2022年-2023年基于物聯網的小麥赤霉病自動監測預警系統應用效果評價

摘要

2022年和2023年調查了安徽、江蘇、湖北、河南和陜西共11個縣（市）的小麥赤霉病實際發生情況，通過與小麥赤霉病自動監測預警系統的預測結果相比較，評價了該系統的預測準確度。結果表明，2022年除江蘇洪澤外，其余地區預測準確度平均為92.5%;2023年除湖北南漳外，其余地區預測準確度平均為97.5%。2022年和2023年水稻小麥輪作冬麥區預測準確度分別為100%和95%，玉米小麥輪作冬麥區預測準確度分別為85%和100%，該系統在水稻小麥和玉米小麥輪作冬麥區的預測準確度分別97.5%和92.5%，系統運行穩定，可有效指導小麥赤霉病的防控工作。

關鍵詞

小麥赤霉病;"物聯網;"自動監測預警;"準確度評價

中圖分類號：

S"431.9

文獻標識碼："A

DOI："10.16688/j.zwbh.2023666

Evaluation"of"the"application"effect"of"the"automatic"monitoring"and"warning"system"for"Fusarium"head"blight"based"on"the"internet"of"

things"in"2022"and"2023

TIAN"Jing1，"WANG"Qiang1，"ZHOU"Jia1，"HUANG"Weili2，"HU"Xiaoping1*

（1."Key"Laboratory"of"Plant"Protection"Resources"and"Pest"Management，"Ministry"of"Education，"Key"Laboratory"of"

Integrated"Pest"Management"on"Crops"in"Northwestern"Loess"Plateau，"Ministry"of"Agriculture"and"Rural"

Affairs;"College"of"Plant"Protection，"Northwest"A"amp;"F"University，"Yangling"712100，"China;"

2."Xi’an"Huangshi"Biological"Engineering"Co.，"Ltd.，"Xi’an"710065，"China）

Abstract

In"2022"and"2023，"an"investigation"was"conducted"on"the"actual"occurrence"of"Fusarium"head"blight"in"11"counties"（cities）"in"Anhui，"Jiangsu，"Hubei，"Henan，"and"Shaanxi，"and"the"accuracy"of"the"prediction"of"Fusarium"head"blight"automatic"monitoring"and"warning"system"was"evaluated"by"comparing"with"the"prediction"results"of"the"system."The"results"showed"that"in"2022，"except"for"Hongze"in"Jiangsu，"the"average"prediction"accuracy"in"other"areas"was"92.5%."In"2023，"except"for"Nanzhang，"Hubei，"average"the"prediction"accuracy"in"other"regions"was"97.5%."The"accuracy"in"winter"wheat"areas"under"ricewheat"rotation"in"2022"and"2023"was"100%"and"95%，"respectively，"while"that"under"cornwheat"rotation"was"85%"and"100%，"respectively."The"prediction"accuracy"of"the"system"in"the"rice"wheat"and"corn"wheat"rotation"winter"wheat"areas"was"97.5%"and"92.5%，"respectively."The"system"operates"stably，"which"can"effectively"guide"the"prevention"and"control"of"Fusarium"head"blight.

Key"words

Fusarium"head"blight;"internet"of"things;"automatic"monitoring"and"warning"system;"accuracy"evaluation

小麥赤霉病（Fusarium"head"blight）是由多種鐮孢菌引起的一種流行性病害，是麥類作物上最具破壞力的病害之一，被認為是限制小麥和大麥生產的最主要原因［12］。20世紀后，該病害在全球主要小麥產區如中國、美國、英國、日本、巴西、加拿大、阿根廷和澳大利亞等地均有發生，給各國的糧食生產造成巨大經濟損失［34］。此外，赤霉病菌產生的脫氧雪腐鐮孢菌烯醇（deoxynivalenol，DON）、雪腐鐮孢烯醇（nivalenol，NIV）和玉米赤霉烯酮（zearalenone，ZEN）等多種真菌毒素對人畜有毒［5］。在我國，赤霉病主要發生在溫暖濕潤的長江中下游冬麥區，但近年來隨著氣候變化和耕作制度變革，赤霉病已呈現出北擴西移的趨勢，黃淮麥區已成為我國赤霉病常發區。自2000年以來，我國小麥赤霉病于2003年、2010年、2012年、2015年、2016年和2018年6次大流行，造成巨大產量損失［67］。

