常春義，曹元，Ghulam Mustafa，劉紅艷，張羽，湯亮，劉兵，朱艷，姚霞，曹衛(wèi)星，劉蕾蕾

白粉病對(duì)小麥光合特性的影響及病害嚴(yán)重度的定量模擬

常春義，曹元，Ghulam Mustafa，劉紅艷，張羽，湯亮，劉兵，朱艷，姚霞，曹衛(wèi)星，劉蕾蕾

南京農(nóng)業(yè)大學(xué)農(nóng)學(xué)院/國(guó)家信息農(nóng)業(yè)工程技術(shù)中心/智慧農(nóng)業(yè)教育部工程研究中心/農(nóng)業(yè)農(nóng)村部農(nóng)作物系統(tǒng)分析與決策重點(diǎn)實(shí)驗(yàn)室/江蘇省信息農(nóng)業(yè)重點(diǎn)實(shí)驗(yàn)室/江蘇省現(xiàn)代作物生產(chǎn)協(xié)同創(chuàng)新中心，南京 210095

【目的】明確白粉病脅迫對(duì)小麥光合特性的影響規(guī)律，構(gòu)建白粉病脅迫下小麥光合生產(chǎn)的模擬模型?！痉椒ā恳孕←湠樵囼?yàn)材料，分別于拔節(jié)期和孕穗期進(jìn)行不同接種程度的小麥白粉病試驗(yàn)，明確白粉病對(duì)小麥光合特性的影響規(guī)律；在此基礎(chǔ)上構(gòu)建小麥白粉病嚴(yán)重度預(yù)測(cè)模型，量化白粉病對(duì)小麥的生理影響；基于單葉凈光合速率（n）和葉面積指數(shù)（LAI），實(shí)現(xiàn)小麥白粉病嚴(yán)重度預(yù)測(cè)模型與作物生長(zhǎng)模型（WheatGrow）的耦合?！窘Y(jié)果】白粉病脅迫下，小麥單葉n和LAI均呈現(xiàn)下降趨勢(shì)，與對(duì)照（CK）相比分別平均下降18.81%和23.41%，且與初始接種程度相比，發(fā)病時(shí)期對(duì)小麥n和LAI的影響更為嚴(yán)重；小麥白粉病田間病情發(fā)展具有明顯的平緩期、指數(shù)爆發(fā)期和穩(wěn)定期，總的來說各處理下小麥白粉病流行的時(shí)間動(dòng)態(tài)變化特征符合Logistic函數(shù)，基于白粉病脅迫對(duì)小麥影響的擬合結(jié)果，構(gòu)建小麥白粉病病害脅迫因子，用以反映白粉病對(duì)小麥生理指標(biāo)影響的脅迫效應(yīng)；基于WheatGrow模型的光合生產(chǎn)子模型，結(jié)合小麥白粉病病害脅迫因子，提出模擬白粉病對(duì)小麥葉片n和LAI效應(yīng)的算法，并利用獨(dú)立年份的數(shù)據(jù)資料對(duì)改進(jìn)后的WheatGrow模型進(jìn)行檢驗(yàn)?！窘Y(jié)論】耦合白粉病脅迫因子的WheatGrow模型對(duì)白粉病脅迫下小麥葉片n、LAI、地上部生物量和產(chǎn)量的預(yù)測(cè)精度均好于原模型，模擬精度較原模型分別提高了53.29%、43.61%、60.09%和67.57%，改進(jìn)后的模型可為小麥白粉病嚴(yán)重度的預(yù)測(cè)與小麥產(chǎn)量損失的定量評(píng)估等提供數(shù)字化工具和技術(shù)支撐。

冬小麥；白粉?。还夂咸匦?；病害嚴(yán)重度預(yù)測(cè)模型；WheatGrow模型；耦合

0 引言

【研究意義】白粉病是一種氣傳性的真菌病害，是威脅小麥安全生產(chǎn)的四大病害之一。我國(guó)小麥白粉病年均常發(fā)面積733.23萬公頃，占我國(guó)小麥總面積的30.00%左右[1]。白粉病一般可導(dǎo)致小麥減產(chǎn)10%—20%，病發(fā)嚴(yán)重時(shí)甚至?xí)w粒無收[2-3]。近年來，隨著全球變暖、小麥種植密度加大、偏施氮肥、單一抗性小麥品種廣泛種植，以及白粉病病菌生理小種變異等，我國(guó)小麥白粉病發(fā)病面積常年居高不下，嚴(yán)重威脅我國(guó)糧食安全[4]。光合作用是植物最基本的生理現(xiàn)象，也是干物質(zhì)積累的唯一途徑[5]。白粉病會(huì)破壞小麥葉片光系統(tǒng)，降低葉綠素含量，進(jìn)而導(dǎo)致光合表觀量子產(chǎn)量降低、電子傳遞鏈?zhǔn)茏?、光合速率下降，最終造成小麥產(chǎn)量降低、品質(zhì)變劣[6-7]。因此，準(zhǔn)確預(yù)測(cè)白粉病的田間流行規(guī)律，定量評(píng)估白粉病對(duì)小麥光合生產(chǎn)的影響，對(duì)于提高作物生長(zhǎng)模型的機(jī)理性，拓展模型的應(yīng)用場(chǎng)景等意義重大。【前人研究進(jìn)展】國(guó)內(nèi)外就作物病害的模擬預(yù)測(cè)工作進(jìn)行了一定的研究，主要包括基于數(shù)理統(tǒng)計(jì)、人工智能、遙感監(jiān)測(cè)、作物生長(zhǎng)模型等方法。其中，基于數(shù)理統(tǒng)計(jì)方法建立的病害流行特征預(yù)測(cè)模型雖然準(zhǔn)確性較高，但機(jī)理性較差，存在以點(diǎn)代面的現(xiàn)象[8]；人工智能方法在病癥表現(xiàn)差異大的病害間應(yīng)用效果較好，但在病癥特點(diǎn)相似的病菌間識(shí)別精度較低[9-10]；遙感監(jiān)測(cè)手段在作物田間病害嚴(yán)重度實(shí)時(shí)監(jiān)測(cè)方面具有較大優(yōu)勢(shì)，但遙感信息的分析專業(yè)性強(qiáng)、噪音消除算法不完善、監(jiān)測(cè)過程滯后、病害辨識(shí)難度大等，都妨礙了其進(jìn)一步應(yīng)用和推廣[11]；作物生長(zhǎng)模型能動(dòng)態(tài)地預(yù)測(cè)基因型和環(huán)境及其互作對(duì)作物生長(zhǎng)發(fā)育和產(chǎn)量形成的影響，在現(xiàn)代農(nóng)業(yè)的生產(chǎn)和決策中發(fā)揮著重要作用[12]，但大多數(shù)作物生長(zhǎng)模型都缺乏作物對(duì)病蟲害等生物脅迫響應(yīng)的模擬算法。近年來，隨著作物生長(zhǎng)模型的不斷優(yōu)化與完善，部分生長(zhǎng)模型中增加了對(duì)病蟲害的模擬研究，如Caubel等[13]將葉銹病病害預(yù)測(cè)模型（MILA）與法國(guó)的STICS作物生長(zhǎng)模型進(jìn)行耦合，并利用耦合后的STICS-MILA模型進(jìn)行葉銹病田間發(fā)病狀況及病害脅迫下作物生理指標(biāo)變化的模擬，結(jié)果表明STICS-MILA模型對(duì)葉銹病脅迫下LAI的模擬精度提高了83%。Donatelli等[14]基于孢子萌發(fā)率、逐日氣象條件等因素建立了條銹病模型（DYMEX），并借助光能利用率、LAI等指標(biāo)實(shí)現(xiàn)DYMEX與APSIM作物生長(zhǎng)模型的耦合，耦合后的DYMEX- APSIM模型對(duì)條銹病脅迫下小麥地上部生物量和LAI的預(yù)測(cè)精度分別提高了35.71%和17.46%，但DYMEX和APSIM模型耦合過程中對(duì)作物生產(chǎn)系統(tǒng)動(dòng)態(tài)模擬采用較多的簡(jiǎn)化處理，模型的解釋性和機(jī)理性不高。【本研究切入點(diǎn)】現(xiàn)有大多數(shù)作物生長(zhǎng)模型均缺乏白粉病對(duì)小麥生長(zhǎng)發(fā)育影響的模擬算法，而已有耦合了白粉病預(yù)測(cè)模型的作物生長(zhǎng)模型大多是半經(jīng)驗(yàn)性的，對(duì)病害發(fā)生條件與病情發(fā)展之間的關(guān)系解析不夠深入，病害對(duì)作物影響的生理機(jī)制不夠明確，且模型參數(shù)眾多驅(qū)動(dòng)因子復(fù)雜。因此，改進(jìn)優(yōu)化已有作物生長(zhǎng)模型，使其能夠準(zhǔn)確模擬白粉病的發(fā)生及其對(duì)小麥生產(chǎn)的影響，對(duì)于拓展作物生長(zhǎng)模型的應(yīng)用場(chǎng)景，推進(jìn)病害預(yù)測(cè)工作的信息化具有重要意義。【擬解決的關(guān)鍵問題】基于不同發(fā)病時(shí)期、發(fā)病程度的小麥白粉病試驗(yàn)數(shù)據(jù)，在明確白粉病脅迫對(duì)小麥光合特性影響規(guī)律的基礎(chǔ)上，構(gòu)建小麥白粉病嚴(yán)重度預(yù)測(cè)模型，并結(jié)合小麥生長(zhǎng)模擬模型WheatGrow，構(gòu)建白粉病脅迫下小麥光合生產(chǎn)模擬模型，實(shí)現(xiàn)病害模型與作物生長(zhǎng)模型的耦合，以期為小麥白粉病嚴(yán)重度的預(yù)測(cè)與小麥產(chǎn)量損失的定量評(píng)估等提供數(shù)字化工具。

