设施栽培条件下月季灰霉病预测模型的建立及应用.pdf

中国农业大学学报 2024 29 4 184 194 Journal of China Agricultural University http 设施栽培条件下月季灰霉病预测模型的建立及应用 李 垚 1 蔡世熊 1 张肇鹏 2 徐 扬 3 王志军 4 马 男 1 徐彦杰 1 高俊平 1 1 中国农业大学 园艺学院 花卉发育与品质调控北京市重点实验室 北京 100193 2 弥勒品元园艺有限公司 云南 弥勒 652300 3 北京市昌平区园林绿化局 北京 102299 4 北京永安园林绿化有限责任公司 北京 102200 摘 要 为有效防治月季灰霉病发生 保障切花产品采后品质 以 粉蝴蝶 Vuvuzela 和 雪山 Avalanche 为试 验材料 实地调查设施内灰霉病发病情况 监测温室内温湿度 获取当地降雨量等气象资料 构建了月季切花设施生产 灰霉病预测模型 并利用这一模型进行灰霉病防治的实际指导 结果表明 1 粉蝴蝶 雪山 的灰霉病病情指数与设 施内的均温和均湿呈线性相关 据此建立灰霉病预测模型 Y 4 761 0 332X 1 4 930X 2 0 015X 3 这一预测模型 经设施内实测验证 平均绝对误差 MAE 0 20 平均绝对百分误差 MAPE 0 31 表明可有效预测7日内设施条 件下月季切花灰霉病发病情况 2 粉蝴蝶 雪山 在贮藏和瓶插期的灰霉病发病率与栽培中病情指数预测值呈正相 关 当病情指数为Y 0 33的低预测值时 切花产品在模拟运输1 d 冷库贮藏5 d后 发病率为5 0 当病情指数为 Y 2 09的高预测值时 切花产品在相同处理后发病率可达35 0 3 基于预测模型进行病害爆发前3 d喷药的早期 防治处理 采收当天的病情指数从2 33降为1 05 处于中度风险等级 切花瓶插期间的灰霉病发病率从30 0 降低到 了10 0 综上 利用本模型进行早期防治 可提早遏制病害扩散 为月季真菌病害的监测与科学防治提供支撑 关键词 月季切花 温室生产 灰霉病 监测 防治 中图分类号 S685 12 文章编号 1007 4333 2024 04 0184 11 文献标志码 A Establishment and application of a prediction model for gray mold disease in protected cultivation of cut rose LI Yao 1 CAI Shixiong 1 ZHANG Zhaopeng 2 XU Yang 3 WANG Zhijun 4 MA Nan 1 XU Yanjie 1 GAO Junping 1 1 College of Horticulture China Agricultural University Beijing Key Laboratory of Development and Quality Control of Ornamental Crops Beijing 100193 China 2 Pinyuan Horticulture Company Mile 652300 China 3 Bureau of Landscape and Forestry of Changping Beijing 102299 China 4 Yongan Landscaping Company Beijing 102200 China Abstract To effectively prevent the occurrence of gray mold disease in cut rose flowers and guarantee their postharvest quality after harvesting Vuvuzela and Avalanche were used as experimental materials to conduct an on site investigation on the incidence of gray mold in the facility monitor temperature and humidity inside the facility obtain rainfall data from local meteorological stations and construct