香蕉枯萎病田間分布型及病原菌在植株上的分布

劉 磊, 梁昌聰, 曾 迪, 楊臘英, 覃和業, 王國芬, 郭立佳, 黃俊生,*

1 中國熱帶農業科學院環境與植物保護研究所,農業部熱帶作物有害生物綜合治理重點實驗室,海南省熱帶農業有害生物監測與控制重點實驗室, ?？?571101 2 海南大學儋州校區應用科技學院, 儋州 571737 3 熱作兩院種苗組培中心, 儋州 571737

香蕉枯萎病田間分布型及病原菌在植株上的分布

劉 磊1, 梁昌聰1, 曾 迪2, 楊臘英1, 覃和業3, 王國芬1, 郭立佳1, 黃俊生1,*

1 中國熱帶農業科學院環境與植物保護研究所,農業部熱帶作物有害生物綜合治理重點實驗室,海南省熱帶農業有害生物監測與控制重點實驗室, ?？?571101 2 海南大學儋州校區應用科技學院, 儋州 571737 3 熱作兩院種苗組培中心, 儋州 571737

為探討香蕉枯萎病大田病株及其體內尖孢鐮刀菌(Fusariumoxyporumf. sp.cubense)的分布情況，首先對大田病株的發病情況進行調查，通過分布頻次檢驗、聚集指標測定、Taylor冪法則、Iwaom*-m模型等對田間病株的空間分布型進行研究，在此基礎上，檢驗聚集均數λ，分析其聚集原因。同時，在香蕉植株不同部位取樣，檢測病原菌在植株體內的分布情況。結果表明：香蕉枯萎病大田病株的理論分布符合聚集類型，各項聚集度指標均滿足C>1、I>0、m*/m>1、CA>0、K>0。大田病株的空間圖式也趨于聚集分布，聚集程度隨著種群密度升高而升高，病株間互相吸引，以病株群為單元在蕉地分布均勻，其相對聚集度隨種群密度變化的速率為(11.0962+0.1752)m，密度越高，相對聚集度隨密度變化速率越大。這種聚集分布是環境作用導致。建立最適理論抽樣數模型后，根據一定置信水平下的允許誤差值可估測相應發病情況時所配套的最適理論抽樣數，且隨著病情加重，配套抽樣數隨之減少。在進行序貫抽樣時，假如累計病情等級高于判據上限即可視為防治蕉地，若累計病情等級低于判據下限可視為安全蕉地，如果累計病情等級在判據上限和下限之間，需增加抽樣量，但可以理論抽樣模型中的最大抽樣量終止抽樣。最適宜的抽樣方法為棋盤式取樣法和單、雙對角線取樣法。此外，枯萎病菌在香蕉植株體內的分布因樣地發病程度和植株部位不同而有顯著差異，植株球莖的平均含菌量顯著高于其它部位。

香蕉枯萎病; 枯萎病菌; 空間分布; 抽樣技術

植物病害流行是病害在時空兩個方面的擴展過程，空間擴散作用導致大田病株產生一定的分布類型[1-3]。作為種群的重要生態學屬性之一，空間分布由物種的遺傳恃性和生態環境條件所決定[4-6]，其分布型可分為隨機分布(可用泊松分布理論公式表示)[7]、聚集分布(可用負二項分布、奈曼分布等理論公式表示)[8-10-13]、均勻分布(可用二項分布理論公式表示)[14-15]3種[16]。國內外學者多從空間圖式角度研究聚集指標(平均擁擠度m*[17]、Bell擴散系數C、叢生指數I、Lloyd′s聚集度指數m*/m、久野Ca指標CA、負二項分布K值[18]等)，建立空間分布圖式、抽樣技術研究等的數學模型[10,14,16,19-20]。前人已經對水稻紋枯病[21]、稻瘟病[22]、黑粉病[23]、紫鞘病[24]，小麥白粉病[25]、紋枯病[26]、散黑穗病[27]，小白菜花葉病[3]、棉花黃萎病[28]、番木瓜環斑病[29]、胡麻枯萎病[30]、香蕉束頂病[31]、楊樹冰核細菌潰瘍病[5]、草坪草條銹病[32]、白三葉草病毒病[33]、番茄花葉病[34]、蠶豆枯萎病[35]、西瓜枯萎病[6]、蘆筍莖枯病[36]、西葫蘆灰霉病[37]、白菜霜霉病及軟腐病[38]、番茄黃化曲葉病[39]、玉米粗縮病[40]、油菜菌核病[41-42]等病害的大田病株空間分布結構及抽樣技術進行了研究。

香蕉枯萎病，又稱巴拿馬病、黃葉病，是由于尖孢鐮刀菌古巴?；?Fusariumoxyporumf. sp.cubense)破壞植株維管束導致植株死亡的一種毀滅性病害，目前，除地中海、印度洋、南太平洋一些島嶼國家外，幾乎所有香蕉種植區均有遭受該病害危害的報道[43-45]。在我國廣東[46]、廣西[47]、福建、海南、云南和臺灣等主要香蕉種植區也出現該病害，且發病加重趨勢明顯[48-49]。該病害大田病株的空間分布型及抽樣技術相關研究尚未見有報導，為此，本研究探討了該典型土傳病害大田植株的空間分布型及植株體內尖孢鐮刀菌的分布情況，以期為香蕉枯萎病的監測檢測和綜合防控提供理論依據。