小麥赤霉病發病速度快，防治窗口期極短，最佳防治時期是在小麥揚花初期病原菌侵染之前，及時準確的預測預報是該病害防控的關鍵。赤霉病的發生往往受到初始菌源量、氣候條件、品種特性、栽培方式和耕作制度等多種因素的影響［811］。國內外學者對赤霉病監測預警開展了廣泛的研究，美國、加拿大、意大利、日本等國的學者根據溫度、相對濕度、降雨天數等關鍵氣象因子分別建立了關于赤霉病發生和產生真菌毒素風險的預測模型。Moschini等［12］基于氣象數據建立了阿根廷的小麥赤霉病發病率預測模型，成功實現了對該地1991年-1993年小麥赤霉病發病率的局部預測;意大利學者Rossi等［13］結合孢子量和相關氣象因子建立了小麥赤霉病風險分析模型，可較準確地計算每日感染風險;加拿大學者Hooker等［14］建立了以降雨量≥5"mm的天數和平均氣溫＜10℃的天數為關鍵因子的DON含量（μg/g）預測模型，濃度lt;1.0"μg/g時，DON可被該模型準確預測。在我國，商鴻生等［15］根據氣象因子、地下水位等因素對關中地區小麥赤霉病進行流行性分區，為小麥赤霉病分區處理提供了依據;周華月［16］根據病原菌子囊孢子數與病穗率的關系建立了預測模型，所得預測結果和田間實際發病情況相一致;高崎等［17］依據抽穗后10"d內的降雨量、降雨日期和平均氣溫建立了準確度較高的病穗率預測模型;周世明等［18］建立了病原菌孢子數量與流行程度的關系，發現可用孢子數和流行程度的關系來預測赤霉病的發生情況;張文軍［19］根據孢子密度、降雨日期及天數、小麥抽穗和揚花日期，建立了關中地區準確度較高的小麥赤霉病流行動態模擬模型，但將其投入實際生產難度較大;韓長安等［20］建立了以關鍵時期的相對濕度、降雨量、相對濕度大于90%天數和最低溫度平均值等為關鍵因子的病穗率預測模型，預測準確度達85.7%。但前人研究多是針對局部地區建立基于氣象因子的赤霉病預測模型，對于大范圍不同地區的預測模型報道較少。西北農林科技大學作物病害監測與治理團隊基于菌源和氣象因子構建了用于不同地區的小麥赤霉病自動監測預警系統［2123］。本研究主要目的是對小麥赤霉病自動監測預警系統在安徽、湖北、江蘇、河南和陜西5省11個縣（市）的預測準確度進行評價，以期明確該系統在不同地區的應用效果，為各地區小麥赤霉病的科學精準防控提供參考。

1"材料與方法

1.1"儀器設備

小麥赤霉病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（https：∥www.cebaowang.com/），可實時監測并采集溫度、降雨量、相對濕度、葉片表面濕潤時間及日照時長等田間環境因子數據，通過GPRS技術和數據自動存儲技術將數據傳輸并保存至分析系統平臺。預警系統內置的預測模型對各項數據進行模擬，在揚花期前１周自動預測小麥蠟熟期赤霉病發生程度，若檢測結果超過防治指標，平臺會發出警報，對病害防治工作進行及時指導［2123］。

1.2"初始菌源量調查

初始菌源量調查以前茬作物為前提。若前茬作物為玉米，于小麥抽穗始期在監測點附近隨機選擇5塊麥田（每塊田667"m2以上），采用五點取樣法統計每個樣點（2"m×5"m）的玉米殘稈數量，并觀察是否有子囊殼，選取每個帶節長度為5～6"cm的殘稈作為統計標準，計算每塊麥田的產殼玉米秸稈密度（個/m2）。若前茬作物為水稻，于小麥抽穗始期在監測點附近隨機選擇5塊麥田（每塊田667"m2以上），采用五點取樣法統計每個樣點（2"m×2"m）的水稻殘稈數量，并觀察是否有子囊殼，選取整穴稻樁作為統計標準，計算每塊麥田的產殼水稻秸稈密度（叢/m2）。

1.3"病穗率調查及等級劃分

小麥蠟熟期采用隨機取樣法對安徽、江蘇、湖北、河南和陜西等5省主產麥區赤霉病預報器周圍的未防治麥田進行病穗率調查（表1）。每個樣點隨機選取麥穗20～60個，記錄調查小麥穗數、發病小麥穗數，計算小麥赤霉病的病穗率。病穗率=（發病小麥穗數/調查小麥穗數）×100%。根據《中華人民共和國國家標準GB/T"157962011小麥赤霉病測報技術規范》［24］對實際調查病穗率進行流行等級劃分，病穗率（DF）≤0.1%，0級，不發生;0.1%＜DF≤10%，1級，輕發生;10%＜DF≤20%，2級，偏輕發生;20%＜DF≤30%，3級，中等發生;30%＜DF≤40%，4級，偏重發生;DF＞40%，5級，大發生。