a prediction 李垚 蔡世熊 张肇鹏 徐扬 王志军 马男 徐彦杰 高俊平 设施栽培条件下月季灰霉病预测模型的建立及应用 J 中国农业大学学报 2024 29 04 184 194 LI Yao CAI Shixiong ZHANG Zhaopeng XU Yang WANG Zhijun MA Nan XU Yanjie GAO Junping Establishment and application of a prediction model for gray mold disease in protected cultivation of cut rose J Journal of China Agricultural University 2024 29 04 184 194 DOI 10 11841 j issn 1007 4333 2024 04 16 收稿日期 2023 10 07 基金项目 科技部重点基础研究专项 2018YFD1000400 第一作者 李垚 ORCID 0009 0006 3107 2033 硕士研究生 E mail liyao0617 cau edu cn 通讯作者 高俊平 ORCID 0000 0002 9285 2539 教授 主要从事观赏植物花朵发育生理与品质调控的研究 E mail gaojp cau edu cn 第 4 期 李垚等 设施栽培条件下月季灰霉病预测模型的建立及应用 model for gray mold disease in the production of rose cut flower facility The results showed that 1 Disease index of Vuvuzela and Avalanche was linearly correlated with the average temperature and humidity inside greenhouse Based on this a prediction model of gray mold was established Y 4 761 0 332X 1 4 930X 2 0 015X 3 The prediction model was validated through on side measurements with an average absolute error MAE of 0 20 and an average absolute percentage error MAPE of 0 31 Therefore the prediction model can effectively predict the incidence of gray mold in protected cultivation of cut rose within 7 days 2 Gray mold incidences of Vuvuzela and Avalanche during storage and vase period were positively correlated with predicted value of disease index in cultivation When prediction value of disease index was Y 0 33 the gray mold incidence of cut flowers was less than 5 0 after 1 day of simulated transportation and 5 d of cold storage whereas when prediction value of disease index was a high predictive value of Y 2 09 the gray mold incidence of cut flowers could reach 35 0 after cold storage 3 Early prevention and control measures were taken by spraying pesticides three days before the outbreak of the disease in the prediction model