日光溫室黃瓜霜霉病初侵染階段關鍵預測因子的篩選及驗證

紀濤 劉慧英 許建平 柳瑞 劉冉 李明

摘要：溫室黃瓜霜霉病的暴發依賴于環境信息和栽培管理措施等多種因素的相互作用，生產上測報依賴各種經驗模型，但輸入因子種類較多，需要進行簡化處理。筆者基于田間調查試驗，采用主成分分析的方法，從14組日光溫室黃瓜霜霉病初侵染階段的預測因子中，篩選出了反映濕度綜合信息、溫度綜合信息和溫室管理措施的3個主成分，累計貢獻率達到80.76%，并結合前人的研究成果構建經驗模型。該模型對黃瓜霜霉病初侵染階段的預測效果較好（R²=0.94），可為日光溫室黃瓜霜霉病的提早防治提供決策參考。

關鍵詞：黃瓜;霜霉病菌;預警系統;主成分分析;經驗模型

由古巴假霜霉菌[Pseudoperonospora cubensis（Berk.&Curt.;） Rostov.]引起的黃瓜霜霉病，是目前葫蘆科作物危害性最嚴重的葉部病害之一。該病害具有潛育期短、發展迅速、再侵染頻繁的特點。在美國、中國、日本、以色列和一些歐洲國家造成嚴重的經濟損失。在我國，設施作物栽培在全國范圍內大面積推廣，日光溫室相對封閉的結構特點，極易滿足黃瓜霜霉病對“中溫高濕”的環境要求，一旦發病未及時處理，后期防治非常困難。傳統的防治主要依賴殺菌劑的定期使用，通常7～14d就要施藥1次，而且見到癥狀后還要增加施藥次數或用量，由于溫室黃瓜采收頻繁，容易造成產品農藥殘留[5]，因此必須做好對初侵染的預測和防治工作。

近年來國內外眾多學者開發了以環境因素為驅動的病害預測模型來指導生產，對病害發生時間和風險進行預測，通過生態防治，在減少施藥的基礎上控制病害的發展。如何自福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10d累積雨日與氣溫的比值、前10d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建模型，對廣州地區黃瓜霜霉病的發展進行預測。徐寧通過接種日至發病日時間、標準累積溫度、標準累積濕度溫、標準累積濕度、標準累積溫濕度積之倒數等多個變量分別構建了塑料大棚黃瓜白粉病、霜霉病預測模型。但預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象，通過主成分分析對預測因子適當的篩選和化簡，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，剔除具有相關性的變量，從而篩選出少數重要綜合變量的多元統計分析方法。其原理是通過數學降維處理，設法將多個原變量重新組合成新的相互無關的幾個綜合變量，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用。

寄主、病原、環境和栽培措施共同構成了溫室黃瓜病害的四面體，病害的發生、發展受到這四類因素的共同作用。鑒于寄主、病原一般在生產上比較穩定，本研究僅考慮了易變、易控的環境和栽培管理措施作為預測因子篩選的范圍，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警系統的構建提供參考。

1 材料與方法

1.1 溫室黃瓜種植

試驗時間為2017年9-11月，試驗地點位于北京市昌平區小湯山精準農業試驗基地（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，并建立生產檔案，如實記錄灌溉、施肥、夜間通風等栽培管理措施。

1.2 溫室環境信息采集

在調查對象溫室中設置自動氣象站，每30min對溫室內的溫度、相對濕度、露點溫度等數據實時觀測并儲存。室外也配有相應的自動氣象站，每h對溫度、相對濕度、雨量等天氣要素進行記錄。數據通過設備上的無線傳輸模塊和手動下載相結合來收集。

1.3 霜霉病調查

每次調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，記錄首次發病的日期（本試驗初顯癥日期為10月1-2日）。此后采取對角線5點取樣，定點定株調查，每點5～10株，周期改為3～4d調查1次，統計發病率并根據GB/T 17980.26-2000對病害嚴重度進行分級和記錄。并在調查期間記錄澆水情況、夜間通風等生產管理措施。

1.4 數據記錄

選取發病前15d溫室內外的環境信息和生產管理信息，X舊平均氣溫/℃（24h溫度的平均值）、X₂日平均相對濕度/%（24h 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15～20℃的時間/h、X₇溫度介于20～25℃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距上一次夜間通風的時間/d，作為日光溫室黃瓜霜霉病初侵染階段的預測因子進行主成分分析。參數計算采用Excel 2007進行。

1.5 數據分析

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據;數據標準化處理;相關性分析;確定主成分個數和各個變量的載荷量。

1.6 經驗模型構建

經驗模型是一種傳統的農業預測手段，具有輸入簡單、運行迅速、應用便捷的特點。筆者通過定性的方法從己有文獻中歸納前人的研究成果和生產經驗，并結合預測因子篩選的結果提出日光溫室黃瓜霜霉病初侵染預測規則。

1.7 模型驗證

選用2006-2007年北京地區日光溫室黃瓜霜霉病實際發生情況作為模型的驗證數據（4棟溫室，每棟溫室選擇5個調查點，共20個調查點）。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R²。另外，為了進一步對模型的準確度、精度、偏差率等指標作出評價，分別引入擬合指數（WAI），置信指數（CI）來描述模型預測的準確度和精度;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計算均方根誤差（RUSE），RUSE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。計算方法如下：