1.4"預測結果的準確度評價

比較小麥赤霉病實際流行等級與預測流行等級，參照肖悅巖［25］的最大誤差參照法對預測結果進行準確度評價：

R=1n∑ni=11-|Fi-Ai|Mi×100%

式中，R：預測準確度;Fi：預測流行等級;Ai：實際流行等級;Mi：第i次預測的最大參照誤差，即為實際流行等級值和最高流行等級值（赤霉病流行等級最高值為5）與實際流行等級值之差中較大的值。

2"結果與分析

2.1"初始菌源量調查

對安徽、江蘇、湖北、河南以及陜西等5省小麥主產區麥田進行初始菌源量和抽穗日期調查（表2），結果表明，2022年在水稻小麥輪作區，江蘇洪澤、江蘇姜堰、湖北天門及湖北南漳初始菌源量分別為8.84、6.10、5.00叢/m2和5.00叢/m2，江蘇張家港為4.50叢/m2，安徽鳳臺為2.60叢/m2;在玉米小麥輪作區，初始菌源量普遍低，均低于1.00個/m2;2023年在水稻小麥輪作區，江蘇姜堰初始菌源量為5.83叢/m2。湖北天門和湖北南漳初始菌源量為5.00叢/m2，其他地區初始菌源量在1.00～3.20叢/m2之間，玉米小麥輪作區初始菌源量均低于1.00個/m2。

2.2"病穗率及病害流行等級

小麥蠟熟期時，采用隨機取樣法對赤霉病實際病穗率進行調查統計，并參照國標GB/T"157962011［24］對實際病穗率進行流行等級劃分，比較預測的病穗率、流行等級與田間實際病穗率和流行等級的接近程度（表3、表4）。結果表明，2022年湖北南漳的小麥赤霉病發生最嚴重，實際病穗率為26.67%，流行程度為3級，其余地區的實際病穗率均在0.20%～10.00%之間，流行程度為1級。除江蘇洪澤、陜西武功外，其余地區預測病穗率與實際病穗率基本一致。2023年江蘇洪澤、湖北天門、陜西武功實際病穗率分別為42.58%、49.84%和40.27%，流行程度均為5級，湖北南漳病穗率為18.64%，流行程度為2級，其余地區的病穗率均在10%以下，流行程度為0～1級。除湖北南漳外，其余地區預測病穗率與實際病穗率基本一致。

2.3"預測準確度評價

根據肖悅巖［25］的最大誤差參照法，將田間實際調查流行等級與預測流行等級代入評價方法計算得到2022年和2023年小麥赤霉病自動監測預警系統的預測準確度均較高，2022年，除江蘇洪澤外，其余地區預測準確度平均為92.5%;2023年，除湖北南漳外，其余地區預測準確度平均為97.5%。在水稻小麥輪作的安徽、江蘇及湖北省和玉米小麥輪作的河南、陜西省，預測準確度均較高，2022年和2023年水稻小麥輪作冬麥區預測準確度分別為100%和95%，玉米小麥輪作冬麥區預測準確度分別為85%和100%，該系統在水稻小麥和玉米小麥輪作冬麥區的預測準確度分別97.5%和92.5%。

3"結論與討論

小麥赤霉病的發生給各國糧食生產和食品安全造成巨大威脅，科學及時的預測預報無疑是做好麥類作物赤霉病防控的重要途徑［26］。1979年以來，西北農林科技大學作物病害監測與治理團隊一直致力于小麥赤霉病流行學及監測預警研究，2012年該團隊研發了我國首款小麥赤霉病自動監測預報器，并利用物聯網與云計算技術開發了小麥赤霉病自動監測預警系統。