The disease index on the day of harvesting decreased from 2 33 to 1 05 indicating a moderated risk level the incidence rate of gray mold during vase period reduced from 30 0 to 10 0 In conclusion using this prediction model for early prevention and control can prevent the spread of disease in advance providing support for the monitoring and scientific control of rose fungal disease Keywords cut rose protected production gray mold monitoring prevention 月季 Rosa spp 是蔷薇科蔷薇属植物 其花色 丰富 花形多样 是中国传统十大名花之一 有 花 中皇后 的美称 1 月季切花是世界第一大切花 占 全球销售额的32 其采后品质直接决定商品价 值 2 灰霉病是由灰葡萄孢菌 Botrytis cinerea 侵 染引起的一种真菌病害 可使花瓣变褐色 腐烂 萎 蔫 直至整个花朵褐变枯萎 是月季采后最严重的 病害之一 被称为月季切花采后的 癌症 3 4 我国 月季切花存在产销地分离问题 平均运输半径达 3 000 km 低温高湿的运输环境提供了适宜灰霉菌 分生孢子萌发的环境条件 一旦在贮运前灰霉病菌 没有被有效抑制 在采后运输过程中将大量爆发 目前 生产上主要通过采前喷施化学药剂和采后蘸 头处理来防止采后运销过程中的灰霉病爆发 然 而 长期泛滥地使用化学药剂不仅会造成环境的污 染和破坏 还使灰霉病菌对生产上常用的杀菌剂产 生了抗药性 5 6 增加了生产成本 7 近年来 作物病害监测预警发展迅速 8 主要集 中在小麦和玉米等作物上 有研究基于漯河市小 麦主要病害的田间流行趋势和流行因素 运用加权 列联表分析法和逐步回归等方法 建立了小麦主要 病害的预测模型 9 也有基于天台县1973 2018年 测报历史资料与气象资料 进行小麦赤霉病发生因 子分析 建立了小麦赤霉病病穗率的回归预测模 型 10 此外 有研究将气象因子和田间实际病情结 合 监测小麦白粉病菌分生孢子在空气中的季节性 和日变化动态 建立了基于气象因子和孢子浓度的 小麦白粉病预测模型 11 12 有研究基于巢湖市小麦 赤霉病的田间流行趋势 流行因素 运用加权列联 表分析法 分别在秸秆还田前后对小麦赤霉病害建 立了预测模型 13 还有研究利用固定式孢子捕捉器 捕捉空气中玉米大斑病菌分生孢子并通过显微镜 计数 明确了田间玉米大斑病菌孢子浓度动态变化 规律 构建了玉米大斑病田间流行时间动态模 型 14 这些监测预警对于作物病害科学精准防控 减少农药使用量具有重要作用 但是在月季切花 生产中 关于灰霉病害监测的研究还鲜见报道 本研究以 粉蝴蝶 雪山 为材料 从温室内温 度 相对湿度 病情指数以及雨日雨量等多因子角 度解析温室月季灰霉病发生规律 通过数据分析确 定各影响因子权重系数 建立预测模型预测未来几 天设施栽培中灰霉病的发病风险及严重程度 通过 对比防治试验确定防治时期 根据气象因子预测模 型 在高发病风险前进行早期喷雾防治 提早遏制 月季设施栽培中的病害扩散 以期达到节本增效的 目的 为月季真菌病害的监测与科学防治提供实践 指引 进而促进云南月季切花产业绿色发展 1 材料与方法 1 1 试验材料 本试验于2020年4 10月在云南省红河州弥 勒县弥勒品元园艺有限公司进行 弥勒县年均气温 185 中 国 农 业 大 学 学 报 2024 年 第 29 卷 16 6 18 0 相对湿度50 80 月季切花品 种为 粉蝴蝶 雪山 株龄2年 采用双行三角形 种植方式 株距18 cm 封闭式水肥系统每日4 6次 给予水肥 选择萼片完全打开 无病害的花枝进行 采收 用于贮藏和瓶插 1 2 试验设计 1 2 1 设施栽培中不同发病情况月季的瓶插试验 设置品种 病情指数和采后贮藏时间3个因子 供试品种为 粉蝴蝶 雪山 病情指数设2个水 平 分别为低病情指数预测值 L 和高病情指数预 测值 H 采后贮藏时间设3个水平 