1 材料與方法1.1 大田病株調查

2013年8月在海南省儋州市中國熱帶農業科學院環境與植物保護研究所鋪仔基地隨機選擇發病程度不同的6塊田進行調查，每塊田面積約為1334m2，種植香蕉品種為巴西蕉(MusaAAA Cavendish subgroup ‘Brazil’)，對每塊田進行棋盤式隨機取樣(根據地形取橫向6個點，縱向10個點)，以單株香蕉為樣方，共取60株，分別記錄枯萎病大田病株的株數和發病情況(表1)，計算病情指數。

病情指數=100×[∑(植株發病級數×對應株數)/(分級標準中病害最高級數×總株數)] (1)

1.2 空間分布型測定

1.2.1 頻次分布檢驗

將田間調查所取得的數據分別進行二項分布、泊松分布、負二項分布、奈曼分布擬合。對實測頻次分布和理論頻次分布作X2適合性檢驗，根據是否適合確定屬于何種分布概率類型[16,50-51]。

X2=∑[(o-c)2/c]

(2)

式中，o為觀測值，c為理論值。

1.2.2 聚集度指標檢驗

計算每塊田的大田病株病情等級均值m、樣本方差S2和平均擁擠度m*，根據Bell擴散系數C、叢生指標I、Lloyd′s聚集度指數m*/m、久野Cassie指標CA和負二項分布的K值來分析大田病株的聚集強度[16,50-51]。

1.2.3 Taylor冪法則

Taylor分析了大量生物種群統計資料后，發現樣本平均數m與方差S2的對數值之間存在回歸關系公式[52]：

lgS2=lgα+βlgm

(9)

式中，α是一個與樣本大小和計算方法有關的因子，受環境異質性的影響；β為種群聚集對密度依賴性的一個測度。lgα=0，β=1，隨機分布；lgα>0，β=1，種群在一切密度下均是聚集分布，但不具聚集度對密度的依賴性；lgα>0，β>1，種群為聚集分布，但具聚集度對密度的依賴性；lgα<0，β<1，種群密度越高越均勻。

1.2.4 Iwao的m*-m模型及改進的m*-m回歸分析法

Iwao提出了檢驗分布型的回歸式[53-54]：

m*=a+bm

(10)

當m*與m成線性關系時，a、b可揭示種群的分布特征。

a為分布的基本成分的平均擁擠度，a=0時分布的基本成分為單個個體；a>0時個體間相互吸引，分布的基本成分是個體群，即小聚集團；a<0時個體之間相互排斥。b為基本成分的空間分布型，b<1時為均勻分布，b=1時為隨機分布，b>1時為聚集分布。

于秀林等改進的m*-m模型[55-56]為：

m*=α′+β′m+γ′m2+δm3

(11)

式中，α′是每個基本成分中個體數的分布的平均擁擠度，β′是在低密度下基本成分的相對聚集度，γ′+2δm是基本成分的相對聚集度隨種群密度而變化的速率，2δ是基本成分的相對聚集度隨種群密度變化的加速率。α′=0時分布的基本成分為單個個體；α′>0時個體間相互吸引，分布的基本成分是個體群，即小聚集團；α′<0時個體間相互排斥。β′<1時基本成分為均勻分布，β′=1時為隨機分布，β′>1時為聚集分布。

表 2 聚集度指標檢驗判斷公式

1.2.5 聚集原因檢驗

λ=mγ/2K

(12)

1.3 抽樣技術研究1.3.1 最適理論抽樣模型

Iwao提出，當種群m*-m成線性關系時，可利用聚集度參數a、b來建立理論抽樣數模型，確定不同病情等級、不同誤差條件下的最適理論抽樣數[53,57]。

n=t2/D2[(a+1)/m+b-1]

(13)

式中，n為最適抽樣數，t為一定置信度p下的分布臨界值(當p=95%時，t=1.96)，a、b為m*-m回歸模型中的截距、斜率值，D為允許相對誤差(D=Sx/m)。

同理，改進的m*-m模型抽樣公式為：

n=t2/D2[(α′+1)/m+β′-1+γ′m+δm2]

(14)

各參數同前述。

1.3.2 序貫抽樣分析法模型

抽樣模型[58-59]上下限計算公式為：

T1(n)，T0(n)=nm0±t{n[(a+1)m0+(b-1)m02]}1/2

(15)

式中，T1(n)，T0(n)為抽樣結論的判據，a、b為m*-m回歸模型中的截距、斜率值，m0為臨界平均病情等級(防治指標)，t為一定置信度p下的分布臨界值(當p=95%時，t取1.96)，n為累積抽樣數。

1.3.3 抽樣方法比較

分別應用五點、單對角線、雙對角線、平行線、棋盤式、“Z”字型6種方法進行抽樣，采用曼-惠特尼U測驗比較各種取樣方法的誤差率，選擇最佳抽樣方法[30,36,60]。