式中：Oi—觀測值;Si—模擬值;Qi—觀測值的離均差;Si—模擬值的離均差;n—樣本總量。

2 結果與分析

2.1 數據的標準化處理

在進行分析前，為了消除各監測數據原始量綱和數量級不相同的影響，要對原始變量數據進行標準化的處理，方法是對同一變量減去其均值再除以其標準差，得到這14個原始變量標準化后的標準變量Z，然后采用SPSS 19.0中的“降維”過程進行主成分分析。

2.2 相關分析

通過相關分析（表1）可以發現，一些變量之間相關系數較大，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等預測因子存在較強的相關性，其相關系數分別為-0.81、-0.69、0.83;平均相對濕度X₂與氣溫-露點差X₃的相關系數也達到了-1.0，說明這些變量存在信息上的重疊，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反映盡量多的信息為原則，主成分個數提取原則有3個：①只取λ>1的特征值對應的主成分;②累計百分比達到80%～85%以上的λ值對應的主成分;③根據特征根變化的突變點決定主成分的數量。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%，此時累計貢獻率己達到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，并計算相應的主成分載荷（表3）。

主成分載荷矩陣體現了各變量與主成分之間的緊密度，某一主成分與某一變量的載荷系數的絕對值越大，則該主成分與變量之間的聯系越緊密，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展的預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%所持續的時間（0.960）、RH≥90%所持續的時間（0.959）、日平均相對濕度（0.929）、氣溫一露點差（-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、氣溫一露點差、夜間相對濕度所反映的溫室內濕度信息綜合指標。

第2主成分占總荷載量的23.52%，其中夜間溫度（0.867）、20～25℃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℃的時間所構成的溫度信息綜合指標。

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系密切。

由結果可以分析出，從以上14組預測因子中，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（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%所持續的時間、夜間溫度以及每次澆水時長。

2.4 經驗模型構建

根據前人的經驗：趙勝榮等發現當RH≥80%的累計時間達到140h，霜霉病的發病率約為20%，病情指數的發展也與RH≥80%累積時間呈顯著正相關;喬曉軍發現夜間相對濕度大于83%，發病率約為28%;且霜霉病的侵染一般發生在夜間，侵染最適溫度為15～20℃。因此，筆者結合前人的研究成果、生產經驗，并綜合預測因子篩選的結果，歸納總結出以下適宜溫室黃瓜霜霉病初侵染階段的預警規則：①自定植1周后開始RH≥80%的累積時間達到200h左右;②夜間相對濕度≥83%，夜間溫度介于15～20℃;③若夜間或傍晚灌水，增加發病概率;滿足以上條件，病害將會在3d內發生。

2.5 模型驗證

采用2006-2007年北京地區日光溫室黃瓜霜霉病發生情況作為模型的驗證數據。如表4所示，20個調查點中滿足生產要求（即命中）的預測頻數為16次，占總體樣本的80%;預測發病日期在實際發病日期之后（即延遲漏報）的預測頻數為4次，占總體樣本的20%，模型預測的準確率較高。

將預測值與實際值進行回歸分析，進一步驗證模型的預測質量。如表5所示，線性回歸的決定系數R²=0.94，置信指數C=0.72，擬合指數W=0.75其絕對值均趨近于1，表明模型擬合效果較好;MBE=-0.7<0說明該模型能夠提供早于實際發病日的預測;預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，說明模型總體預測質量較好，但仍然需要對延遲、漏報的現象進行優化。

3 討論與結論

黃瓜霜霉病的發生、發展與溫、濕度等環境因素關系密切，高濕和葉片上的游離水是抱囊萌發、形成初級侵染結構的必要條件;而溫度則決定了病害發展的速率和嚴重程度。葉片自由水存在的條件下，抱子囊5～32℃均可萌發，適溫在15～20℃;當接種物濃度較高時，最適溫度15～20℃下保濕2h，便可完成侵染過程;如果低于巧℃或高于28℃，則不利于病害的發生發展;且溫、濕度對抱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%左右的中等濕度抱子囊的存活率最低。高濕是發病的最重要條件，或葉片濕潤時間6h以上可誘導抱子囊形成，且相對濕度越大，產抱越多;如果相對濕度低于60%時，則不利于病害的發生。相對濕度在93%以上時，發病嚴重。若陰天或雨天，將迫使種植者減少通風時間以維持棚內溫度，這將產生較高的相對濕度和較長的葉片濕潤時間，導致黃瓜霜霉病發生嚴重;若澆水次數多，或采用大水漫灌、噴灌、夜間灌水等灌溉方式，也造成棚內相對濕度增大，利于霜霉病發生、發展。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。

通過對日光溫室黃瓜霜霉病初侵染階段預測因子的分析，可以看出利用主成分分析的方法能充分的展現出原始數據所包含的信息，通過主成分貢獻率來考量各個變量重要性，具有基于數據的客觀性和全面性，能夠全面地反映各變量對病害發生發展的影響程度。但是病害的發生與否，除了環境條件和管理措施外，還與病原物、易感寄主等密切相關。因此，接下來的研究中，還需采取適當的方法，在預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，以提高預測的準確度。

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，為預測模型的建立及預警系統的開發奠定了基礎。根據主成分分析結果并結合前人的生產經驗提出黃瓜霜霉病預警規則：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15～20℃;若當天灌溉時間較晚，則霜霉病可能發生。筆者使用了2006-2007年北京地區實際發病情況作為模型的驗證數據，預測效果較好，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，應盡量使用不同地區，不同年份的實際發病數據進行驗證，從而提高模型的普適性。