分别是模拟运 输1 d M1 模拟运输1 d 冷库贮藏5 d M2 和模 拟运输1 d 冷库贮藏10 d M3 使用密闭不透明 纸箱在冷库内黑暗模拟运输 之后取出清水瓶插 每天记录灰霉病发生情况 花叶状态并拍照 冷库 环境 温度4 6 相对湿度80 瓶插环境 温度 20 相对湿度60 1 2 2 药物防治对比试验 设置品种 防治措施2个因子 供试品种为 粉蝴 蝶 雪山 防治措施分别是 对照 不采取任何防治 措施 清水喷施 早期防治 根据预测模型及天气预 报 利用公式预测短期内的病情指数 在预测值达到 最高的前3 d 每天用啶酰菌胺1 500倍液和嘧霉胺 1 000倍液交替喷雾1次进行化学药剂防治 常规防 治 每天用啶酰菌胺1 500倍液和嘧霉胺1 000倍液交 替喷雾1次进行化学药剂防治 直到到达预测的最高 病情指数当天为止 每个品种在温室栽培区选定出 3块小区 每个小区长约49 m 宽约12 m 小区与小区 之间间隔约5 m 防止各小区之间的相互影响 1 3 测定项目与方法 1 3 1 取样方法 根据病情指数 从未处理或处理的小区内随机 剪取20枝长势整齐 无病害且萼片完全打开的花 枝 剪去枝条下半部叶片 保留4 5叶 在水中斜 切 使花枝长度尽量一致 每枝编号 在清水中瓶 插 观察月季瓶插寿命 记录取样日温室内的病情 指数 发病率 温度 相对湿度 近一周病情状况以 及温室外近一周雨日 雨量等 1 3 2 田间灰霉病病情调查方法 采用对角线五点取样法 15 即一块田地对角线 的交点以及交点与各边四点的中点 调查小区长 约49 m 宽约48 m 面积约为2 352 m 2 统计五点的 总数据 记录 粉蝴蝶 雪山 灰霉病发病率情况 灰霉病发病率统计以株为单位 每点调查20株 花 朵开放级数 2级 总共调查100株 统计发病率 调查发病率的同时记录每天降水量数据 测定每日 温室内花朵层上方20 cm处的平均温度和湿度 1 3 3 灰霉病病害分级标准 参照 GB T 17980 28 2000中华人民共和国 国家标准农药田间药效试验准则 一 杀菌剂防治 蔬菜灰霉病 16 同时结合弥勒品元园艺有限公司 月季切花的实际发病情况 制定出适宜该公司的灰 霉病病害分级标准 0级 花瓣无病斑 1级 病斑面 积占花瓣总面积小于5 2级 病斑面积占花瓣总 面积的5 10 3级 病斑面积占花瓣总面积的 10 25 4级 病斑面积占花瓣总面积的25 50 5级 病斑面积占花瓣总面积的50 75 6级 病斑面积占花瓣总面积大于75 且病害蔓延 至花瓣基部 伴有落瓣现象 以 粉蝴蝶 为例制定 月季灰霉病级划分参照图 图1 1 3 4 病情指数 利用病情指数公式来衡量群体发病程度 计 算公式如下 病情指数 SI 病级值 该级发病数 最高病级值 调查总数 100 1 图1 月季灰霉病等级划分标准 Fig 1 The classification standard of rose gray mold 186 第 4 期 李垚等 设施栽培条件下月季灰霉病预测模型的建立及应用 1 4 数据处理 对原始数据进行标准化或归一化处理 利用 Excel 2016进行数据处理和图表绘制 通过SPSS 24 0统计分析软件进行回归分析并建立预测模型 2 结果与分析 2 1 月季灰霉病预测模型建立与分析 为了探究设施栽培中灰霉病的发病情况与环 境因子的关系 对温室内月季 粉蝴蝶 进行了47 d 的灰霉病发生情况调查 同时记录了雨日 降水量 温室内温度和相对湿度等环境因子 利用Excel 2016软件绘制统计图 图2 温室内相对湿度与降 水量密切相关 总体上呈正相关 并且温室内相对 湿度与灰霉病发病率几乎同步变化 表明设施栽 培中灰霉病发生动态与气象因素密切相关 灰霉病 发病率变化总是随降雨天气呈现一个规律的消长 现象 与温室内相对湿度存在正相关关系 为进一步量化降水量 温室内温度和相对湿度对 设施栽培中灰霉病病情指数的影响 本研究调查了品 元基地5 8月份 粉蝴蝶 设施栽培中的病情指数以 及气象因子变化 包括7 d内雨日 累计降水量和平均 温度 平均相对湿度 表1 7 d内平均相对湿度和病 情指数呈正线性相关 随着相对湿度的增大 病情指 数也升高 当相对湿度 80 时 病情指数呈一个较 高值 而7 d内平均温度与病情指数呈负相关 当温度 降低 病情指数升高 当温度低于22 时 病情指数 显著升高 这与月季灰霉病低温高湿的发生条件一 