1.4 數據代換

統計分析中，數據符合泊松分布、奈曼分布和負二項分布時，方差與均數存在函數關系，需按其分布型進行資料代換，以穩定方差[6,50]。

TayIor冪法則資料代換：

X′=X1-β/2

(16)

式中，X′為代換后數據，β為TayIor冪函數參數。

Iwao回歸模型資料代換：

X′=sin-1[(1-b)X/(a+1)]-1/2

(17)

式中，X′為代換后數據，a、b為m*-m模型回歸參數。

1.5 枯萎病菌在大田病株體內分布

在不同發病程度(輕、中、重)的樣本田塊5、3、6隨機選擇健康株(0級)和病株(1—4級)各10株，用打孔取樣器在不同部位(根、球莖、假莖中部、假莖頂端、老葉、心葉)的病斑處、病健交界處和健康組織分別取樣，裝入貼有標簽的自封袋帶回實驗室。稱取樣品質量后用75%的酒精處理2s，之后經0.1%升汞處理2—3min，再用無菌水沖洗3遍，研磨后加入100mL無菌水，制成勻漿[61-63]。將梯度稀釋的勻漿液用微量移液器接入9cm的PDA平板(含50μg/mL潮霉素和200μg/mL硫酸鏈霉素)上，每皿0.1mL，均勻涂布。在28℃培養箱中培養3d后，采用平板菌落計數法統計菌落形成單位(cfu)，計算相應部位每克鮮重樣品組織的平均含菌量。試驗以健康株為對照，每個處理重復3次。

1.6 數據分析

采用Excel進行數據整理和繪圖，運用SAS9.0軟件計算均值和方差，采用Duncan氏新復極差法進行多重比較。

2 結果與分析

2.1 樣本田塊病株發病情況

所調查的6塊田地發病級別均值范圍為1.0667—1.7833，其中樣本田塊6、4病情較重，顯著高于其它樣地，其病情指數分別為44.58%、40.42%；樣本田塊5發病較輕，顯著低于其它樣地，病情指數為26.67%。建立病情指數(X)與發病級別均值m(Y)之間的線性最小二乘回歸方程，檢測其相關關系極顯著，因此可應用此方程估算不同病情指數下的發病級別均值(表3)。

表3 香蕉枯萎病大田病株發病情況

2.2 大田病株頻次分布適合性檢驗

表4結果表明：6組樣本田地的頻次分布數據均不符合二項分布，樣本田塊1、5同時符合負二項分布和奈曼分布，樣本田塊2僅符合奈曼分布，樣本田塊3、6同時符合泊松分布、負二項分布和奈曼分布，樣本田塊4同時符合泊松分布和奈曼分布。因此，香蕉枯萎病大田病株在田間的頻次分布主要為聚集分布，田間表現為以發病株為核心，呈嵌紋狀或放射狀擴散。

表4 香蕉枯萎病大田病株空間分布型適合性檢驗

2.3 聚集度指數分析

大田病株在6塊樣本田地中的平均擁擠程度或個體鄰居數介于1.3538—1.9446之間，擴散系數C>1，叢生指數I>0，聚集度指數m*/m>1，久野Ca指標CA>0，負二項分布K>0，因此，其在田間的空間圖式符合聚集分布。此外，根據負二項分布K的大小可比較聚集程度，樣本田地1、2、5的聚集程度顯著高于其它樣地(表5)。

表5 香蕉枯萎病大田病株空間分布的聚集度指標

2.4 回歸模型分析

2.4.1 Taylor冪法則

大田病株的S2-m回歸關系為lgS2=0.0916+0.9743lgm(R=0.9490，顯著相關)。其中，lgα>0，β<1，且C>1，m>1，超出Taylor判據系統范圍，參考沈佐銳、馬占山、蘭星平等[64-66]完善的判據系統，相關參數值表明大田病株趨于聚集分布，且聚集程度隨著種群密度的升高而升高。

2.4.2m*-m回歸分析

大田病株的m*-m回歸關系為m*=0.2560+0.9774m(R=0.9648，顯著相關)。其中，a>0，b<1，表明大田病株個體間相互吸引，空間分布的基本成分是個體群，即小聚集團，病株個體群在田間趨于均勻分布。

大田病株的m*-m改進模型為m*=20.9145-30.0477m+11.0962m2+0.0876m3(R復=0.8997，顯著相關)。其中，α′>0，β′<1，表明大田病株個體間相互吸引，空間分布的基本成分是個體群，即小聚集團，病株個體群在田間趨于均勻分布。病株個體群的相對聚集度隨種群密度而變化的速率為(11.0962+0.1752m)，因此，病株個體群密度越大，相對聚集度隨密度而變化的速率越大，其加速率為0.1752。

2.5 聚集原因分析

計算出6塊樣本田地的λ值分別為1.1919、1.4080、1.3807、1.5811、0.9677、1.9717，均小于2，表明香蕉枯萎病大田病株的聚集是由環境作用所致，而不是因為其本身的聚集習性。

