小麥赤霉病自動監測預警系統應用效果評價

宋瑞 王嘉薈 袁冬貞 王保通 范三紅 秦志波 黃沖 劉萬才 胡小平

摘要 2018年在江蘇、陜西、河南、湖北、安徽共18個縣（市）安裝了小麥赤霉病預報器，在周邊設置未防治麥田進行赤霉病調查，并與預警軟件平臺預測結果相比較，評價小麥赤霉自動監測預警系統的準確性。評價結果表明，2018年該系統預測的準確性達71.8%。結合陜西省植保總站、西安市植保站、渭南華州區植保站、商洛洛南縣植保站、安徽鳳臺縣植保站2016年-2018年對該系統的評價結果，證實該系統預測準確性較高，系統工作穩定，自動化程度高，可為小麥赤霉病的科學防控提供重要的參考依據，具有一定的應用前景。

關鍵詞 小麥赤霉病; 自動監測預警; 準確性評價

中圖分類號： S 431.7

文獻標識碼： A

DOI： 10.16688/j.zwbh.2019122

Application effect evaluation of the automatic monitoring and

warning system for Fusarium head blight

SONG Rui1， WANG Jiahui1， YUAN Dongzhen2， WANG Baotong1， FAN Sanhong1，

QIN Zhibo3， HUANG Chong4， LIU Wancai4， HU Xiaoping1

（1. College of Plant Protection， Northwest A & F University， Yangling 712100， China; 2. Shaanxi Provincial Plant

Protection Extension Station， Xian 710003， China; 3. Xian Huangshi Biological Engineering Co.， Ltd.，

Xian 710065， China; 4. National Agricultural Technology Extension and Service Center， Ministry of

Agriculture and Rural Affairs， Beijing 100125， China）

Abstract

In 2018， we installed 18 predictors in Jiangsu， Shaanxi， Henan， Hubei and Anhui to evaluate the prediction accuracy of the system. The prediction results from the system were compared with that achieved from the investigation in un-control fields. Results showed that prediction accuracy of the system reached to 71.8% in 2018. Combined with the evaluation results from Shaanxi Provincial Plant Protection Extension Station， Xian Provincial Plant Protection Extension Station， Huazhou Plant Protection Extension Station in Shaanxi， Luonan Plant Protection Extension Station in Shaanxi and Fengtai Plant Protection Extension Station in Anhui， the accuracy of the system was high， and the system was stable， reliable with high automation level and good application prospect， which can provide important reference for controlling the disease.

Key words

Fusarium head blight; automatic monitoring and warning system; accuracy evaluation

小麥赤霉病（Fusarium head blight）是由禾谷鐮孢Fusarium graminearum及亞洲鐮孢F.asiaticum等多種鐮孢菌引起的世界性真菌病害。在歐洲、北美、南美、亞洲、澳洲等地主產麥區均有分布。在我國尤其是小麥穗期溫潤、多雨的長江流域和沿海地區受害嚴重。但近年來由于全球氣候變暖，玉米小麥或水稻小麥長期輪作和秸稈還田等農藝措施引起病原菌積累，小麥赤霉病危害愈加頻繁。小麥赤霉病不僅能造成產量及品質的損失，其產生的真菌毒素，如脫氧雪腐鐮孢菌烯醇（deoxynivalenol，DON）、玉米赤霉烯酮（zearalenone， ZEN）、雪腐鐮孢烯醇（nivalenol， NIV）等，嚴重影響人畜健康。因此，對小麥赤霉病進行有效防治尤為重要。

小麥赤霉病的發生與菌源、氣候、品種等多種因素相關。赤霉病發病速度快，防治窗口期短。因此，有效防治的關鍵是確定最佳防治時間，這就需要對小麥赤霉病進行科學有效的預報。對此，國內外學者進行了大量的研究。在國外，匈牙利、愛爾蘭、意大利、英國、加拿大、美國科學家[13]根據降雨量、氣溫、相對濕度、葉面濕度等氣象因子，針對DON含量建立了預測模型;阿根廷、加拿大科學家[45]根據溫度、濕度等氣象因子，針對小麥赤霉病病穗率及嚴重度建立了預測模型;美國科學家[68]根據開花前后降雨、溫度、相對濕度持續時間，針對小麥赤霉病發生建立風險評價模型;日本的上田進等[9]根據4月中旬離地50～80 cm處子囊孢子捕捉數量，建立回歸模型來預測赤霉病的病穗率。我國學者除利用溫度、相對濕度、光照強度、降水量[10]等小尺度氣象因子外，還考慮大氣環流[1112]、海溫[1314]、厄爾尼諾[15]等大尺度氣象因子，以及菌源，如3月-4月田間稻樁子囊殼帶菌率[16]、孢子捕捉數量[1718]等，建立小麥赤霉病的預測模型。1993年張文軍就根據菌源量、小麥品種開花期特性、氣象因子等因素建立了關中地區小麥赤霉病的流行動態模型[19]。2015年張平平等建立了基于產殼秸稈密度的關中地區小麥赤霉病病穗率預測模型，并以此為基礎，研制了預報器[2021]，以及基于物聯網的小麥赤霉病自動監測預警系統。