致 综合线性回归分析结果 表2 当温室内日均温度 在18 23 相对湿度 80 时 灰霉病容易爆发 参照贺兰山东麓酿酒葡萄霜霉病预测模型的 建立方法 17 基于2020年品元基地5 8月 粉蝴 蝶 设施栽培中的病情指数 以及调查日前7 d温室 内日均气温平均值 日均相对湿度平均值和温室外 雨日 累计雨量 表1 利用SPSS 24 0软件进行线 性分析 表3 得出品元基地 粉蝴蝶 灰霉病病情 指数与气象因子之间的回归方程 即预测模型公 式为 Y 1 612 0 316X 1 9 302X 2 0 025X 3 0 292X 4 R 2 0 957 P 0 05 2 式中 Y为调查日病情指数 X 1 为调查日前7 d日均 温度的平均值 X 2 为调查日前7 d日均相对湿度 的平均值 X 3 为调查日前7 d的累计降雨量 mm X 4 为调查日前7 d的累计雨日 d 根据表2和公式2 将调查日前7 d日均温度 日 均相对湿度 累计雨量和雨日作为自变量 将病情 指数作为因变量进行线性回归分析 模型 R 2 0 957 经过计算模型通过F检验 F 55 416 P 0 05 即说明模型构建有意义 均温的回归系数 值为 0 316 t 4 016 P 0 002 0 01 会对 病情指数产生显著的负向影响关系 平均相对湿度 的回归系数值为 9 302 t 2 242 P 0 0490 05 雨日的回归系数值为 0 292 t 1 509 P 0 162 0 05 两者均不会对病情指 数产生影响 总体分析可得出平均温度和平均相对湿度均 对灰霉病病情指数有显著影响 预测模型一定程度 上符合灰霉病低温高湿条件的发病特征 而雨日和 累计雨量不存在绝对影响 故在生产上利用预测 模型进行病害预测时 可按实际情况对雨日 雨量 因素进行取舍 尤其是雨日因子 短时间降雨不会 对空气湿度造成很大影响 综上所述 将 雨日 因 子去除 把4因子公式优化为3因子公式 优化后再 次通过线性回归分析得到的模型方程为 Y 4 761 0 332X 1 4 930X 2 0 015X 3 R 2 0 947 P 0 05 3 为了对预测模型的有效性进行分析 参照前 人 18 19 对预测模型准确度的分析方法 主要使用平 均绝对误差 MAE 和平均绝对百分误差 MAPE 的误差分析 具体公式如下 图2 温室内相对湿度对月季灰霉病发病率的影响 Fig 2 The influence of relative humidity in the greenhouse on the incidence of gray mold 187 中 国 农 业 大 学 学 报 2024 年 第 29 卷 表2 线性回归分析结果 Table 2 Linear regression analysis results 气象因子 Meteorological factor 常数 Constant 日均温度 Mean temperature 日均相对湿度 Mean relative humidity 累计雨量 Cumulative rainfall 雨日 Rainy day 非标准化系数 Non normalized coefficients 1 612 0 316 9 302 0 025 0 292 t 0 390 4 016 2 242 1 959 1 509 p 0 704 0 002 0 049 0 079 0 162 R 2 0 957 F F 4 10 55 416 P 0 05 注 和 分别表示差异显著 P 0 05 和极显著 P 0 01 n 15 Note and represent significant difference and extremely significant difference 0 05 and 0 01 levels respectively n 15 表1 降水量及温室内温湿度对月季 粉蝴蝶 灰霉病病情指数的影响 Table 1 The influence of rainfall temperature and relative humidity on gray mold disease index of rose Vuvuzela 日期 月 日 Date M D 05 01 05 09 05 18 05 26 06 02 06 09 06 19 06 30 07 08 07 17 07 26 08 02 08 10 08 