2.6 抽樣模型分析

2.6.1 理論抽樣模型

將95%置信區間的概率保證值t=1.96代入最適理論抽樣公式n=t2(1.2560/m-0.0226)/D2，可得出不同平均病情等級大田病株的理論抽樣數。在相同平均病情等級的田塊，隨著允許誤差值的增大，所需抽樣數顯著減少；在同一允許誤差值時，平均病情等級較高的田塊所需的抽樣數顯著少于平均病情等級較低的田塊所需的抽樣數(表3,表6)。

表 6 香蕉枯萎病大田病株的理論抽樣數

圖1 不同病情指數所對應的理論抽樣數

當允許誤差D=0.2時，所需抽樣數適中，且誤差較小(表6)，通過計算此時不同病情指數所對應的最適理論抽樣數可知，當病情指數為5%時，所需抽樣數為604株；當病情指數為25%時，所需抽樣數為119株；當病情指數為45%時，所需抽樣數為65株。可見，隨著病情指數的增加，大田病株所需抽樣數也相應減少(圖1)。

按m*-m改進模型所得的相應抽樣公式為n=t2(1.2560/m-0.0226+11.0962m+0.0876m2)/D2，在本研究中，在允許誤差范圍內利用該公式計算得出所需的理論抽樣數較多，以樣地1為例，其理論抽樣數分別為5826(D=0.1)、1456(D=0.2)、647(D=0.3)、364(D=0.4)，因此，從便于田間調查和保證誤差的角度考慮，本研究采用Iwao理論抽樣公式計算理論抽樣數。

2.6.2 序貫抽樣模型

參考劉波等[6]提出的西瓜枯萎病防治指標m0為病情指數25%時的發病級別均值，計算本研究中m0=0.9996，將a、b、t、m0代入模型公式，得出判據上下限計算公式為：T1(n)，T0(n)= 0.9996n±2.1763√n。據此可建立香蕉枯萎病序貫抽樣檢索表(表7)。若累計病情等級超過上限可定為防治對象田，若累計病情等級低于下限可定為不防治田，若累計病情等級在上下限之間，則需增加抽樣量繼續調查，同時，以理論抽樣模型中的最大抽樣數終止抽樣。

2.6.3 抽樣方法比較

經曼-惠特尼U檢測可得，6種抽樣方法的u值均小于1.96，故這些取樣方法均可用于抽樣研究，進一步比較u值大小可知，棋盤式、單對角線、雙對角線取樣方式的誤差率顯著低于其它方法，可結合實際需要優先選擇(表8)。

2.7 數據代換

基于Taylor冪法則的大田病株的代換公式為：X′=X0.5129?；贗wao回歸模型的大田病株的代換公式為：X′=sin-1(0.0180X)1/2。

2.8 枯萎病菌在大田病株體內的分布

不同發病程度樣地的健康株和病株的心葉均未檢測到病原菌，發病較輕的樣本田塊5未在病株老葉和假莖頂端檢測到病原菌，發病程度中等的樣本田塊3未在老葉檢測到病原菌，發病程度較重的樣本田塊6在老葉、假莖頂端均檢測到病原菌，表明不同發病程度樣地病株體內病原菌的分布有顯著差異(圖2)。此外，在植株不同部位檢測到的尖孢鐮刀菌平均含量也存在顯著差異，健康株和病株球莖的平均含菌量顯著高于其它部位，病株根部的病原菌含量顯著高于假莖頂部及葉部的病原菌含量，老葉僅檢測到少量病原菌。健康株根部、假莖的病原菌平均含量均顯著低于病株相應部位的病原菌平均含量。

表7 香蕉枯萎病序貫抽樣檢索表

表 8 不同抽樣方法的U檢驗

圖2 不同發病程度香蕉植株體內尖孢鐮刀菌的平均含菌量測定

3 討論

針對植物病害開展空間分布格局研究，有助于優化抽樣技術，對了解病害流行的主導因子、消長動態、危害損失及其防控措施等至關重要。本文采用歷來定量研究田間蟲害[60,67-71]及病害[3,5-6,21-42]空間分布的統計生態學方法首次對香蕉枯萎病大田病株的空間分布型和抽樣技術進行了分析，研究結果表明，除2號樣地以外，其余樣地的頻次分布均符合兩個或兩個以上理論模型，因此頻次分布僅能檢驗樣地中病株的空間分布聚集與否，結合聚集度指標則可判斷出每塊樣地中的病株均為聚集分布且可比較樣地間的聚集程度，但仍不能確切得到大田病株的具體理論分布型，也不能反映全部樣地大田病株的整體聚集或離散情況。Taylor冪法則和m*-m等基礎性生態學模型是頻次分布和聚集度指標在分析空間分布型方面的推廣應用，在種群生態學研究中占有重要地位。但在實際應用中，Taylor冪法則仍存在不完備性，需進一步完善[64-66]；Iwao的m*-m回歸模型雖然克服了頻次分布的缺陷，計算相對簡單，但在實際擬合時，常出現非線性關系，徐汝梅、于秀林等[55-56]先后對其進行了改進，改進后的模型可提供大量空間分布的信息，有助于研究枯萎病等病蟲害的田間發病規律。