1 材料與方法

1.1 試驗(yàn)設(shè)計(jì)

試驗(yàn)1：2017—2018年在南京農(nóng)業(yè)大學(xué)牌樓試驗(yàn)基地（118°15′E，32°1′N）進(jìn)行。供試品種為南農(nóng)0686（易感）和南農(nóng)9918（中抗），于拔節(jié)期（S1）和孕穗期（S2）分別進(jìn)行白粉病接種處理，控制初始接種程度為輕度（D1）和重度（D2），即將白粉病病菌夏孢子懸浮液涂抹接種到小麥葉片上，通過懸浮液的濃度差異控制初始接種程度，并通過噴灑農(nóng)藥的頻率差異控制后期的發(fā)病程度。其中，輕度（D1）接種處理的病菌孢子懸浮液的濃度為1.0×104cfu/ml，重度（D2）接種處理的病菌孢子懸浮液的濃度為1.0×106cfu/ml。試驗(yàn)為隨機(jī)區(qū)組排列，3次重復(fù)，每個(gè)小區(qū)面積為3 m×2 m。其中，不進(jìn)行接種處理的小區(qū)作為對(duì)照（CK），四周用塑料薄膜圍起來進(jìn)行隔離處理，并噴灑三唑酮（25%乳油35 g）以防止發(fā)病。所有小區(qū)其他管理措施，如施肥、灌溉等同當(dāng)?shù)馗弋a(chǎn)栽培管理措施，以確保小麥生長(zhǎng)不受養(yǎng)分和水分的限制。小麥葉片田間發(fā)病情況如圖1所示。

試驗(yàn)2：2014—2015年在南京農(nóng)業(yè)大學(xué)牌樓試驗(yàn)基地（118°15′E，32°1′N）進(jìn)行。供試品種為生選6號(hào)（易感）和揚(yáng)輻麥4號(hào)（中抗），于拔節(jié)期進(jìn)行白粉病接種處理，接種方法及其他田間管理同試驗(yàn)1。

試驗(yàn)3：2016—2017年在南京農(nóng)業(yè)大學(xué)牌樓試驗(yàn)基地（118°15′E，32°1′N）進(jìn)行。供試品種為南農(nóng)0686（易感）和南農(nóng)9918（中抗），于拔節(jié)期進(jìn)行白粉病接種處理，接種方法及其他田間管理同試驗(yàn)1。

試驗(yàn)4：來源于文獻(xiàn)資料[15]。小麥白粉病試驗(yàn)于2009—2011年在四川雅安（103°1′E，29°5′N）進(jìn)行，供試品種為川育20（易感）和川農(nóng)26（中抗）。

試驗(yàn)5：來源于文獻(xiàn)資料[16]。小麥白粉病試驗(yàn)于2010—2011年在河北石家莊（113°3′E，37°27′N）進(jìn)行，供試品種為石新733（易感）和石新828（易感）。

1.2 測(cè)試項(xiàng)目與方法

1.2.1 凈光合速率 小麥接種白粉病病菌孢子后每7 d進(jìn)行一次測(cè)試。于上午9：00—11：00采用Li-6400（Li-COR，Lincoln，NE，USA）進(jìn)行測(cè)試，測(cè)試時(shí)選用6400-02LED紅藍(lán)光源，設(shè)定葉室內(nèi)部光合有效輻射為1 000 μmol CO2·m-2·s-1，通過連接自制緩沖瓶獲取大氣CO2，溫度設(shè)置為20℃。每個(gè)處理選取3株小麥，每株小麥從上往下分別測(cè)試3張全展葉片的凈光合速率（n），每張葉片測(cè)試3次。

圖1 小麥葉片接種白粉菌后葉片表型及菌絲發(fā)育情況

1.2.2 葉面積指數(shù) 接種白粉病病菌孢子后，于小麥關(guān)鍵生育期破壞性取樣，使用LAI-3000（Li-COR，Lincoln，NE，USA）測(cè)量葉面積，根據(jù)LAI=（單株葉面積（cm2）×每平方米株數(shù)）/10000計(jì)算葉面積指數(shù)。每個(gè)處理選取3株小麥，整個(gè)小麥生長(zhǎng)季共取樣6次。

1.2.3 氣象數(shù)據(jù) 主要包括每日最高溫度、最低溫度、相對(duì)濕度和太陽輻射，數(shù)據(jù)來源于中國(guó)氣象數(shù)據(jù)網(wǎng)（http://data.cma.cn）。