19 08 27 雨日 d Rainy day 5 0 4 4 4 3 5 1 1 4 1 2 2 6 2 累计雨量 mm Cumulative rainfall 55 1 0 0 44 5 36 6 26 3 7 6 38 5 2 5 3 2 32 3 8 7 11 5 9 5 48 2 12 8 平均温度 Mean temperature 17 9 2 1 26 2 1 5 24 9 1 8 23 6 1 3 21 9 1 3 24 1 1 2 20 4 2 0 24 2 0 8 24 9 0 9 22 0 1 6 24 2 1 0 23 7 0 5 23 9 0 6 20 8 0 6 23 1 1 4 平均相对湿度 Mean relative humidity 92 0 1 9 66 4 6 3 81 6 3 0 80 9 5 4 81 6 2 2 80 6 2 6 89 6 4 0 72 0 2 9 68 4 2 3 84 0 3 6 70 0 4 1 71 4 2 0 72 4 1 0 86 6 4 6 75 1 2 9 病情指数 Disease index 4 42 0 11 1 22 1 18 1 83 0 83 3 22 0 38 0 15 2 05 0 15 0 31 0 16 2 92 0 22 注 病情指数为调查日当天 粉蝴蝶 设施栽培中灰霉病发病指数 平均温度 平均相对湿度为调查日前7 d日均温度 相对湿度的平均值 累计雨量 雨日为调查日前7 d的总和 Note The disease index is the incidence index of gray mold in protected cultivation of Vuvuzela on the day of the survey The mean temperature and relative humidity are the average daily mean temperature and relative humidity for the 7 days before the survey The cumulative rainfall and rainy days are the sum of the 7 days before the survey 188 第 4 期 李垚等 设施栽培条件下月季灰霉病预测模型的建立及应用 MAE Xi Ai n 4 MAPE Xi Ai Xi n 5 式中 n为观测值和预测值对应的组数 Xi表示实际 观测值 Ai表示模型预测值 研究发现 外部气象条件与温室气象条件有较强 相关性 20 基于品元基地2020年9 10月份的气象 数据 用室外的温度和相对湿度代替温室内的温度和 相对湿度 利用优化后的模型公式3计算得出灰霉病 病情指数预测值 同时进行实际观测 统计设施栽培 中的灰霉病病情指数 图3 并计算MAE和MAPE 结果发现 平均绝对误差 0 20 平均绝对百分误差 0 31 整体上预测值与观测值间差异较小 2 2 月季设施栽培灰霉病染病情况对采后发病情 况的影响 为了更好地利用月季切花设施栽培灰霉病预 测模型 根据灰霉病实际发病情况 对预测的病情 指数进行分级 表3 其中 病情指数预测值在 0 33 0 83为轻度病害 0 83 1 67为中度病害 1 67 3 33为重度病害 3 33以上为严重病害 分 别从低预测值 0 33 和高预测值 2 09 地块剪取 10枝长势整齐且无病害的 粉蝴蝶 雪山 进行采 后模拟贮运及瓶插 观察期间灰霉病的发病情况 图4 在相同的处理条件下 高预测值地块的 粉 蝴蝶 雪山 的灰霉病发病率要显著高于低预测值 地块 图4 a d 随着冷库贮藏时间的延长 无 论预测值的高低 粉蝴蝶 采后瓶插期灰霉病发病 率都在冷库贮藏10 d处理下达到最高值 其次为冷 库贮藏5 d处理 图4 e 值得注意的是 低预测 值条件 0 33 下 粉蝴蝶 模拟运输1 d以及模拟 运输1 d加冷库贮藏5 d处理均只有5 0 的发病 率 而冷库贮藏时间增加到10 d时 发病率急剧增 高到35 0 图4 e 延长冷库贮藏时间 低预测 值的 雪山 仍无灰霉病发生 图4 f 高预测值 2 09 的 雪山 瓶插结果与 粉蝴蝶 相似 总体来看 发病率由5 0 升高到30 0 但在冷库贮藏时间延 长到5 d时就表现出发病率的大幅上升 图4 f 综 上所述 