本研究主要目的是對安裝在江蘇、陜西、湖北、河南、安徽等不同生態區的小麥赤霉病預報器的預測準確性、預測系統的穩定性等進行評價，以期為該系統的推廣應用及小麥赤霉病的防控等提供參考。

1 材料與方法

1.1 儀器設備

小麥赤霉自動監測預警系統由小麥赤霉病預報器和預警軟件平臺系統組成（www.cebaowang.com），主要由西北農林科技大學胡小平教授課題組、陜西省植物保護工作總站以及西安黃氏生物工程有限公司共同研制[2021]。預報器應用了GPRS技術、數據自動存儲技術，可實時記錄溫度、相對濕度、葉片表面濕潤時間、降雨量等田間環境因子數據，并可實現數據的遠距離無線傳輸、自動存儲等功能;預警軟件平臺系統可通過內置的預測模型，根據初始菌源量以及麥田環境相關因子實時監測數據，在揚花期前1周預測小麥蠟熟期赤霉病發生程度，并能在監測結果超過防治指標時及時發送警報，指導病害防治。

1.2 初始菌源量調查

根據前茬作物，可分為兩種調查方法。（1）前茬作物為玉米。每個監測點在小麥抽穗始期，隨機選擇5塊麥田（5×667 m2以上），每塊麥田采用大5點取樣法，每個樣點10 m2（2 m×5 m），撿拾玉米殘稈，以每個帶節5～6 cm長的殘稈作為標準樣稈，統計玉米殘稈的數量，并檢查玉米殘桿上是否有子囊殼，計算每個監測點麥田每平方米的產殼玉米秸稈密度（個/m2）。（2）前茬作物為水稻。每個監測點在小麥抽穗始期，隨機選擇5塊麥田（5×667 m2以上），每塊麥田采用大5點取樣法，每個樣點4 m2（2 m×2 m），撿拾水稻殘稈，以整穴稻樁作為標準樣稈，統計水稻殘稈的數量。并檢查水稻殘稈上是否有子囊殼，計算每個監測點麥田每平方米的產殼水稻秸稈密度（叢/m2）。

1.3 病穗率調查及等級劃分

在小麥蠟熟期（5月12日-24日），對江蘇、陜西、湖北、河南、安徽等地主產麥區麥田預報器周邊未防治麥田進行赤霉病病穗調查，每塊麥田隨機選取10個點，每個點選取20株麥穗，記錄病穗數，計算病穗率。根據國標GB/T15796-2011[22]將實際調查病穗率進行流行等級劃分（表1）。

1.4 預測的準確性評價

利用實際調查的小麥赤霉病病穗率與預測的病穗率進行比較，采用肖悅巖[23]的預測預報準確度評價方法即最大誤差參照法檢驗預測的準確度：

式中，R為預測準確度，Fi為預測結果的流行等級值，Ai為實際調查結果的流行等級值，Mi為第i次預測的最大參照誤差，該值為實際流行等級值和最高流行等級值與實際流行等級值之差中最大的值。如實際流行等級值為2，最高流行等級值與實際流行等級值之差為3（赤霉病流行等級最高值為5），那么Mi值為3。一般認為，預測流行等級與實際流行等級差值小于1時，為準確，差值為1時，為基本準確，大于1時為不準確。

2 結果與分析

2.1 初始菌源量調查

2018年3月-4月，各地植保部門按照大五點取樣法調查了江蘇4縣（市）、陜西10縣（市）、湖北2縣（市）、河南1縣和安徽1縣的小麥赤霉病初始菌源量。同時，記錄了當地小麥的前茬作物以及抽穗日期等相關信息（表2）。從表2可以看出，江蘇、安徽初始菌源量普遍偏高;河南、湖北初始菌源量為中等水平;陜西省除華縣、涇陽縣外，其他地區初始菌源量均在1個/m2以下。

