2018年-2019年重庆蚕豆赤斑病发生情况及预测模型的建立

龙珏臣, 杜成章, 王 萍, 张晓春, 刘剑飞, 张微微,王 强, 刘帮银, 余雪源, 陈 红, 张继君*

(1. 重庆市农业科学院, 重庆 400050; 2. 重庆市合川区经济作物发展指导站, 重庆 401520;3. 重庆市合川区粮油作物发展指导站, 重庆 401520)

蚕豆ViciafabaL.是世界主要的食用豆类之一,具有较高的蛋白含量,籽粒蛋白含量可达24%～35%,是人类和动物的重要蛋白和营养来源[1],同时其较强的固氮能力在轮作倒茬、培肥地力等方面发挥着重要作用[2]。目前大约有55个国家种植蚕豆,全球产量在420万t左右[3]。中国是蚕豆生产大国,种植面积和总产量分别占世界的53%和61%[4-5],我国的蚕豆生产区分为秋播区和春播区,秋播区分布于南方各省,而春播区分布于北方各省,具有南方多,北方少,秋播多,春播少,平原多,山地少,水稻产区多,杂粮产区少的特点[6]。重庆地区属秋播蚕豆区,各区县均有种植,种植面积在11.3万hm2左右。生产中蚕豆赤斑病的发生严重影响了产业大户的种植积极性,阻碍了蚕豆产业的健康发展。

蚕豆赤斑病是世界各蚕豆产区的主要病害之一[7-8],在我国蚕豆各主产区中,赤斑病均广泛发生,特别是东南沿海和长江流域各地区[8]。有研究表明,重茬、荫蔽、低洼潮湿、雨量大、光照时间短等因素均有助于蚕豆赤斑病的发生[9]。同时,田间的湿度和温度对赤斑病的发生影响很大,一定的空气湿度和寄主组织表面的水膜是导致病菌孢子萌发以及侵染的必要条件,蚕豆在进入开花期后,植株的抗病能力减弱,容易被病菌侵染导致发病[10]。轮作、推迟播种期以及使用杀菌剂等措施对赤斑病的防控只能起到部分效果[11],赤斑病进入高发阶段后,防控难度大,且成本高,因此在病害大规模发生前及时采取防控措施是控制赤斑病发生的关键。

目前,针对蚕豆赤斑病发生规律与气象因子的相关性分析未见报道,各蚕豆产区不同的生态类型,导致病害防控的关键时期不同,此外,蚕豆赤斑病的预测模型尚未建立。本研究于2018年和2019年调查了重庆地区分布于4个自然生态区[12]29个区县的蚕豆赤斑病病情指数,并结合气象因子开展相关研究,旨在明确重庆地区不同自然生态区间蚕豆赤斑病的病情指数差异,同时结合气象因子进行相关性分析和回归分析,初步建立蚕豆赤斑病发生的预测模型,为构建全国范围内的蚕豆赤斑病预测模型提供理论依据。

1 材料与方法

1.1 调查地点和方法

根据重庆地区蚕豆种植现状,在29个区县设置固定调查点,每个区县2个调查点,连续2年调查蚕豆赤斑病发生情况(表1)。于2018年4月20日至4月25日和2019年4月17日至4月22日,在所选区县挑选2个乡镇,每个乡镇选取当地农户自留蚕豆品种为调查对象。每个调查点为海拔低于500 m且面积不小于50 m2的净作蚕豆田块,随机取30个单株调查发病叶片数及叶片病斑面积,计算病情指数。

表1 58个调查点的位置信息

续表1 Table 1(Continued)

病情指数(DI)=Σ (各级病叶数×各级代表值)/(调查总叶数×最高级代表值)×100。

1.2 发病等级记载标准及方法

蚕豆赤斑病发病等级统计方法参照梁训义等的方法[13](表2)。

表2 蚕豆赤斑病发病等级评价标准

1.3 数据分析

气象数据来自重庆市气象局,以30个气象因子为自变量,蚕豆赤斑病病情指数为因变量(表3),利用DPS 10.8对各气象因子和病情指数进行Pearson相关性分析、通径分析及回归分析。