月季设施栽培期间的发病情况会对贮藏以 及瓶插期间灰霉病发病率产生影响 不同贮藏时间 下 高预测值地块 2 09 切花在贮藏以及瓶插期的 灰霉病发病率均高于低预测值地块 0 33 切花 2 3 月季设施栽培灰霉病早期防治的效果分析 由于设施栽培期间的灰霉病发病情况直接影 响采后贮藏和瓶插期间灰霉病发病率和感病指数 本研究基于月季设施栽培灰霉病预测模型设计了 早期防治方案 即在病害流行前及时采取防治措 施 观察其对灰霉病发病率的影响 试验材料取自 图3 粉蝴蝶 设施栽培中灰霉病病情指数预测值和 观测值的对比 Fig 3 Predicted and measured values of gray mold index in protected cultivation of Vuvuzela 表3 粉蝴蝶 设施栽培灰霉病病情指数等级 Table 3 Prediction grade of gray mold disease index in protected cultivation of Vuvuzela 综合指标 Comprehensive index 发病程度 Disease severity 病情指数 Disease index 病害等级 Grade of disease 0 不易发生病害 x 2 0 33 1 轻度病害 2 x 5 0 33 0 83 2 中度病害 5 x 10 0 83 1 67 3 重度病害 10 x20 3 33 注 x表示发生灰霉病害的花朵数量 Note x stands for the number of flowers with gray mold disease 189 中 国 农 业 大 学 学 报 2024 年 第 29 卷 L表示低病情指数预测值 0 33 H表示高病情指数预测值 2 09 M1表示模拟运输1 d M2表示模拟运输1 d 冷库贮藏5 d M3表示模拟运 输1 d 冷库贮藏10 d L stands for low disease index prediction value 0 33 H stands for high disease index prediction value 2 09 M1 stands for simulated transportation for 1 day M2 stands for simulated transportation for 1 day and cold storage for 5 days M3 stands for simulated transportation for 1 day and cold storage for 10 days 图4 不同病情指数预测值对采后贮藏及瓶插期间月季切花灰霉病发病率及病情指数的影响 Fig 4 Effects of different predicted values of disease indexes on incidence and disease index of gray mold during storage and vasing of cut rose Vuvuzela and Avalanche 190 第 4 期 李垚等 设施栽培条件下月季灰霉病预测模型的建立及应用 2020年11月5日 以 粉蝴蝶 为例 在取样日之前 根据天气预报数据计算所得的病情指数预测值为 2 49 在实际取样时 对照组 粉蝴蝶 的总发病率 为9 8 病情指数为2 33 与预测值相差不大 均 处于重度病害风险级别 常规防治处理组的发病率 为4 9 病情指数为1 17 早期防治处理组发病率 为5 2 病情指数为1 05 常规防治和早期防治 处理均能有效降低发病率和发病程度 将重度病害 等级降低为中度等级 随后的瓶插测试发现 图 5 常规防治和早期防治处理有效降低了瓶插期间 灰霉病发病率和发病程度 在 粉蝴蝶 中 对照处理 在瓶插第3天发病率达到10 0 瓶插第9天发病率 升高至30 0 常规防治处理与早期防治处理前期 不发病 在瓶插第9天发病率分别达到13 3 和 10 0 雪山 对照组在瓶插第9天发病率达到 25 0 同时 常规防治和早期防治处理的发病率 也在瓶插第9天达到峰值 分别为6 7 和5 0 以上结果表明 早期防治能够有效降低设施栽培和 采后期间灰霉病病害的发病率 效果与每天防治处 理相当 3 讨论与结论 真菌病害的发生与温度 湿度 日照和降雨等 