2.2 小麥赤霉病病穗率調查

在小麥蠟熟期按照隨機取樣法調查小麥赤霉病的實際病穗率，根據國標GB/T15796-2011將實際調查病穗率進行流行等級劃分，并與預測病穗率及預測流行等級進行比較（表3）。結果發現，河南、安徽、湖北的實際病穗率平均均在29%以上，而江蘇、陜西實際病穗率因縣域不同而差異較大，如渭南市臨渭區的平均病穗率為19%，而蒲城縣為52%。將實際調查病穗率的流行等級與預測病穗率的流行等級相比較，大部分地區預測的流行等級為準確或基本準確。但陜西省的華陰市、大荔縣、華縣、三原縣，湖北省潛江市的預測流行等級為不準確。特別是陜西省的華陰市調查的病穗率流行等級為4級，而預測流行等級為1級，為預測最不準確的縣級市。

2.3 小麥赤霉自動監測預警系統預測準確性評價

將田間實際調查病穗率與預測病穗率轉換的流行等級值按照肖悅巖[23]建立的預測預報準確性評價方法進行計算，得到2018年小麥赤霉病自動監測預警系統的預測準確率為71.8%，對小麥赤霉病的防控具有一定的指導意義。

3 討論

2012年胡小平教授課題組研發出我國首款小麥赤霉病自動監測預報器，這款預報器只需要輸入初始菌源與抽穗期，就可實現小麥赤霉病的自動監測預警，目前已推廣至陜西、內蒙古、河南、山西、安徽、江蘇、山東、湖北、青海等省/自治區。2016年，陜西省植物保護工作總站對陜西關中地區該系統的預報準確性進行了評價，預測準確率為94.4%[24];2017年，陜西省渭南市華州區植保站及安徽省淮南市鳳臺縣植保站分別對預報的準確性進行了評價，準確率分別為96%[25]和100%[26];2018年，陜西省商洛市洛南縣植保站和西安市植保站分別對預報的準確性進行了評價，準確率分別為80%[27]和100%[28]。但上述研究均是針對局部地區預測準確性評價，對于大范圍不同生態區域尚未見研究報道。本研究通過調查并統計江蘇、陜西、湖北、河南、安徽5省的赤霉病病穗率，與預測結果進行比較，并利用肖悅巖的最大誤差參照法[23]對小麥赤霉病自動監測預警系統綜合評價，準確率為71.8%。

小麥赤霉病自動監測預警系統是基于環境因子及菌源量等相關因子建立的。因此，即使是同一市，由于小氣候的影響，環境因子出現差異，該系統也能通過預報器實時記錄周邊的環境因子數據，從而進行準確的預測。例如陜西省渭南市臨渭區預測流行等級為1級，同市蒲城縣預測流行等級為5級。經過實際調查發現，臨渭區實際流行等級為2級，蒲城縣實際流行等級為5級。由此表明，該系統能夠準確預測預報器周邊麥田病穗率，指導病害防治。但是對于同一生態區域預報器預測的范圍，需要進一步研究。

2018年，該系統預測準確性較往年偏低，誤差主要來源于陜西省部分監測點，若除去陜西省數據，準確率上升至83.3%，而陜西關中地區10個監測點的預測準確率僅為62.5%，這可能與多種因素相關，可能是因為初始菌源量、儀器安放位置等因素的影響，也有可能是品種抗病性的差異所致。

參考文獻

[1] XU Xiangming， MADDEN L V， EDWARDS S G， et al. Developing logistic models to relate the accumulation of DON associated with Fusarium head blight to climatic conditions in Europe [J]. European Journal of Plant Pathology， 2013， 137： 689706.

[2] HOOKER D C， SCHAAFSMA A W， TAMBURIC-ILINCIC L. Using weather variables pre and post-heading to predict deoxynivalenol content in winter wheat [J]. Plant Disease， 2002， 86： 611619.

[3] NITA M， DE WOLF E， MADDEN L V， et al.Use of mechanistic simulation models to predict disease intensity of Fusarium head blight and deoxynivalenol concentration [J]. Phytopathology， 2008， 98： S113.

[4] MOSCHINI R C， PIOLI R， CARMONA M， et al. Empirical predictions of Fusarium head blight in the northern Argentinean Pampas region [J]. Crop Science， 2001， 41： 15411545.

[5] TURKINGTONT K， OLFERTO O， WEISSR M， et al.Forecasting the potential distribution and severity of Fusarium head blight in the prairie region of Canada， using CLIMEXTM modelling and historical and future weather conditions [J]. Canadian Journal of Plant Pathology， 2004， 26（3）： 425.