表3 用于与蚕豆赤斑病病情指数相关分析的各气象因子与变量

2 结果与分析

2.1 重庆各区县蚕豆赤斑病发病情况

调查的29个区县均有蚕豆赤斑病发生,2018年的病情指数为41.6～74.1,城口县的病情最轻,忠县发病最重。2019年的病情指数为40.2～74.6,城口县的病情最轻,长寿区发病最重(表4)。

统计结果显示,四川盆地农业生态区2018年蚕豆赤斑病平均病情指数为61.74,2019年该病发生较轻,平均病情指数为54.1,除璧山区外,其余区县2019年发病均较2018年轻。2年中,三峡库区平行岭谷农林复合生态区在4个自然生态区中蚕豆赤斑病发病最重,2018年的平均病情指数为66.9,2019年发生较重,平均病情指数为69.9,除忠县外,其余区县2019年蚕豆赤斑病发病均较2018年重。秦巴山地常绿阔-落叶林生态区2年均为4个自然生态区中发病最轻,2018年平均病情指数为50.3,2019年较轻,为44.3,除奉节县外,其余县2019年均较2018年轻,城口县连续2年病情发生均最轻。渝东南湘西及黔鄂山地常绿阔叶林生态区,2018年平均病情指数为56.1,2019年发病较重,为61.0,除彭水县、丰都县和黔江区外,其余区县2019年赤斑病发病均较2018年重。

2.2 各气象因子与病情指数的相关性分析

30个气象因子与病情指数之间的相关性分析结果表明,11月平均风速(X7)和1月平均风速(X9)与赤斑病的病情指数呈显著负相关(R=-0.452，-0.731),1月相对湿度(X27)、11月相对湿度(X25)、2月相对湿度(X28)、12月相对湿度(X26)与病情指数均呈显著正相关(R=0.78、0.77、0.742、0.738)(图1)。

2.3 各气象因子与病情指数的通径分析

通径分析结果表明(表5),1月相对湿度(X27)对蚕豆赤斑病的病情发展影响最大,且为正向效应,直接通径系数达到了1.146 0,其次3月降水量(X23)，直接通径系数为0.682 5,对蚕豆赤斑病病情发展呈正向效应,再次为1月平均风速(X9)、3月相对湿度(X29)、11月平均风速(X7)和12月平均气温(X2)。直接通径系数分析结果表明,1月相对湿度、1月平均风速、3月降水量、3月相对湿度对蚕豆赤斑病病情发生程度起到主导作用。

表4 重庆29个区县赤斑病2018年和2019年蚕豆赤斑病发病情况

间接通径系数最大的是X29→X27,达到0.595 4,这表明3月相对湿度通过1月相对湿度对病情指数有正向效应。其次是X2→X27的间接通径系数,达-0.593 6,这表明12月平均气温通过与1月相对湿度产生协同效应,加重了1月相对湿度对蚕豆赤斑病病情发展的影响。再次是X23→X27的间接通径系数,为-0.573 1,这表明3月降水量通过1月相对湿度,对蚕豆赤斑病的病情发展有负向效应。X9→X27的间接通径系数为-0.427 5,这表明1月平均风速通过影响1月相对湿度对蚕豆赤斑病有负向效应。分析的决定系数R2=0.999 9说明以上6个气象因子对蚕豆赤斑病病情指数的影响占99.99%。

间接通径系数结果表明,平均气温、平均风速、降雨量等因子均通过1月相对湿度,对赤斑病病情发展产生着较大的间接效应。

表5 各气象因子间对蚕豆赤斑病病情指数的直接和间接作用1)

图1 30个气象因子间及与病情指数间相关性热力图Fig.1 Correlation heatmap between 30 meteorological factors and disease index