1.2.4 小麥白粉病嚴(yán)重度 小麥白粉病嚴(yán)重度為病葉上病斑菌絲層覆蓋葉片面積占葉片總面積的比率，參照國(guó)家農(nóng)業(yè)行業(yè)標(biāo)準(zhǔn)（NY/T613-2002）“小麥白粉病測(cè)報(bào)調(diào)查規(guī)范”進(jìn)行調(diào)查。在調(diào)查時(shí)采用五點(diǎn)采樣法，每個(gè)處理選取6株小麥，記錄每株倒一葉、倒二葉、倒三葉的病害嚴(yán)重度。單個(gè)葉片病害嚴(yán)重度采用八級(jí)劃分法，即1%、5%、10%、20%、40%、60%、80%和100%。小麥接種白粉病病菌后，每隔7 d進(jìn)行一次田間發(fā)情情況調(diào)查，直至病害嚴(yán)重度不再增加，具體計(jì)算方法如公式1所示：

式中，為病害嚴(yán)重度；1,2,…,9為不同病害嚴(yán)重度等級(jí)下的葉片數(shù)量；0為健康葉片數(shù)量。

1.2.5 WheatGrow模型 WheatGrow小麥生長(zhǎng)模擬模型是由南京農(nóng)業(yè)大學(xué)曹衛(wèi)星教授團(tuán)隊(duì)在明晰小麥生長(zhǎng)發(fā)育及產(chǎn)量品質(zhì)形成內(nèi)在規(guī)律的基礎(chǔ)上，以氣候、土壤、品種及管理技術(shù)等為主要驅(qū)動(dòng)變量所構(gòu)建的基于過程的小麥生長(zhǎng)與生產(chǎn)力形成模擬模型。該模型可以動(dòng)態(tài)地預(yù)測(cè)不同情景下小麥的生長(zhǎng)發(fā)育與產(chǎn)量品質(zhì)形成過程，其主要包括階段發(fā)育與物候期、器官發(fā)生與建成、光合生產(chǎn)與物質(zhì)積累、同化物分配與產(chǎn)量品質(zhì)形成、養(yǎng)分和水分動(dòng)態(tài)等子模型[12]?？偟膩碚f，WheatGrow模型能較好的模擬小麥在非生物逆境下的生長(zhǎng)發(fā)育和產(chǎn)量品質(zhì)形成，但模型中未考慮小麥對(duì)病害脅迫的響應(yīng)。

1.3 數(shù)據(jù)利用

本研究中，試驗(yàn)1用于明確白粉病對(duì)小麥葉片光合特性的影響規(guī)律及構(gòu)建小麥白粉病嚴(yán)重度預(yù)測(cè)模型，由于南農(nóng)9918（中抗）始終未發(fā)病，因此本試驗(yàn)中僅使用南農(nóng)0686（易感）試驗(yàn)數(shù)據(jù)進(jìn)行相關(guān)分析。

試驗(yàn)2、3、4和5用于小麥白粉病嚴(yán)重度預(yù)測(cè)模型的檢驗(yàn)與評(píng)價(jià)。

1.4 數(shù)據(jù)處理

采用SPSS20.0及OriginPro2018對(duì)葉片凈光合速率、LAI和病害嚴(yán)重度等進(jìn)行統(tǒng)計(jì)分析及作圖，使用OriginPro2018對(duì)病害嚴(yán)重度進(jìn)行Logistic擬合。

2 結(jié)果

2.1 白粉病對(duì)小麥光合特性的影響

2.1.1 白粉病對(duì)小麥凈光合速率的影響 由圖2可知，隨白粉病病情的發(fā)展，南農(nóng)0686葉片的凈光合速率（n）呈下降趨勢(shì)，白粉病導(dǎo)致葉片n下降。與對(duì)照（CK）相比，輕度（D1）和重度（D2）白粉病接種處理后，小麥功能葉的n分別下降19.20%和23.61%；孕穗期接種白粉病較拔節(jié)期接種對(duì)小麥葉片n的影響更為嚴(yán)重。與CK相比，拔節(jié)期接種白粉病后小麥功能葉的n平均下降16.29%，而孕穗期接種白粉病后小麥功能葉的n平均下降21.31%；此外，白粉病對(duì)倒三葉n的影響最為嚴(yán)重，其次為倒二葉和倒一葉。與CK相比，拔節(jié)期和孕穗期接種白粉病后小麥倒三葉、倒二葉和倒一葉的n平均分別下降21.37%、17.64%、9.86%和28.68%、18.09%、17.17%。

2.1.2 白粉病對(duì)小麥葉面積指數(shù)的影響 由圖3可知，隨白粉病病情的發(fā)展，南農(nóng)0686的LAI呈下降趨勢(shì)。不同白粉病接種時(shí)期對(duì)LAI的影響程度不同，拔節(jié)期接種白粉病后，輕度（D1）和重度（D2）處理下LAI在發(fā)病前期和中期均差異較大，僅在病情發(fā)展后期差異不顯著；孕穗期接種白粉病后，D1和D2處理下LAI在病情發(fā)展初期差異較大，而在發(fā)病中后期，即GDD超過500 ℃·d時(shí)，處理間差異不顯著。與對(duì)照（CK）相比，拔節(jié)期接種白粉病后，兩個(gè)不同初始接種程度處理下的LAI分別下降19.85%（D1）和27.26%（D2），而孕穗期接種白粉病后，兩個(gè)不同初始接種程度下的LAI分別下降22.87%（D1）和23.66%（D2），由此可以看出，與初始接種程度相比，發(fā)病時(shí)期對(duì)小麥LAI的影響程度更大。

2.2 小麥白粉病嚴(yán)重度預(yù)測(cè)

2.2.1 小麥白粉病嚴(yán)重度預(yù)測(cè)模型的構(gòu)建 由圖4可知，各處理下南農(nóng)0686的白粉病田間流行時(shí)間動(dòng)態(tài)變化整體呈S型曲線，有明顯的平緩期、指數(shù)增長(zhǎng)期和穩(wěn)定期?？偟膩碚f，各處理下小麥白粉病田間流行動(dòng)態(tài)變化特征符合Logistic曲線?；诖?，建立潛在狀態(tài)下的小麥白粉病嚴(yán)重度預(yù)測(cè)模型，計(jì)算方法見公式2。

A—C：拔節(jié)期接種；D—F：孕穗期接種；A和D：倒一葉；B和E：倒二葉；C和F：倒三葉；誤差線代表平均值的標(biāo)準(zhǔn)差

A：拔節(jié)期接種；B：孕穗期接種；誤差線代表平均值的標(biāo)準(zhǔn)差

A和B：拔節(jié)期輕度和重度接種處理；C和D：孕穗期輕度和重度接種處理；誤差線代表平均值的標(biāo)準(zhǔn)差

式中，f(DS)為潛在狀態(tài)下的白粉病病害嚴(yán)重度；為最終的田間病害嚴(yán)重度，取值范圍0—1；GDD為白粉病病菌發(fā)育的有效積溫，具體見公式3和4；為品種參數(shù)，反映不同小麥品種對(duì)白粉病的抗性，值越小表明品種的抗性越強(qiáng)；GDD為病情發(fā)展到最終病害嚴(yán)重度50%時(shí)所需要的GDD，用來反映不同發(fā)病時(shí)期對(duì)病害嚴(yán)重度的影響。