[6] DE WOLF E D， MADDEN L V，LIPPS P E. Risk assessment models for wheat Fusarium head blight epidemics based on within-season weather data[J]. Phytopathology， 2003， 93： 428435.

[7] SHAH D A， MOLINEROS J E， PAUL P A， et al. Predicting Fusarium head blight epidemics with weather-driven pre and post-anthesis logistic regression models [J]. Phytopathology， 2013， 103： 906919.

[8] MADDEN L V， PAUL P A. Assessing heterogeneity in the relationship between wheat yield and Fusarium head blight intensity using random-coefficient mixed models [J]. Phytopathology， 2009， 99： 850860.

[9] 上田進. 麥類赤霉病的預測[J].農業與園藝， 1973， 48（6）： 843844

[10]肖晶晶， 霍治國， 李娜， 等. 小麥赤霉病氣象環境成因研究進展[J]. 自然災害學報， 2011， 20（2）： 146152.

[11]徐崇浩， 何險峰， 劉富明， 等. 四川小麥赤霉病流行的氣象條件及其時空分布規律和大氣環流背景[J]. 西南農業學報， 1996， 9（3）： 6067.

[12]湯志成， 居為民. 地球極移變形力及大氣環流因子在小麥赤霉病預報中的應用[J]. 植物保護， 1989， 15（2）： 58.

[13]居為民， 高蘋. 赤道太平洋海溫異常對太湖地區小麥赤霉病的影響[J]. 氣象科學， 2000， 20（4）： 511515.

[14]高蘋， 居為民， 陳寧， 等. 人工神經網絡方法在赤霉病預報中的應用研究[J]. 中國農業氣象， 2001， 22（2）： 2225.

[15]姚彩文， 趙圣菊， 楊素欽. 厄爾尼諾現象與小麥赤霉病流行初探[J]. 病蟲測報， 1988（1）： 6062.

[16]陳將贊，戴以太，楊廉偉. 小麥赤霉病病穗率的預測模型[J]. 浙江農業科學， 2019， 60（1）： 9394.

[17]張漢琳. 氣象因素與麥類赤霉病群體流行波動的研究[J]. 氣象學報， 1987，45（3）： 338345.

[18]章強華. 麥類赤霉病流行電算模擬模型的設想[J]. 病蟲測報參考資料， 1981（2）： 715.

[19]張文軍. 小麥赤霉病流行動態的控制論模型[J]. 生物數學學報， 1996，11（3）：111116.

[20]張平平， 宋金東， 馮小軍， 等. 關中麥田產殼玉米秸稈密度與小麥赤霉病穗率的關系[J]. 麥類作物學報， 2015， 35（7）： 10221028.

[21]張平平. 關中地區小麥赤霉病預測系統. [D]. 楊凌： 西北農林科技大學， 2015.

[22]中華人民共和國農業部. 小麥赤霉病測報技術規范：GB/T 15796-2011 [S].北京：中國標準出版社，2001.

[23]肖悅巖. 預測預報準確度評估方法的研究[J]. 植保技術與推廣， 1997， 17（4）： 36.

[24]袁冬貞，崔章靜，楊樺，等. 基于物聯網的小麥赤霉病自動監測預警系統應用效果[J]. 中國植保導刊， 2017， 37（1）： 4651.

[25]郭蕾. 渭南市華州區小麥赤霉病遠程實時監測預警系統試驗[J]. 農業科技通訊， 2017（10）： 8789.

[26]孫友武， 蔡廣成， 夏風，等. 小麥赤霉病自動監測預警系統的應用效果[J]. 安徽農業科學， 2018， 46（16）： 143144.

[27]楊慧霞， 梁曉青， 陳恩霞， 等. 洛南縣小麥赤霉病遠程實時監測預警系統試驗研究[J]. 基層農技推廣， 2018， 6（12）： 2931.

[28]楊潔，徐進，張小飛，等. 西安地區小麥赤霉病自動監測預警系統應用效果[J]. 中國植保導刊， 2019， 39（2）： 5052.

（責任編輯：楊明麗）

收稿日期： 20190312?? 修訂日期： 20190505

基金項目：國家重點研發計劃（2018YFD0200402，2016YFD0300700）;陜西省農業科技創新與轉化項目（NYKJ-2016-02）;農作物病蟲鼠害疫情監測與防治

致? 謝： 參加本試驗部分工作的還有江代禮、譚翰杰、張能和紀燁斌等同學，特此一并致謝。

通信作者E-mail：xphu@nwsuaf.edu.cn

#為并列第一作者