香蕉枯萎病大田病株的理論分布及空間圖式均趨向于聚集分布，據此我們可判斷該病害在大田中必然存在明顯的發病中心，這與王振中、卓國豪等[44,72]所述的香蕉枯萎病田間發病特點一致，劉曉光[5]、劉波[6]、敬甫松[21]等[22-23,27-28,30,35-37]分別研究楊樹冰核細菌潰瘍病、西瓜枯萎病、水稻紋枯病等細菌性、真菌性土傳病害時也發現其大田病株具有聚集分布的特征。形成這種聚集格局主要由環境作用所引起，跟大田病株本身的聚集習性無關，這與王家和等[35]對蠶豆枯萎病病株的聚集原因分析結果一致，推測環境作用表現為枯萎病菌通過田間病株殘體、耕作工具、動物活動、帶菌種苗、土壤和流水等傳播，會“優先”侵染病株周周的健株，同時在同一田塊的相鄰地方，發病率也會有很大差異，符合王振中、魏岳榮、卓國豪等[3,43-44,72]總結的香蕉枯萎病田間傳播方式。

香蕉枯萎病是典型的土傳病害，枯萎病菌是兼性寄生菌，腐生能力較強，在發病株及土壤中存活周期較長，特別是形成休眠孢子后，可存活數年[73]。目前，單一的防治措施難以有效控制該病害的發生，采用多種措施綜合防控才可能有效降低香蕉枯萎病的發生，發病率較高的蕉園只能丟荒或改種其它作物，因此，在田間發現病株后，就應及時采取相關措施(另文發表)，避免枯萎病菌以病株殘體為中心向周圍擴散蔓延。在這個過程中，抽樣技術研究可幫助我們估計病蟲害的田間種群密度，準確地進行預測和執行防治經濟閥值，在建立作物-病蟲害系統的控制與預測的數學模型及采取綜合管理措施等方面意義重大。本研究的理論抽樣數模型是將m*-m關系方程引入正態分布的理論抽樣方程得到的，可在確定適宜抽樣數量的同時保證抽樣質量和節約抽樣成本，主要用于種群資料積累，田間試驗處理比較，病害預測，組建數學模型等。而序貫抽樣(風險決策抽樣)，可在不影響結論準確性的前提下，盡量減少抽樣數量，只對防治指標等進行統計檢驗，主要用于病害田間管理，檢驗病害的發生程度及防治標準等方面。研究時選擇不受分布型限制的m*-m關系序貫抽樣模型，以假設檢驗的方法，在一定的概率水平保證下，考慮接受或拒絕子樣的調查結果，即將累積病情等級計數與抽樣結論判據進行比較，根據判據的上下限得出結論，當結論不能確定時，以理論抽樣方程計算的的最大理論抽樣數終止抽樣過程。對不同發病程度植株不同部位的取樣分析表明尖孢鐮刀菌在田間侵染香蕉極有可能是從其根部侵入，進入球莖后經維管束向假莖上部及老葉蔓延，與王振中、李春雨等[44,72]所述的香蕉枯萎病菌侵染特點一致，當累積到一定含菌量后，引起植株病癥出現。因此，無癥狀表現的健康株也有可能是處于潛育期狀態的植株。此外，在侵染過程中，植株球莖含菌量顯著高于其它部位，在癥狀上可明顯觀察到假莖基部開裂，解剖假莖基部可進一步觀察到維管束堵塞褐變等。

植物病害的流行是病害在時間和空間兩個方面的擴展過程，因此，應用統計生態學對香蕉枯萎病大田病株在時間上的依賴性與連續性的研究有待進一步完成。另外，植物病害流行的空間動態研究不僅包括病株的田間分布型，尚需進一步分析傳播距離、傳播速度等關鍵侵染特點，以加深對病害流行規律的認識。

致謝：海南大學儋州校區應用科技學院2011級本科生賀江江、耿通云參與調查工作，特此致謝。

[1] Van der Plank J E. Plant Disease: Epidemics and Control. New York: Academic Press, 1963: 349-349.

[2] Jeger M J. Analysing epidemics in time and space. Plant Pathology, 1983, 32(1): 5-11.

[3] 王振中, 林孔勛, 范懷忠. 小白菜花葉病病株空間分布類型分析. 華南農業大學學報, 1989, 10(2): 48-53.

[4] Taylor L R. Assessing and interpreting the spatial distributions of insect populations. Annual Review of Entomology, 1984, 29: 321-357.

[5] 劉曉光, 項存悌, 董愛榮, 邵忠文, 王傳偉, 林海波, 徐柏榮, 張景華, 尹寧. 楊樹冰核細菌潰瘍病株空間分布格局及其應用. 東北林業大學學報, 1999, 27(3): 36-39.

[6] 劉波, 朱育菁, 肖榮鳳, 林抗美, 冒乃和, 李芳, 蘇明星, 史懷. 西瓜枯萎病病株空間分布格局及其抽樣技術. 生態學報, 2004, 24(9): 2043-2049.

[7] Garwood F. Fiducial limits for the poisson distribution. Biometrika, 1936, 28(3/4): 437-442.

[8] Fisher R A. The negative binomial distribution. Annals of Eugenics, 1941, 11(1): 182-187.