环境因素密切相关 灰霉病病原孢子主要通过空气 和液体传播 其生长需要过程 在相对低温 高湿条 件下易于萌发 21 本研究发现月季灰霉病发生动 态与温室内温度 相对湿度和降雨量等天气因子具 有显著相关性 当温室内日均温度在18 23 相 对湿度 80 时 灰霉病容易爆发 与前人发现的 灰霉病菌孢子萌发最适条件一致 22 掌握病原菌 生物学特性和病害发生条件 理论上便可对病害发 生概率进行预测 23 目前国内已有病菌孢子捕捉 仪应用于水稻 小麦以及蔬菜的病害监测研究 为 病害的自动化诊断和及时有效监测提供了有效手 段 24 但是 病原孢子由于自身发育或外界的影响 会出现形态变异或部分残缺的现象 25 气候因素也 会使未发育成熟的病原体被识别到 这些因素导致 设备工作时识别困惑 误判 降低了监测预警的准 确性 因此还需人工进行田间实际情况监测以及显 微镜观察以验证病菌孢子捕捉仪的识别和统计精 度 最终数据统计还需结合气象和植物生长情况进 行综合分析 这就要求更高的专业技能和大量的时 间 同时 分子技术已应用于对作物病害的监测 监测菌源量的方法主要有qPCR和数字PCR 26 基于qPCR方法 建立了田间小麦叶片中条锈菌 DNA量的监测方法 27 明确了田间空气中小麦白 粉病菌和条锈病菌孢子浓度的动态变化规律以及 陇南地区小麦条锈病菌夏孢子密度的周年规 律 28 29 利用分子技术进行病害监测预警能够及时 准确地监测到潜育期的病原菌 可以提前指导作物 病害的田间防控 但在田间应用时 尤其在病害处 于潜育阶段时 存在样本大小和取样方式等问题 不仅如此 利用分子技术进行病害监测预警所用试 剂和仪器昂贵 以目前的条件难以实现 且操作较 图5 早期防治对 粉蝴蝶 a 雪山 b 瓶插期灰霉病发病率的影响 Fig 5 Effect of early prevention on the incidence of gray mold during vase period of Vuvuzela a and Avalanche b 191 中 国 农 业 大 学 学 报 2024 年 第 29 卷 为复杂 对于基层的植保人员来说有一定难度 利 用气象因素构建预测模型进行病害监测 算法简 便 不需要昂贵的试剂盒仪器 对基层植保技术人 员要求不高 可以有效地掌握设施栽培期间的病害 发生动态 预测病情指数 提早规划 更灵活地制定 防治时间 频率以及药剂种类等具体细则 节省大 量的人力 物力 提高工作效率 在黄瓜 葡萄和番 茄等园艺作物上已有许多研究 30 32 本研究以平均 温度 湿度为主要变量建立月季灰霉病预测模型 通过对预测值和实际值的误差分析 以及不同预测 值地块切花的瓶插灰霉发病率统计 证明月季切花 设施生产灰霉病预测模型可用于实际生产 目前 防治月季灰霉病主要依靠喷施化学药 剂 而化学药剂的防治存在很多缺点 以品元基地 为例 其在每天17 00 20 00进行药物喷施 但是 普遍存在用药量大 容易使病菌产生抗药性和环境 污染大等问题 因此 如果能在前期对月季灰霉病 进行监测和防治 破坏病原孢子的萌发 改善施药 方案 缩减用药成本 降低月季切花采后灰霉病造 成的损失 将极大地促进月季切花产业的发展 本 研究利用月季灰霉病预测模型结合天气预报信息 在灰霉病爆发前采取早期药剂防治处理 有效控制 了采后病害的发生 既节省防治成本 又减少生产 损失 既降低对环境的污染 又可避免病原菌产生 抗药性 未来也可以与计算机结合形成信息网络 对病害进行预报和监测 另一方面 在环境控制水 平较高的温室中 可根据预测模型 提前采取加温 降湿等措施 破坏灰霉孢子萌发所需要的环境条 件 达到减少用药量 降低灰霉病发病率的目标 综上 通过月季切花设施生产灰霉病预测模型 对病情指数的预测 结合早期药剂喷施 可有效降 低设施栽培中的灰霉病病情指数 提早遏制病害扩 散 减轻灰霉病爆发引起的切花采后损耗 同时还 减少了农药用量和用工成本 降低了面源污染 促 进了云南地区月季切花产业节本增效和绿色发展 参考文献 References 1 贺蕤 杨希 刘青林 月季育种的国内现状和国际趋势 J 中国园林 2017 33 12 35 41 He R Yang X Liu Q L Domestic status and international trend for rose breeding J Chinese Landscape Architecture 201