式中，GDD為白粉病病菌發(fā)育的有效積溫；T為每日平均溫度；7℃和20℃分別為白粉病病菌發(fā)育適宜溫度的下限和上限[17]；o為白粉病病菌發(fā)育的基點(diǎn)溫度，本研究中設(shè)置為7℃；為發(fā)病后的天數(shù)。

在實(shí)際的農(nóng)田系統(tǒng)中，除了溫度外，白粉病病情發(fā)展還受到空氣濕度的影響。因此，實(shí)際情況下的小麥白粉病嚴(yán)重度算法如下：

式中，為小麥白粉病病害嚴(yán)重度；f(DS)為潛在狀態(tài)下的白粉病病害嚴(yán)重度；為相對(duì)濕度效應(yīng)因子，其取值范圍為0—1[18]，具體見公式6。

式中，RH為相對(duì)空氣濕度。

小麥白粉病生物學(xué)特性的研究表明，小麥白粉病的一個(gè)世代超過16 d，則該世代病菌繁殖體不再具有侵染能力，即不會(huì)致病[19-20]。因此，本研究中以16 d為一個(gè)傳染期，分世代模擬小麥白粉病病害嚴(yán)重度，即前一個(gè)世代的病程周期為GDD達(dá)到160℃·d時(shí)再加16 d。小麥白粉病的下一個(gè)世代開始發(fā)病的時(shí)間為前一個(gè)世代的GDD達(dá)到160℃·d時(shí)的日期，下一世代的病害嚴(yán)重度計(jì)算方法同上一世代。最后，累加每個(gè)世代每天的病害嚴(yán)重度為當(dāng)天的病害嚴(yán)重度，當(dāng)病害嚴(yán)重度達(dá)到100%時(shí)計(jì)算終止。

2.2.2 白粉病嚴(yán)重度預(yù)測(cè)模型的驗(yàn)證與評(píng)價(jià) 利用試驗(yàn)2、3、4和5的小麥白粉病試驗(yàn)數(shù)據(jù)檢驗(yàn)評(píng)價(jià)所建小麥白粉病嚴(yán)重度預(yù)測(cè)模型（試驗(yàn)3中南農(nóng)9918始終未發(fā)病，所以未用該品種進(jìn)行模型的驗(yàn)證與評(píng)價(jià)）。由圖5和表1可知，所構(gòu)建的小麥白粉病病害嚴(yán)重度預(yù)測(cè)模型效果較好，模型的平均模擬精度=0.058，=19.57%，2=0.95。

A、B、C和D分別是試驗(yàn)2、試驗(yàn)3、試驗(yàn)4和試驗(yàn)5 A, B, C and D represent experiment 2, 3, 4 and 5, respectively

2.3 基于WheatGrow模型的小麥白粉病預(yù)測(cè)模型

2.3.1 小麥白粉病病害脅迫因子 為進(jìn)一步量化白粉病對(duì)小麥n和LAI的影響，采用多項(xiàng)式擬合不同等級(jí)發(fā)病程度對(duì)小麥葉片n和LAI的影響規(guī)律。由圖6可知，隨病害嚴(yán)重度的增加，小麥葉片相對(duì)單葉n、相對(duì)LAI均呈下降趨勢(shì)?；跀M合結(jié)果量化白粉病不同等級(jí)的發(fā)病水平對(duì)小麥光合特性的影響效應(yīng)，進(jìn)而構(gòu)建小麥白粉病病害脅迫因子（F）來預(yù)測(cè)白粉病脅迫對(duì)小麥光合特性的影響，其計(jì)算見公式7：

式中，為校準(zhǔn)因子，取值范圍為0—1，在不同的發(fā)病時(shí)期取值不同，可以體現(xiàn)不同發(fā)病時(shí)期、不同發(fā)病程度所造成的生理?yè)p失差異；為小麥白粉病病害嚴(yán)重度，由公式5計(jì)算得到。

表1 小麥白粉病嚴(yán)重度預(yù)測(cè)模型模擬誤差的統(tǒng)計(jì)檢驗(yàn)

S1和S2為拔節(jié)期處理和孕穗期處理 S1 and S2 indicate the treatment at jointing stage and booting stage

2.3.2 白粉病對(duì)小麥凈光合速率影響的模擬 在原WheatGrow模型算法中，采用光響應(yīng)曲線（LRC光合模型）來量化單葉凈光合速率和光合有效輻射之間的關(guān)系，其計(jì)算如公式8所示[21]：

式中，為理想條件下最大光合速率；FCO為CO2限制因子；為生理年齡因子；為溫度效應(yīng)方程；為氮素脅迫響應(yīng)因子；為水分脅迫響應(yīng)因子；為高溫脅迫響應(yīng)因子。其中，FCO、、、和的具體計(jì)算方法可參考劉鐵梅等[21]，的具體計(jì)算方法可參考LIU等[22]。

由以上可以看出，原WheatGrow模型中在計(jì)算小麥單葉凈光合速率時(shí)僅模擬了CO2、生理年齡、溫度、氮素及水分對(duì)小麥光合速率的影響，未考慮白粉病對(duì)小麥葉片n的脅迫效應(yīng)。因此，本研究通過在原有模型的基礎(chǔ)上添加小麥白粉病病害脅迫因子（F）來定量白粉病對(duì)n的影響。改進(jìn)后的算法如公式10所示：

式中，F為小麥白粉病病害脅迫因子，其計(jì)算方法見公式7。

2.3.3 白粉病對(duì)小麥葉面積指數(shù)影響的模擬 在原WheatGrow模型中關(guān)于葉面積指數(shù)（LAI）的計(jì)算，如公式11所示[21]：

式中，為葉片生物量；為比葉面積，是小麥的品種遺傳參數(shù)。由公式可以看出，原WheatGrow模型未能反映白粉病病害脅迫對(duì)LAI的影響。因此，本研究在原LAI算法的基礎(chǔ)上通過添加F來量化白粉病脅迫下LAI的動(dòng)態(tài)變化規(guī)律，改進(jìn)后的算法如公式12所示：

2.3.4 改進(jìn)后WheatGrow模型的驗(yàn)證與評(píng)價(jià) 利用2017—2018年小麥白粉病試驗(yàn)中的南農(nóng)0686（易感品種）對(duì)改進(jìn)后的WheatGrow模型進(jìn)行檢驗(yàn)與評(píng)價(jià)。由圖7可以看出，原WheatGrow模型因未能反映白粉病脅迫對(duì)小麥生長(zhǎng)的影響，因此對(duì)n、LAI、地上部生物量和產(chǎn)量的模擬結(jié)果均高于實(shí)測(cè)值，而改進(jìn)后的模型對(duì)n、LAI、地上部生物量和產(chǎn)量的模擬結(jié)果較改進(jìn)前降低了53.29%、43.61%、60.09%和67.57%，2提高了12.35%、12.00%、-4.44%和18.07%?？傮w而言，耦合了白粉病嚴(yán)重度預(yù)測(cè)模型的WheatGrow模型對(duì)n、LAI、地上部生物量和產(chǎn)量的模擬誤差明顯降低。