2016年，陜西省植物保護工作總站對陜西省關中地區進行了小麥赤霉病自動監測預警系統的測試，預測準確度達94.4%［6］;2017年，陜西省渭南市華州區植保植檢站及安徽省鳳臺縣植保植檢站評價該系統的預測準確度分別為96%和100%［2728］;2018年，陜西省商洛市洛南縣植保站、西安市植保站及河南省平輿縣植物保護植物檢疫站評價該系統的預測準確度分別為80%、100%和90.95%［2931］;2019年，對安徽、江蘇、湖北、河南等4省的預報器進行了預測準確度評價，綜合預測準確度為83.3%［32］;2019年-2020年，對安徽貴池區赤霉病監測預警系統準確度進行了評價，預測準確度為100%［33］。本研究調查統計了2022年-2023年安徽、江蘇、湖北、河南和陜西等5省主產麥區的赤霉病發病情況，與系統預測結果對比發現，預測準確度均較高，分別為92.5%和97.5%。綜合分析多年的預測預報結果，可表明該小麥赤霉病自動監測預警系統運行穩定，自動化程度高，預測結果準確度高，對開展精準防控小麥赤霉病工作可起到一定的指導作用。

本研究對2022年、2023年該系統的預測準確度做出評價，發現2022年江蘇洪澤、2023年湖北南漳的實際病穗率均小于預測病穗率，主要是因為農戶在小麥揚花期進行了噴藥防治，赤霉病發生不嚴重，導致預測準確度均為0%，故無法用于系統的預測準確度評價計算。此外，2022年，陜西武功預測結果不準確，預測準確度均為50%，一方面可能是與菌源量、品種抗性、儀器安放地理位置等因素密切相關;另一方面可能是因為赤霉病病原菌種類多樣且分布廣泛，其侵染循環過程與氣象因子息息相關，受小氣候影響，導致預測結果與病害實際發生情況不符。

小麥赤霉病是具有地域特性的流行性病害，多年來，許多學者運用不同的方法建立了小麥赤霉病預測模型。但因地域特性幾乎都不適用于其他麥區［12，3435］。在我國以水稻小麥輪作的長江中下游麥區，多名學者運用不同的氣象因子和統計方法進行赤霉病預測，準確度較高，但均不適用于以玉米小麥輪作的黃淮海麥區［3640］。本研究對不同地區的小麥赤霉病自動監測預警系統進行準確度評價，發現水稻小麥輪作冬麥區小麥赤霉病發生情況預測準確度高于玉米小麥輪作冬麥區，分別97.5%和92.5%，這可能與不同地區降雨量的時空變化有關。該系統在水稻小麥和玉米小麥輪作冬麥區的預測準確度均較高，表明該系統可對不同地區的赤霉病發生情況進行精準、高效的自動化預測預報，為赤霉病科學、有效的防控提供參考。

參考文獻

［1］"BAI"Guihua，"SU"Zhenqi，"CAI"Jin."Wheat"resistance"to"Fusarium"head"blight"［J］."Canadian"Journal"of"Plant"Pathology，"2018，"40（3）："336346.

［2］"張昊，"陳萬權."小麥赤霉菌群體結構和病害監控技術研究進展［J］."植物保護學報，"2022，"49（1）："250262.

［3］"XU"Xiangming，"NICHOLSON"P."Community"ecology"of"fungal"pathogens"causing"wheat"head"blight"［J］."Annual"Review"of"Phytopathology，"2009，"47（1）："83103.

［4］"LEGRAND"F，"PICOT"A，"COBODAZ"J"F，"et"al."Challenges"facing"the"biological"control"strategies"for"the"management"of"Fusarium"head"blight"of"cereals"caused"by"F."graminearum［J］."Biological"Control，"2017，"113："2638.

［5］"PESTKA"J，"SMOLINSKI"A."Deoxynivalenol："toxicology"and"potential"effects"on"humans"［J］."Journal"of"Toxicology"and"Environmentalnbsp;Health，"2005，"8（1）："3969.

［6］"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.

［7］"黃沖，"劉萬才，"姜玉英，"等."小麥赤霉病物聯網實時監測預警技術試驗評估［J］."中國植保導刊，"2020，"40（9）："2832.

［8］"黃亞軍，"黃海燕."小麥赤霉病頻繁爆發危害的原因及防控探討［J］."農業與技術，"2018，"38（21）："3536.

［9］"KOCH"H"J，"PRINGAS"C，"MAERLAENDER"B."Evaluation"of"environmental"and"management"effects"on"Fusarium"head"blight"infection"and"deoxynivalenol"concentration"in"the"grain"of"winter"wheat"［J］."European"Journal"of"Agronomy，"2006，"24（4）："357366.

［10］SUPRONIENE"S，"KADZIENE"G，"IRZYKOWSKI"W，"et"al."Weed"species"within"cereal"crop"rotations"can"serve"as"alternative"hosts"for"Fusarium"graminearum"causing"Fusarium"head"blight"of"wheat"［J］."Fungal"Ecology，"2018，"37："3037.