[9] Bliss C I, Fisher R A. Fitting the negative binomial distribution to biological data. Biometrics, 1953, 9(2): 176-200.

[10] Taylor L R, Woiwod I P, Perry J N. The Negative binomial as a dynamic ecological model for aggregation, and the density dependence ofk. The Journal of Animal Ecology, 1979, 48(1): 289-304.

[11] Neyman J. On a new class of "contagious" distributions, applicable in entomology and bacteriology. The Annals of Mathematical Statistics, 1939, 10(1): 35-57.

[12] Douglas J B, Fitting the Neyman type A (two parameter) contagious distribution. Biometrics, 1955, 11(2): 149-173.

[13] Massé J C, Theodorescu R. Neyman type A distribution revisited. Statistica Neerlandica, 2005, 59(2): 206-213.

[14] Edwards A W F. The meaning of binomial distribution. Nature, 1960, 186(4730): 1074-1074.

[15] Altham P M E. Two generalizations of the binomial distribution. Journal of the Royal Statistical Society: Series C (Applied Statistics), 1978, 27(2): 162-167.

[16] 丁巖欽. 昆蟲數學生態學. 北京: 科學出版社, 1994: 22-42, 45-56.

[17] Lloyd M. Mean crowding. Journal of Animal Ecology, 1967, 36(1): 1-30.

[18] 韓銘哲. 關于負二項分布參數K值的討論. 生物數學學報, 1989, 4(2): 97-101.

[19] David F N, Moore P G. Notes on contagious distributions in plant populations. Annals of Botany, 1954, 18(1): 47-53.

[20] Kuno E. Studies on population dynamics of rice leaf hopper in a paddy field. Bulletin of the Kyushu National Agricultural Experiment Station, 1968, (14): 131-246.

[21] 敬甫松, 李興謙, 徐昌能. 紋枯病株在雜交稻田的空間分布型的研究及其應用. 植物病理學報, 1983, 13(4): 27-35.

[22] 穆永順, 李剛. 稻瘟病葉瘟和穗頸瘟空間分布型及理論抽樣研究. 西北農林科技大學學報: 自然科學版, 1987, 15(2): 77-83.

[23] 楊志華, 劉康成, 周淑蘭, 曾水根. 水稻粒黑粉病空間分布及抽樣技術研究. 植物病理學報, 1994, 24(2): 185-192.

[24] 肖滿開. 水稻紫鞘病株空間分布型及理論抽樣數量. 植物病理學報, 1994, 24(3): 250-250.

[25] 劉逸卿, 湯其豹. 小麥白粉病田間分布型的初步研究. 植物保護學報, 1984, 11(2): 91-94.

[26] 劉逸卿, 湯其豹. 小麥紋枯病株的空間分布型及其應用. 江蘇農業學報, 1985, 1(2): 45-47.

[27] 楊焱杰, 王貴生, 王永祥, 任千祥. 小麥散黑穗病空間分布型及抽樣技術. 植物保護學報, 1995, 22(3): 256-258.

[28] 王昆, 胡家琪, 狄文枝, 金芝芳, 王其友. 棉花黃萎病株空間格局及抽樣技術研究. 植物病理學報, 1992, 22(2): 169-174.

[29] 張德雍, 王振中, 范懷忠. 番木瓜環斑病的空間分布及流行動態模糊聚類分析. 華南農業大學學報, 1995, 16(4): 27-31.

[30] 甘國福, 甘國君, 王發有, 王英蘭. 胡麻枯萎病株田間分布型及抽樣技術. 甘肅農業大學學報, 1996, 31(4): 395-398.

[31] 周仲駒, 黃志宏, 鄭國璋, 林奇英, 謝聯輝. 香蕉束頂病的研究V. 病株的空間分布型及其抽樣. 福建農業大學學報, 1997, 26(2): 177-181.

[32] 趙蘭勇, 劉振宇, 高祥偉, 季延平. 草坪草條銹病空間格局及抽樣技術. 中國草地, 2001, 23(6): 39-41.

[33] 梁巧蘭, 魏列新, 徐秉良. 白三葉草病毒病病株空間分布型及抽樣技術研究. 中國草地學報, 2013, 35(2): 48-51.

[34] 張衛民, 王振中. 番茄花葉病病株及傳毒介體空間分布型研究. 華南農業大學學報, 2002, 23(4): 23-26.

[35] 王家和, 王崇德. 蠶豆枯萎病病株田間分布型及調查取樣技術研究. 云南農業大學學報, 2003, 18(4): 343-345, 381-381.

[36] 王向陽. 蘆筍莖枯病病株空間分布型及其抽樣研究. 安徽農業大學學報, 2004, 31(3): 344-347.

[37] 張路生, 劉俊展, 劉慶年, 巴秀成. 保護地西葫蘆灰霉病病株空間分布格局及其抽樣技術. 石河子大學學報: 自然科學版, 2009, 27(2): 202-205.

[38] 段顯德, 馬海霞, 楊信東. 白菜霜霉病及軟腐病空間分布型研究. 吉林農業大學學報, 2010, 32(2): 130-135.