3 討論

光合作用是小麥生長(zhǎng)發(fā)育最重要的生理過程之一，可以將光能轉(zhuǎn)化為植物體內(nèi)能夠貯藏利用的化學(xué)能[23-24]。小麥白粉病作為一種依靠空氣傳播的真菌性病害，對(duì)小麥葉片光合特性有顯著的影響，發(fā)病時(shí)分生孢子會(huì)布滿發(fā)病部位，導(dǎo)致小麥進(jìn)行光合作用的部位和面積減少，嚴(yán)重影響光合生產(chǎn)[6-7]。快速準(zhǔn)確地預(yù)測(cè)白粉病流行的時(shí)間動(dòng)態(tài)變化規(guī)律，定量評(píng)估白粉病對(duì)小麥光合特性的影響，對(duì)于及時(shí)、有效地制定針對(duì)性的防治措施，保證小麥穩(wěn)產(chǎn)等具有重要作用。作物生長(zhǎng)模型可定量描述作物生長(zhǎng)發(fā)育過程及其與環(huán)境和技術(shù)的動(dòng)態(tài)關(guān)系，可為不同條件下作物生產(chǎn)力預(yù)測(cè)預(yù)警與效應(yīng)評(píng)估等提供量化工具[12]?，F(xiàn)有作物生長(zhǎng)模型中大都缺乏模擬作物病害等生物脅迫效應(yīng)的算法，少量具有病害脅迫效應(yīng)算法的模型經(jīng)驗(yàn)性較強(qiáng)，模型驅(qū)動(dòng)因子復(fù)雜，模擬精度較低。因此，迫切需要完善作物生長(zhǎng)模型對(duì)白粉病脅迫響應(yīng)的預(yù)測(cè)能力。本研究以小麥為試驗(yàn)材料，分別于拔節(jié)期和孕穗期實(shí)施不同程度的小麥白粉病接種試驗(yàn)，分析白粉病對(duì)小麥葉片光合特性的影響，構(gòu)建小麥白粉病嚴(yán)重度預(yù)測(cè)模型，并與小麥生長(zhǎng)模型WheatGrow進(jìn)行耦合，研究結(jié)果可為評(píng)估白粉病對(duì)小麥生產(chǎn)的影響提供有效工具和技術(shù)支撐。

本研究表明，白粉病顯著降低小麥葉片的單葉凈光合速率（n），且不同發(fā)病時(shí)期對(duì)葉片n的影響程度不同，拔節(jié)期和孕穗期進(jìn)行白粉病接種處理后，小麥葉片n平均下降16.29%和21.31%，可見孕穗期發(fā)病對(duì)小麥葉片n影響大于拔節(jié)期發(fā)病。這可能是因?yàn)榘喂?jié)期植株生長(zhǎng)代謝旺盛，抗氧化酶合成速率較快、活性高，對(duì)病害脅迫具有較強(qiáng)的耐受力[25-26]，因而田間病情發(fā)展緩慢，所造成的生理?yè)p失程度較輕。此外，白粉病對(duì)不同葉位葉片n影響程度也不同，表現(xiàn)為對(duì)倒三葉的影響最為嚴(yán)重，其次為倒二葉和倒一葉。這可能是因?yàn)槿~片幼嫩時(shí)期，生長(zhǎng)代謝較為旺盛，對(duì)病害脅迫的耐受性、抗性較強(qiáng)造成的[27-28]。葉面積指數(shù)（LAI）是小麥群體的長(zhǎng)勢(shì)的重要指標(biāo)，合理的LAI大小，能夠提高冠層光截獲和光能利用率，最終會(huì)影響產(chǎn)量的高低。Akhkha等[29]的研究結(jié)果發(fā)現(xiàn)，在小麥接種白粉病6周后LAI降低40%，接種12周后，小麥LAI降低15%。本研究發(fā)現(xiàn)，白粉病接種處理后小麥LAI較CK平均下降23.41%，可見白粉病對(duì)小麥LAI的影響較為嚴(yán)重。

大田作物病害發(fā)生的預(yù)測(cè)預(yù)報(bào)工作一直是農(nóng)業(yè)研究者廣泛關(guān)注的熱點(diǎn)問題[30]。然而，小麥生長(zhǎng)季白粉病病害嚴(yán)重度呈動(dòng)態(tài)變化，且病害的田間流行受到多種因素的綜合影響[31]，這就使得白粉病的流行規(guī)律和發(fā)病情況難以定量分析和動(dòng)態(tài)預(yù)測(cè)。Caubel等[32]利用孢子數(shù)目的多少計(jì)算出病害的發(fā)病面積，基于此判定病害的發(fā)展程度。這種方法雖然在理論上符合病情發(fā)展流行動(dòng)態(tài)規(guī)律，但在實(shí)際應(yīng)用中不僅需要調(diào)查孢子數(shù)目，還需要對(duì)綠色葉片面積、孢子侵染面積等進(jìn)行估算，同時(shí)還需要考慮可供孢子侵染的葉面積、孢子繁殖等因素，實(shí)際應(yīng)用難度較大。薛騰等[33]采用高斯模型、冪指數(shù)函數(shù)模型、圓形分布模型對(duì)玉米灰斑病與傳播距離、風(fēng)向、病菌數(shù)量等進(jìn)行擬合，發(fā)現(xiàn)采用冪指數(shù)函數(shù)能較好地反映玉米灰斑病在田間的傳播情況。白粉病病菌生物學(xué)特性研究發(fā)現(xiàn)，溫度、濕度、發(fā)病時(shí)期、病原菌寄主（作物）的特性等都會(huì)影響病菌潛育期的長(zhǎng)短和侵染效率的高低等。Beest等[34]通過分析白粉病病害流行特點(diǎn)與氣象因子的關(guān)系，建立了基于2月份的風(fēng)速，4—6月份的溫度、降雨、濕度等因素驅(qū)動(dòng)的白粉病嚴(yán)重度預(yù)測(cè)模型。該模型雖然預(yù)測(cè)精度較高，但需要同時(shí)考慮4個(gè)不同的發(fā)病因子，并且該病害模型模擬預(yù)測(cè)的發(fā)病結(jié)果主要在5—6月份，此時(shí)已處于小麥生育后期，已錯(cuò)失對(duì)病害進(jìn)行防治的最佳時(shí)期，因此該模型的適用性、時(shí)效性不強(qiáng)。此外，目前針對(duì)白粉病的預(yù)測(cè)中多采用時(shí)間尺度，如小時(shí)、天、旬、月來定量白粉病的病程，模型中較少考慮寄主本身的特性，模型適用范圍有限、機(jī)理性不足[35-36]。本研究通過分析不同白粉病發(fā)病時(shí)期及初始接種程度的小麥試驗(yàn)數(shù)據(jù)發(fā)現(xiàn)，小麥白粉病的田間流行時(shí)間動(dòng)態(tài)特征有明顯的平緩期、指數(shù)增長(zhǎng)期和穩(wěn)定期，整體呈S型曲線，可采用Logistic函數(shù)對(duì)小麥白粉病病害嚴(yán)重度進(jìn)行擬合。另外，本研究中通過引入小麥白粉病抗性參數(shù)（）來反映不同小麥品種對(duì)白粉病脅迫的響應(yīng)，引入白粉病病菌顯癥積溫（GDD來定量日均溫的變化與潛育期長(zhǎng)短的關(guān)系，引入校準(zhǔn)因子（）體現(xiàn)白粉病發(fā)病時(shí)期和發(fā)病程度對(duì)小麥所造成的生理?yè)p失差異，并且除溫度外模型中還考慮了環(huán)境濕度對(duì)病害流行規(guī)律的影響，因此，所構(gòu)建的模型具有較強(qiáng)的機(jī)理性。利用多年、多生態(tài)點(diǎn)、多品種的小麥白粉病試驗(yàn)數(shù)據(jù)資料，對(duì)所構(gòu)建的小麥白粉病嚴(yán)重度預(yù)測(cè)模型進(jìn)行檢驗(yàn)，結(jié)果表明模型的預(yù)測(cè)精度較高（=0.058，=19.57%，2=0.95），能較好的反映小麥白粉病田間發(fā)生的情況，并且在不同生態(tài)點(diǎn)、不同抗性的小麥品種間具有良好的適用性。