2.4 预测模型的建立

基于对各个X(气象因子)和Y(病情指数)分别进行回归分析的结果,通过对决定系数R2和F统计量这两个指标进行筛选,选择自变量X7、X9、X27、X29为关键预测因子。将筛选出的因子作为最优自变量,建立预测模型,获得方程:

Y=35.019 46-3.016 18X7-5.575 8X9+0.567 9X27+0.158 6X29。

此回归模型中,相关系数R=0.921 3,决定系数R2=0.848 9,调整决定系数为0.804 6。表明病情指数与11月平均风速(X7)、1月平均风速(X9)、1月相对湿度(X27)、3月相对湿度(X29)之间具有较强线性关系,可以用于重庆地区蚕豆赤斑病的预测。

3 结论与讨论

俞大绂等的研究表明,秋播区蚕豆赤斑病在早春即开始发病,每年11月-12月就能在植株较低部位的叶片上发现极少量病斑,每年自2月下旬病害逐渐明显[8]。蚕豆赤斑病菌主要以菌核在土壤中越冬和越夏,菌核在适宜条件下萌发长出分生孢子梗,并产生大量分生孢子,借风雨传播,从无伤表皮侵入,进行初侵染,完成初侵染后将在病叶上产生分生孢子,进行再侵染[14],同时寄主组织表面的水膜是导致病菌孢子萌发以及侵染的必要条件[10]。以上研究表明,秋播区蚕豆赤斑病在11月至12月间完成初侵染,并形成极少数病斑,再侵染过程持续至2月下旬,逐渐形成明显病害。而重庆地区秋冬季田间常产生大量露点,天然地为赤斑病孢子的萌发和侵染提供了有利条件。

本研究相关性分析结果表明,11月至2月的相对湿度与病情指数呈显著正相关,而1月平均风速与病情指数呈显著负相关。有研究表明相对湿度与露点蒸发速率呈负相关关系,而风速与露点蒸发速率呈正相关关系[15]。因此,重庆地区11月至2月的相对湿度与1月平均风速通过影响植株组织表面水膜的蒸发速率,对赤斑病分生孢子的初侵染及再侵染产生显著影响。

通径分析及回归分析结果表明,1月相对湿度、1月平均风速、3月降水量、3月相对湿度在蚕豆赤斑病的发生过程中起主导作用。而12月平均气温通过与1月相对湿度产生协同效应,加重了赤斑病的病情发展,这表明重庆地区蚕豆赤斑病菌菌核萌发并产生分生孢子的时间在12月,且发生初侵染的时间应在1月,因此,重庆地区的菌核萌发及初侵染时间较俞大绂等的研究结果晚。进入3月后,植株叶片表面产生大量病斑,因此3月相对湿度主要影响病斑的扩展,从而影响病情指数的发展。此外,3月降水量通过1月相对湿度对病情发展产生着负向效应,然而直接通径系数显示3月降水量对病情发展产生着正向效应。由此推断,在实际发病过程中,3月降水量对病情发展产生的效应,受其他非气象因子的干扰较重。

在预测模型中的最优自变量主要为平均风速和相对湿度这两种类型的指标,这表明准确监测平均风速和相对湿度是做好蚕豆赤斑病病情预测的重点。同时,今后对预测模型不断完善的过程中,平均风速和相对湿度均应成为重点检测的指标。

本研究中调查的蚕豆品种均为农户自留种,未将商品种纳入调查,尽最大可能降低品种间抗性差异给结果带来的影响,且两年均对调查品种做了比对,保证2019年各调查点的品种与2018年保持一致。为排除其他因素对田间发病率的影响,田间调查田块选择海拔在500 m以下,平地、净作、未施用药剂且面积不小于50 m2。然而,田间管理水平的高低,与田间病情指数同样存在密切联系[16],在后期建立蚕豆赤斑病预警模型的工作中,应统一各调查点的管理水平,且在品种、地形、耕作方式等因素的控制上保持一致。