[39] 李剛, 吳永漢, 陳文華, 都林娜, 許方程. 番茄黃化曲葉病病株及傳毒介體煙粉虱的空間分布型. 浙江農業學報, 2010, 22(6): 779-783.

[40] 趙敏, 楊廉偉, 王華弟, 李榮, 吳傳偉, 張國忠, 祝小祥. 玉米粗縮病危害動態及空間格局和抽樣技術的研究. 中國農學通報, 2012, 28(12): 187-191.

[41] 朱金良, 陳躍, 王光華, 王華弟, 祝增榮. 油菜菌核病輕發生條件下的空間分布格局與抽樣技術. 浙江農業學報, 2012, 24(3): 464-468.

[42] 徐森富, 王會福, 余山紅, 汪恩國. 油菜菌核病病株空間分布格局及抽樣技術研究. 科技通報, 2013, 29(3): 96-99.

[43] 魏岳榮, 黃秉智, 楊護, 許林兵, 邱繼水. 香蕉鐮刀菌枯萎病研究進展. 果樹學報, 2005, 22(2): 154-159.

[44] 王振中. 香蕉枯萎病及其防治研究進展. 植物檢疫, 2006, 20(3): 198-200.

[45] Fourie G, Steenkamp E T, Gordon T R, Vilioen A. Evolutionary relationships among theFusariumoxysporumf. sp.cubensevegetative compatibility groups. Applied and Environmental Microbiology, 2009, 75(14): 4770-4781.

[46] 李敏慧, 習平根, 姜子德, 戚佩坤. 廣東香蕉枯萎病菌生理小種的鑒定. 華南農業大學學報, 2007, 28(2): 38-41.

[47] 莫賤友，郭堂勛，李焜華. 廣西香蕉枯萎病的發生與病原鑒定. 廣西農業科學, 2008, 39(4): 481-484.

[48] 高喬婉. 香蕉枯萎病 // 中國農業百科全書編輯部. 植物病理學卷. 北京: 中國農業出版社, 1996: 482-482.

[49] Dong Z Y, Wang Z Z. Isolation and characterization of an exopolygalacturonase fromFusariumoxysporumf.sp.cubenserace 1 and race 4. BMC Biochemistry, 2011, 12: 51-51.

[50] 徐汝梅. 昆蟲種群生態學. 北京: 北京師范大學出版社, 1987: 8-14, 31-34.

[51] 唐啟義, 馮明光. 實用統計分析及其DPS數據處理系統. 北京: 科學出版社, 2002: 36-36, 114-150.

[52] Taylor L R. Aggregation, variance and the mean. Nature, 1961, 189(4766): 732-735.

[53] Iwao S. A new regression method for analyzing the aggregation pattern of animal populations. Researches on Population Ecology, 1968, 10(1):1-20.

[54] Iwao S. Application of the M*-M method to the analysis of spatial patterns by changing the quadrat size method to the analysis of spatial patterns by changing the quadrat size. Researches on Population Ecology, 1972, 14(1): 97-128.

[55] 徐汝梅, 劉來福, 丁巖欽. 改進的IWAO M-M模型. 生態學報, 1984, 4(2): 111-118.

[56] 于秀林, 任朝佐. 再次改進的IWAO M-M模型. 生態學報, 1986, 6(3): 193-196.

[57] Iwao S. An approach to the analysis of aggregation pattern in biological populations. Statistical Ecology, 1971, 1: 461-513.

[58] Iwao S. A new method of sequential sampling to classify populations relative to a critical density. Researches on Population Ecology, 1975, 16(2): 281-288.

[59] Iwao S. Relation of frequency index to population density and distribution pattern. Physiological Ecology Japan, 1976, 17: 457-464.

[60] 峗薇, 楊茂發, 廖啟榮, 楊洪, 陳文龍. 兩種育秧方式下稻水象甲幼蟲的空間分布型及其抽樣技術. 植物保護學報, 2013, 40(2): 128-132.

[61] 方中達. 植病研究方法. 北京: 中國農業出版社, 1998: 122-125.

[62] 肖榮鳳, 劉波, 林抗美, 鄭雪芳, 藍江林. 斑葉露兜樹莖腐病病原鑒定及植株體內菌量測定. 園藝學報, 2009, 36(2): 251-256.

[63] 蘇明星, 肖榮鳳, 朱育菁, 黃素芳, 劉波. 苦瓜枯萎病病原的鑒定及植株體內菌量測定. 中國蔬菜, 2010, (16): 62-66.

[64] 沈佐銳. 關于Taylor冪法則的統計學討論. 生態學雜志, 1990, 9(6): 64-67.

[65] 馬占山. Taylor冪法則的進一步解釋與種群聚集臨界密度. 青年生態學者論叢(一), 1991, 1: 284-288.

[66] 蘭星平. 關于Taylor冪法則的討論. 林業科學, 1996, 32(1): 86-91.

[67] 劉纏民, 廉振民. 棉田棉蝗卵塊空間分布型及抽樣技術研究. 西北農業學報, 2003, 12(1): 136-138.