圖7 改進(jìn)前后WheatGrow模型對(duì)小麥單葉凈光合速率（A和B）、葉面積指數(shù)（C和D）、地上部生物量（E和F）和產(chǎn)量（G和H）模擬值與實(shí)測(cè)值的比較

作物病害預(yù)測(cè)模型能夠快速、準(zhǔn)確地預(yù)測(cè)作物的發(fā)病規(guī)律。然而，現(xiàn)有的病害預(yù)測(cè)預(yù)報(bào)方法一般是單一、孤立的去預(yù)測(cè)田間或區(qū)域病害的發(fā)生流行，較少考慮病害對(duì)作物生長(zhǎng)發(fā)育及產(chǎn)量形成的影響[13]。作物生長(zhǎng)模型可以動(dòng)態(tài)模擬作物生長(zhǎng)發(fā)育和產(chǎn)量品質(zhì)形成過程及其與環(huán)境和技術(shù)間的動(dòng)態(tài)關(guān)系，從而為作物生長(zhǎng)發(fā)育和產(chǎn)量品質(zhì)的定量預(yù)測(cè)與評(píng)價(jià)提供有效的工具[36]。然而，已有作物生長(zhǎng)模型大都不能對(duì)作物病害等生物脅迫進(jìn)行模擬預(yù)測(cè)[37]，進(jìn)而限制了作物生長(zhǎng)模型的機(jī)理性和廣適性。實(shí)現(xiàn)病害預(yù)測(cè)模型與作物生長(zhǎng)模型的耦合，可為作物病害發(fā)生的預(yù)測(cè)與產(chǎn)量損失的定量評(píng)估等提供有效工具[14]。近年來，隨著對(duì)病害預(yù)測(cè)模型研究的不斷深入，以及對(duì)作物生長(zhǎng)模擬模型的不斷優(yōu)化與完善，病害預(yù)測(cè)模型與作物生長(zhǎng)模型耦合研究取得了一定進(jìn)展。Bregaglio等[38]針對(duì)氣傳性病害的流行特點(diǎn)，建立褐銹病病害預(yù)測(cè)模型（SEIR），并基于LAI和單葉凈光合速率建立了SEIR-APSIM耦合模型，耦合后的模型對(duì)小麥地上部生物量和產(chǎn)量的模擬精度分別提高了34.12%和51.85%。Bregaglio等[39]通過將WARM模型與稻瘟病病害預(yù)測(cè)模型進(jìn)行耦合后發(fā)現(xiàn)，WARM模型對(duì)稻瘟病脅迫下水稻產(chǎn)量的模擬精度提高14.59%。本研究基于WheatGrow模型的光合生產(chǎn)子模型，結(jié)合構(gòu)建的小麥白粉病嚴(yán)重度預(yù)測(cè)模型，提出模擬白粉病對(duì)小麥葉片n和LAI效應(yīng)的算法，最終實(shí)現(xiàn)了小麥白粉病嚴(yán)重度預(yù)測(cè)模型與WheatGrow模型的耦合。耦合后的WheatGrow模型不僅能夠逐日模擬白粉病病害嚴(yán)重度，而且能夠模擬小麥生理指標(biāo)對(duì)白粉病脅迫的響應(yīng)，對(duì)白粉病脅迫下小麥n、LAI、地上部生物量和產(chǎn)量的模擬精度較原模型分別提高了53.29%、43.61%、60.09%和67.57%。

4 結(jié)論

凈光合速率和葉面積指數(shù)對(duì)白粉病發(fā)病時(shí)期的響應(yīng)程度不同。其中，孕穗期發(fā)病對(duì)小麥葉片n的影響較拔節(jié)期更為嚴(yán)重，且不同葉位間n受白粉病脅迫的程度也不同，下部葉片受白粉病影響程度大于上部葉片。LAI在拔節(jié)期不同白粉病初始接種程度處理間差異較大，而在孕穗期不同白粉病初始接種程度處理間差異不大。

小麥白粉病病害嚴(yán)重度在田間的動(dòng)態(tài)變化符合S型曲線規(guī)律。因此，本研究基于Logistic函數(shù)構(gòu)建小麥白粉病嚴(yán)重度預(yù)測(cè)模型，并采用多年、多生態(tài)點(diǎn)、多品種的小麥白粉病試驗(yàn)數(shù)據(jù)對(duì)模型進(jìn)行檢驗(yàn)與評(píng)價(jià)，結(jié)果表明所構(gòu)建的小麥白粉病嚴(yán)重度預(yù)測(cè)模型能夠較為準(zhǔn)確的反映田間病害的發(fā)病情況。

此外，基于WheatGrow模型的光合生產(chǎn)子模型，結(jié)合小麥白粉病病害脅迫因子（F），提出模擬白粉病對(duì)小麥n和LAI脅迫效應(yīng)的算法。與原模型相比，改進(jìn)后的WheatGrow模型對(duì)白粉病脅迫下小麥n、LAI、地上部生物量和產(chǎn)量的預(yù)測(cè)誤差明顯降低，但研究結(jié)果有待在更廣泛的條件下測(cè)試驗(yàn)證。

[1] 中國(guó)氣象災(zāi)害年鑒[Z]. 2019.

China Meteorological Disaster Yearbook[Z]. 2019. (in Chinese)

[2] GAO H Y, HE D X, NIU J S, WANG C Y, YANG X W. The effect and molecular mechanism of powdery mildew on wheat grain prolamins. Journal of Agricultural Science, 2014, 152(2): 239-253.

[3] BOUGUENNEC A, TROTTET M, DU CHEYRON P, LONNET P. Triticale powdery mildew: population characterization and wheat gene efficiency. Communications in Agricultural and Applied Biological Sciences, 2014, 79(4): 106-127.

[4] SMITH J. Crops, crop pests and climate change-why Africa needs to be better prepared. Nature, 2015, 397: 688-691.

[5] ZHANG C J, CHEN G X, GAO X X, CHU C J. Photosynthetic decline in flag leaves of two field-grown spring wheat cultivars with different senescence properties. South African Journal of Botany, 2006, 72(1): 15-23.

[6] TSIALTAS J T, THEOLOGIDOU G S, KARAOGLANIDIS G S. Effects of pyraclostrobin on leaf diseases, leaf physiology, yield and quality of durum wheat under mediterranean conditions. Crop Protection, 2018, 113: 48-55.

[7] CARVER T L W, GRIFFITHS E. Relationship between powdery mildew infection, green leaf area and grain yield of barley. Annals of Applied Biology, 2010, 99(3): 255-266.