［11］VALERIA"S，"GABRIELLA"A，"GASPARE"C，"et"al."Climate，"soil"management，"and"cultivar"affect"Fusarium"head"blight"incidence"and"deoxynivalenol"accumulation"in"durum"wheat"of"southern"Italy"［J/OL］."Frontiers"in"Microbiology，"2016，"7："1014."DOI："10.3389/fmicb.2016.01014.

［12］MOSCHINI"R"C，"FORTUGNO"C."Predicting"wheat"head"blight"incidence"using"models"based"on"meteorological"factors"in"Pergamino，"Argentina"［J］."European"Journal"of"Plant"Pathology，"1996，"102（3）："211218.

［13］ROSSI"V，"GIOSU"S，"PATTORI"E，"et"al."A"model"estimating"the"risk"of"Fusarium"head"blight"on"wheat"［J］."EPPO"Bulletin，"2003，"33（3）："421425.

［14］HOOKER"D"C，"SCHAAFSMA"A"W，"TAMBURICILINCIC"L."Using"weather"variables"pre"and"postheading"to"predict"deoxynivalenol"content"in"winter"wheat"［J］."Plant"Disease，"2002，"86（6）："611619.

［15］商鴻生，"王樹權，"陸和平."陜西關中小麥赤霉病發生規律的研究［J］."西北農林科技大學學報（自然科學版），"1980（3）："2736.

［16］周華月."用三月下旬子囊孢子捕捉數預測小麥赤霉病［J］."植物保護，"1983（2）："23.

［17］高崎，"登美雄，"何錦豪."利用氣象預測麥類赤霉病的發生［J］."麥類作物學報，"1984（2）："4345.

［18］周世明，"吳蔚，"汪樹俊."小麥赤霉病菌空中孢子捕捉技術在流行預測上的應用［J］."病蟲測報，"1989（1）："4546.

［19］張文軍."小麥赤霉病流行模擬與藥劑防治決策系統研究［D］."楊凌："西北農林科技大學，"1993.

［20］韓長安，"鄒光中，"王志平."小麥赤霉病發生和危害程度的預測模式［J］."上海農業學報，"1994，"10（2）："6770.

［21］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.

［22］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.

［23］邢瑜琪."稻麥輪作區小麥赤霉病的監測與預警［D］."楊凌："西北農林科技大學，"2021.

［24］中華人民共和國農業部."小麥赤霉病測報技術規范："GB/T."157962011"［S］."北京：中國標準出版社，"2011.

［25］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.

［26］胡小平，"戶雪敏，"馬麗杰，"等."作物病害監測預警研究進展［J］."植物保護學報，"2022，"49（1）："298315.

［27］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.

［28］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.

［29］馮賀奎，"王付群，"劉廣峰，"等."淮河平原麥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（5）："4245.

［30］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.

［31］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.

［32］宋瑞，"王嘉薈，"袁冬貞，"等."小麥赤霉病自動監測預警系統應用效果評價［J］."植物保護，"2020，"46（3）："215219.

［33］邢瑜琪，"姚衛平，"戶雪敏，"等."基于監測預警的小麥赤霉病藥劑防治效果評價［J］."植物保護，"2021，"47（6）："323326.

［34］DE"WOLF"E"D，"MADDEN"L"V，"LIPPS"P"E."Risk"assessment"models"for"wheat"Fusarium"head"blight"epidemics"based"on"withinseason"weather"data"［J］."Phytopathology，"2003，"93（4）："428435.

［35］DLAMINI"W"M."A"data"mining"approach"to"predictive"vegetation"mapping"using"probabilistic"graphical"models"［J］."Ecological"Informatics，"2011，"6（2）："111124.

［36］黃渭滸."濕積溫在小麥赤霉病流行預測及防治決策中的應用［J］."植物保護，"1988，"14（6）："57.

［37］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.

［38］趙圣菊，"姚彩文."小麥赤霉病流行程度海溫預報模式的研究［J］."植物病理學報，"1989，"19（4）："3944.

［39］馮成玉，"張光旺，"劉建邦，"等."濕段天氣在小麥赤霉病定量預報中的應用［J］."植物保護學報，"1998，"25（3）："231234.

［40］居為民，"高蘋，"武金崗."太湖地區小麥赤霉病與ENSO事件之關系及其預報［J］."科技通報，"2001，"17（3）："2226.

（責任編輯：田"喆）