[68] 盧輝, 劉奎, 鐘義海, 趙冬香, 尹炯. 海南香蕉根頸象甲卵的空間分布型及理論抽樣數確定. 熱帶作物學報, 2009, 30(7): 995-999.

[69] 張總澤, 劉雙平, 張靜, 羅禮智, 江幸福. 向日葵螟幼蟲的空間分布型及抽樣技術. 昆蟲知識, 2010, 47(4): 720-724.

[70] 沈平, 劉萍, 吳建華, 常承秀, 朱惠英, 鄧剛. 甘肅狹嚙卵在花椒園中的空間分布型及抽樣技術. 中國生物防治學報, 2012, 28(3): 435-438.

[71] 張聰, 葛星, 趙磊, 王振營, 何康來, 白樹雄. 雙斑長跗螢葉甲越冬卵在玉米田的空間分布型. 生態學報, 2013, 33(11): 3452-3459.

[72] 卓國豪, 黃有寶, 吳運新, 潘禮增, 馮偉揚, 劉紹欽. 香蕉枯萎病的綜合防治技術. 植物檢疫, 2003, 17(5): 279-280.

[73] Li C Y, Chen S, Zuo C W, Sun Q M, Ye Q, Yi G J, Huang B Z. The use of GFP-transformed isolates to study infection of banana withFusariumoxysporumf. sp.cubenserace 4. European Journal of Plant Pathology, 2011, 131(2): 327-340.

Spatial distribution pattern for theFusariumwilt disease in banana field and theFusariumoxyporumf. sp.cubensein different parts of banana plants

LIU Lei1, LIANG Changcong1, ZENG Di2, YANG Laying1, QIN Heye3, WANG Guofen1, GUO Lijia1, HUANG Junsheng1,*

1EnvironmentandPlantProtectionInstitute,ChineseAcademyofTropicalAgriculturalSciences,KeyLaboratoryofIntegratedPestManagementonTropicalCrops,MinistryofAgriculture,HainanKeyLaboratoryforMonitoringandControlofTropicalAgriculturalPests,Haikou571101,China2CollegeofAppliedScienceandTechnology,HainanUniversity,Danzhou571737,China3SeedlingsCultivationCenter,ChineseAcademyofTropicalAgriculturalSciences,Danzhou571737,China

The objectives of this work were to clarify the spatial distribution pattern for theFusariumwilt disease in the banana field and the amounts ofFusariumoxyporumf. sp.cubensepopulation inside the banana plants. An investigation was conducted on the diseased plants in banana field. The spatial distribution pattern of theFusariumwilt disease in banana field was studied by determination of frequency distribution, aggregated indices, the Taylor′s power law and Iwao′s regression equation. The reasons for the aggregation of theFusariumwilt disease in banana field was analyzed according to estimation by aggregation meanλ. Meanwhile, comparative investigation was conducted on the amounts of the pathogen inside the healthy plants and diseased plants. Results indicated that the diseased plants in banana field belong to negative-binomial distribution and neyman distribution, and the aggregated indices of diseased plants metC>1,I>0,m*/m>1,CA>0,K>0, so they presented pattern of aggregation distribution, and the fundamental component was the individual that was mutually attractive, and the individual colonies characterized with uniform distribution. The degree of aggregation increased with the population density of diseased plants. The rate of relative aggregation change of fundamental component was (11.0962+0.1752)m, which changed with the population density ofFusariumwilt disease in banana field. The greater the population density of diseased plants, the greater the change rate of relative aggregation degree. Aggregation meanλvalue indicated that the aggregation might be due to the combined actions of the environmental factors. The optimal sampling formula was built up. The sample number (n) negatively decreased with the pathogen indeces increasing, and it could be estimated with the parameters oft=1.96, deviationD=0.1—0.4. The sequency sampling procedure was based on the equation. It was necessary to take actions to controlFusariumwilt disease when the plant numbers were higher than the upper limit numbers according the index list for sequential sampling of infected plants in banana field. Chessboard type and diagonal type sampling were the best method for sampling technique. The application of spatial pattern to data transfer was discussed. In addition, the amounts of the pathogen in the bulbs were more than those in roots and leaves. The pathogens in different parts of banana plants were significantly different due to the disease severity of the fields and sampling parts of banana plants.

Fusariumwilt disease;Fusariumoxyporumf. sp.cubense; spatial distribution pattern; sampling technique

國家公益性行業(農業)科研專項(200903049); 海南省動植物重大病蟲害防治(香蕉尖鐮孢古巴?；?號小種防控技術集成與示范)

2013-11-16;

2014-12-04

10.5846/stxb201311162741

*通訊作者Corresponding author.E-mail: H888111@126.com

劉磊, 梁昌聰, 曾迪, 楊臘英, 覃和業, 王國芬, 郭立佳, 黃俊生.香蕉枯萎病田間分布型及病原菌在植株上的分布.生態學報,2015,35(14):4742-4753.

Liu L, Liang C C, Zeng D, Yang L Y, Qin H Y, Wang G F, Guo L J, Huang J S.Spatial distribution pattern for theFusariumwilt disease in banana field and theFusariumoxyporumf. sp.cubensein different parts of banana plants.Acta Ecologica Sinica,2015,35(14):4742-4753.