[8] 李彤霄. 河南省小麥白粉病綜合發(fā)生等級(jí)預(yù)測(cè)技術(shù)研究. 河南農(nóng)業(yè)科學(xué), 2015, 44(9): 54-57.

LI T X. Forecast technology research of wheat powdery mildew comprehensive occurrence degree in Henan province. Journal of Henan Agricultural Sciences, 2015, 44(9): 54-57. (in Chinese)

[9] CAMARGO A, SMITH J S. Image pattern classification for the identification of disease causing agents in plants. Computers and Electronics in Agriculture, 2009, 66(2): 121-125.

[10] ZHANG J C, PU R L, WANG J H, HUANG W J, YUAN L, LUO J H. Detecting powdery mildew of winter wheat using leaf level hyperspectral measurements. Computers and Electronics in Agriculture, 2012, 85(1): 13-23.

[11] SHI Y, HUANG W J, GONZáLEZ-MORENO P, LUKE B, DONG Y Y, ZHENG Q, MA H Q, LIU L Y, Wavelet-based Rust Spectral Feature Set (WRSFs): A novel spectral feature set based on continuous wavelet transformation for tracking progressive host-pathogen interaction of yellow rust on wheat. Remote Sensing, 2018, 10: 525.

[12] 朱艷, 湯亮, 劉蕾蕾, 劉兵, 張小虎, 邱小雷, 田永超, 曹衛(wèi)星. 作物生長(zhǎng)模型（CropGrow）研究進(jìn)展. 中國(guó)農(nóng)業(yè)科學(xué), 2020, 53(16): 3235-3256.

ZHU Y, TANG L, LIU L L, LIU B, ZHANG X H, QIU X L, TIAN Y C, CAO W X. Research progress on the crop growth model CropGrow. Scientia Agricultura Sinica, 2020, 53(16): 3235-3256. (in Chinese)

[13] CAUBEL J, LAUNAY M, RIPOCHE D, GOUACHE D, BUIS S, HUARD F, HUBER L, BRUN F, BANCAL M O. Climate change effects on leaf rust of wheat: implementing a coupled crop-disease model in a French regional application. European Journal of Agronomy, 2017, 90: 53-66.

[14] DONATELLI M, MAGAREY R D, BREGAGLIO S, WILLOCQUET L, WHISH J P M, SAVARY S. Modelling the impacts of pests and diseases on agricultural systems. Agricultural Systems, 2017, 155: 213-224.

[15] 劉凱. 雅安地區(qū)小麥白粉病的流行及其預(yù)測(cè)研究[D]. 成都: 四川農(nóng)業(yè)大學(xué), 2012.

LIU K. Epidemic and forecasting of wheat powdery mildew in Ya’an[D]. Chengdu: Sichuan Agricultural University, 2012. (in Chinese)

[16] 康海燕. 河北省行唐縣小麥白粉病發(fā)生動(dòng)態(tài)與防控技術(shù)研究[D]. 北京: 中國(guó)農(nóng)業(yè)科學(xué)院, 2012.

KANG H Y. Dynamic and control of wheat powdery mildew in Xingtang County, Hebei province[D]. Beijng: Chinese Academy of Agricultural Sciences, 2012. (in Chinese)

[17] 黃茂. 安徽小麥白粉病菌生物學(xué)特性及不同生態(tài)區(qū)病菌的毒性分析[D]. 合肥: 安徽農(nóng)業(yè)大學(xué), 2011.

HUANG M. Biological characteristics and virulence analysis off. sp.in different ecological areas of Anhui province[D]. Hefei: Anhui Agricultural University, 2011. (in Chinese)

[18] JACOB D, DAVID D R, SZTJENBERG A, ELAD Y. Conditions for development of powdery mildew of tomato caused by. Phytopathology, 2008, 98(3): 270-281.

[19] 洪傳學(xué), 肖悅巖, 曾士邁, 黃仲生, 楊玉茹. 黃瓜霜霉病流行過程的定量分析. 植物保護(hù)學(xué)報(bào), 1990, 17(3): 263-268.

HONG C X, XIAO Y Y, ZENG S M, HUANG Z S, YANG Y R. Quantitative analysis of the epidemic process of cucumber downy mildew. Acta Phytophylacica Sinica, 1990, 17(3): 263-268. (in Chinese)

[20] 肖悅巖, 曾士邁, 張萬義, 王沛有. SIMYR—小麥條銹病流行的簡(jiǎn)要模擬模型. 植物病理學(xué)報(bào), 1983, 13(1): 1-13.

XIAO Y Y, ZENG S M, ZHANG W Y, WANG P Y. SIMYR—A simple simulation model for epidemic of wheat stripe rust. Acta Phytopathologica Sinica, 1983, 13(1): 1-13. (in Chinese)

[21] 劉鐵梅, 曹衛(wèi)星, 羅衛(wèi)紅, 王紹華, 尹鈞. 小麥物質(zhì)生產(chǎn)與積累的模擬模型. 麥類作物學(xué)報(bào), 2001, 21(3): 26-31.

LIU T M, CAO W X, LUO W H, WANG S H, YIN J. A simulation model of photosynthetic production and dry matter accumulation in wheat. Journal of Triticeae Crops, 2001, 21(3): 26-31. (in Chinese)

[22] LIU B, ASSENG S, WANG, A N, WANG S H, TANG L, CAO W X, ZHU Y, LIU L. Modelling the effects of post-heading heat stress on biomass growth of winter wheat. Agricultural and Forest Meteorology, 2017, 247: 476-490.

[23] BLANKENSHIP R E. Photosynthesis. Annual Review of Plant Biology, 2008, 62(2): 515-548.

[24] ALLEN D J, ORT D R. Impacts of chilling temperatures on photosynthesis in warm-climate plant. Trends in Plant Science, 2001, 6(1): 36-42.

[25] ZIMMERMANN G, BAEUMLEIN H, MOCK H P, HIMMELBACH A, SCHWEIZER P. The multigene family encoding germin-like proteins of barley regulation and function in basal host resistance. Plant Physiology, 2006, 142(1): 181-192.

[26] 何中虎, 蘭彩霞, 陳新民, 鄒裕春, 莊巧生, 夏先春. 小麥條銹病和白粉病成株抗性研究進(jìn)展與展望. 中國(guó)農(nóng)業(yè)科學(xué), 2011, 44(11): 2193-2215.

HE Z H, LAN C X, CHEN X M, ZOU Y C, ZHUANG Q S, XIA X C. Progress and perspective in research of adult-plant resistance to stripe rust and powdery mildew in wheat. Scientia Agricultura Sinica, 2011, 44(11): 2193-2215. (in Chinese)

[27] SINGH R P, HUERTA-ESPINO J, BHAVANI S, HERRERA- FOESSEL S A, SINGH D, SINGH P K, VELU G, MASON R E, JIN Y, NJAU P, CROSSA J. Race non-specific resistance to rust diseases in CIMMYT spring wheats. Euphytica, 2011, 179(1): 175-186.

[28] HIBBERD J M, RICHARDSON P, WHITBREAD R, FARRAR J F. Effects of leaf age, basal meristem and infection with powdery mildew on photosynthesis in barley grown in 700 μmol mol-1CO2. New Phytologist, 1996, 134(2): 317-325.

