間 達 到200h ; 夜 間 平 均RH 83% , 夜 間 平 均 溫 度 介 于1520 ; 若 當(dāng) 天 灌 溉 時 間 較 晚 , 則 霜 霉 病 可 能 發(fā) 生 。 筆 者 使 用 了2006 2007 年 北 京 地 區(qū) 實 際 發(fā) 病 情 況 作 為 模 型 的 驗 證 數(shù) 據(jù) , 預(yù) 測 效 果 較 好 , 但 模 型 的 適 用 范 圍 還 有 待 進 一 步 驗 證 。 在 今 后 的 研 究 工 作 中 , 應(yīng) 盡 量 使 用 不 同 地 區(qū) , 不 同 年 份 的 實 際 發(fā) 病 數(shù) 據(jù) 進 行 驗 證 , 從 而 提 高 模 型 的 普 適 性 。 參考文獻 1 LEBEDA A , COHEN Y. Cucurbit downy mildew ( Pseudopero nospora cubensis ) biology , ecology , epidemiology , host-pathogen interaction and controlJ. European Journal of Plant Pathology , 2011 , 129 (2 ) : 157-192. 2 COHENY , WHENERTC , OJIAMBO PS , et al . Resurgence of Pseudoperonospora cubensis-the agent of cucurbit downy mildew J.Phytopathology , 2015 , 105 (7 ) : 998-1012. 3 SAVORYEA , GRANKE LL , QUESADAOCAMPO LM , etal . Thecucurbitdownymildewpathogen Pseudoperonospora cubensis J.MolecularPlantPathology , 2011 , 12 (3 ) : 217-226. 4 HOLMES G J ,OJIAMBO P S ,HAUSBECK M K ,et al . Resurgence of cucurbit downy mildew in the United States :a watershed event for research and extensionJ. Plant Disease , 2015 , 99 (4 ) : 428-441. 5 OJIAMBOPS , PAULPA , HOLMESGJ.Aquantitativereview of fungicide efficacy for managing downy mildew in cucurbits J.Phytopathology , 2010 , 100 (10 ) : 1066-1076. 6 Neufeld K N , KeinathAP , Ojiambo PS.Amodel to predict the risk of infection of cucumber by Pseudoperonospora cubensisJ. MicrobialRiskAnalysis , 2017 , 6 : 21-30. 7 OJIAMBO PS , Gent D H , Quesadaocampo LM , et al. Epidemi- ology and population biology of Pseudoperonospora cubensis :a model system for management of downy mildewsJ. Annual ReviewofPhytopathology , 2015 , 53 (1 ) : 223. 8 ZHAO C J , LI M , YANG X T , et al . A data-driven model simulating primary infection probabilities of cucumber downy mildew for use in early warning systems in solar gre