[29] Akhkha A, Clarke D D. Relative tolerances of wild and cultivated barleys to infection byf. sp.(syn.f. sp.). I. The effects of infection on growth and development. Physiological & Molecular Plant Pathology, 2003, 62(4): 237-250.

[30] ZHANG J C, PU R L, YUAN L, HUANG W J, NIE C W, YANG G J. Integrating remotely sensed and meteorological observations to forecast wheat powdery mildew at a regional scale. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2014, 7(11): 4328-4339.

[31] VEROMANN E, TOOME M, KANNASTE A, KAASIK R, COPOLOVICI L, FLINK J, KOVáCS G, NARITS L, LUIK A, NIINEMETS ü. Effects of nitrogen fertilization on insect pests, their parasitoids, plant diseases and volatile organic compounds in. Crop Protection, 2013, 43: 79-88.

[32] CAUBEL J, LAUNAY M, RIPOCHE D, GOUACHE D, BUIS S, HUARD F, HUBER L, BRUN F, BANCAL M O. Climate change effects on leaf rust of wheat: implementing a coupled crop-disease model in a French regional application. European Journal of Agronomy, 2017, 90: 53-66.

[33] 薛騰, 李海春, 周如軍, 劉博, 傅俊范. 玉米灰斑病空間流行動(dòng)態(tài)模擬模型組建及傳播距離研究. 植物病理學(xué)報(bào), 2009, 39(2): 194-202.

XUE T, LI H C, ZHOU R J, LIU B, FU J F. Spatial dynamic model of gray leaf spot of maize epidemic and its theoretic spread distance. Acta Phytopathologica Sinica, 2009, 39(2): 194-202. (in Chinese)

[34] BEEST D T, PAVELEY N D, SHAW M W, VAN DEN BOSCH F. Disease-weather relationships for powdery mildew and yellow rust on winter wheat. Phytopathology, 2008, 98(5): 609-617.

[35] 李文娟, FORBES G A, 謝開云. 馬鈴薯晚疫病發(fā)病程度田間觀察記錄標(biāo)準(zhǔn)的探討. 中國(guó)馬鈴薯, 2012, 26(4): 52-60.

LI W J, FORBES G A, XIE K Y. Observations on the standardization of field assessment of potato late blight severity. Chinese Potato Journal, 2012, 26(4): 52-60. (in Chinese)

[36] 肖瀏駿, 劉蕾蕾, 邱小雷, 湯亮, 曹衛(wèi)星, 朱艷, 劉兵. 小麥生長(zhǎng)模型對(duì)拔節(jié)期和孕穗期低溫脅迫響應(yīng)能力的比較. 中國(guó)農(nóng)業(yè)科學(xué), 2021, 54(3): 504-521.

XIAO L J, LIU L L, QIU X L, TANG L, CAO W X, ZHU Y, LIU B. Testing the responses of low temperature stress routine to low temperature stress at jointing and booting in wheat. Scientia Agricultura Sinica, 2021, 54(3): 504-521. (in Chinese)

[37] ALLARD D W, HENDRIK B, DAVIDE F, SANDER J, ROB K, DANIEL V K, IWAN S, RAYMOND VDW, KEES V D. 25 years of the WOFOST cropping systems model. Agricultural Systems, 2019, 168: 154-167.

[38] BREGAGLIO S, DONATELLI M. A set of software components for the simulation of plant airborne diseases. Environmental Modelling and Software, 2015, 72: 426-444.

[39] BREGAGLIO S, TITONE P, CAPPELLI G, TAMBORINI L, MONGIANO G, CONFALONIERI R. Coupling a generic disease model to the WARM rice simulator to assess leaf and panicle blast impacts in temperate climate. European Journal of Agronomy, 2016, 76: 107-117.

Effects of Powdery Mildew on Photosynthetic Characteristics and Quantitative Simulation of Disease Severity in Winter Wheat

CHANG ChunYi, CAO Yuan, GHULAM Mustafa, LIU HongYan, ZHANG Yu, TANG Liang, LIU Bing, ZHU Yan, YAO Xia, CAO WeiXing, LIU LeiLei

College of Agriculture, Nanjing Agricultural University/National Engineering and Technology Center for Information Agriculture/ Engineering Research Center of Smart Agriculture, Ministry of Education/Key Laboratory for Crop System Analysis and Decision Making, Ministry of Agriculture and Rural Affairs/Jiangsu Key Laboratory for Information Agriculture/Jiangsu Collaborative Innovation Center for Modern Crop Production, Nanjing 210095

【Objective】The objective of this paper was to clearly demonstrate the effects of powdery mildew on photosynthetic characteristics of winter wheat and to establish a model for simulating effects of powdery mildew stress on wheat photosynthetic productivity.【Method】To clarify the effects of powdery mildew on wheat photosynthetic characteristics, the powdery mildew experiments of wheat were conducted under two initial inoculation degrees of wheat powdery mildew at jointing and booting stages. On this basis, a prediction model of wheat powdery mildew severity was established to quantify the physiological effects of powdery mildew on wheat. And then, based on the single leaf net photosynthetic rate (n) and leaf area index (LAI), the wheat powdery mildew severity prediction model was coupled with the crop growth model (WheatGrow).【Result】Under the stress of powdery mildew,nand LAI showed a decreasing trend. Compared with the control (CK), the averagednand LAI decreased by 18.81% and 23.41%, respectively. Moreover, the effects of stages of powdery mildew onnand LAI were more serious than the initial inoculation degrees. In general, the development of wheat powdery mildew in the field had obvious gentle period, exponential outbreak period and stable period, and the temporal dynamic characteristics of wheat powdery mildew epidemic under each treatment accorded with Logistic function. Therefore, based on the Logistic fitting results, the wheat powdery mildew disease stress factor was established to reflect the stress effects of powdery mildew on wheat physiological indexes. In addition, based on the photosynthesis productivity sub-model of WheatGrow and the effect factor of wheat powdery mildew severity, the algorithms to simulate the effects of powdery mildew onnand LAI were established, and then the improved WheatGrow model was estimated by using the powdery mildew experimental datasets in independent years.【Conclusion】The integrated model with powdery mildew stress algorithms was better than the original WheatGrow model in predictingn, LAI, aboveground biomass and yield under powdery mildew stress condition, with the simulation accuracy improved by 53.29%, 43.61%, 60.09% and 67.57%, respectively. The improved model could provide the digital tool and technical support for prediction of wheat powdery mildew severity and the quantitative evaluation of wheat yield loss.

winter wheat; powdery mildew; photosynthetic characteristics; prediction model of disease severity; WheatGrow model; coupling

10.3864/j.issn.0578-1752.2023.06.004

2022-06-28；

2022-08-02

國(guó)家自然科學(xué)基金創(chuàng)新研究群體項(xiàng)目（32021004）、江蘇省重點(diǎn)研發(fā)計(jì)劃（BE2019383）、江蘇省農(nóng)業(yè)科技自主創(chuàng)新資金項(xiàng)目（CX（21）1006，CX（22）3201）、南京農(nóng)業(yè)大學(xué)學(xué)科建設(shè)專項(xiàng)（ZJ22195018）

常春義，E-mail：2018101017@njau.edu.cn。通信作者劉蕾蕾，E-mail：liuleilei@njau.edu.cn

（責(zé)任編輯 楊鑫浩，岳梅）