2018年-2019年重慶蠶豆赤斑病發生情況及預測模型的建立

龍玨臣, 杜成章, 王 萍, 張曉春, 劉劍飛, 張微微,王 強, 劉幫銀, 余雪源, 陳 紅, 張繼君*

(1. 重慶市農業科學院, 重慶 400050; 2. 重慶市合川區經濟作物發展指導站, 重慶 401520;3. 重慶市合川區糧油作物發展指導站, 重慶 401520)

蠶豆ViciafabaL.是世界主要的食用豆類之一,具有較高的蛋白含量,籽粒蛋白含量可達24%～35%,是人類和動物的重要蛋白和營養來源[1],同時其較強的固氮能力在輪作倒茬、培肥地力等方面發揮著重要作用[2]。目前大約有55個國家種植蠶豆,全球產量在420萬t左右[3]。中國是蠶豆生產大國,種植面積和總產量分別占世界的53%和61%[4-5],我國的蠶豆生產區分為秋播區和春播區,秋播區分布于南方各省,而春播區分布于北方各省,具有南方多,北方少,秋播多,春播少,平原多,山地少,水稻產區多,雜糧產區少的特點[6]。重慶地區屬秋播蠶豆區,各區縣均有種植,種植面積在11.3萬hm2左右。生產中蠶豆赤斑病的發生嚴重影響了產業大戶的種植積極性,阻礙了蠶豆產業的健康發展。

蠶豆赤斑病是世界各蠶豆產區的主要病害之一[7-8],在我國蠶豆各主產區中,赤斑病均廣泛發生,特別是東南沿海和長江流域各地區[8]。有研究表明,重茬、蔭蔽、低洼潮濕、雨量大、光照時間短等因素均有助于蠶豆赤斑病的發生[9]。同時,田間的濕度和溫度對赤斑病的發生影響很大,一定的空氣濕度和寄主組織表面的水膜是導致病菌孢子萌發以及侵染的必要條件,蠶豆在進入開花期后,植株的抗病能力減弱,容易被病菌侵染導致發病[10]。輪作、推遲播種期以及使用殺菌劑等措施對赤斑病的防控只能起到部分效果[11],赤斑病進入高發階段后,防控難度大,且成本高,因此在病害大規模發生前及時采取防控措施是控制赤斑病發生的關鍵。

目前,針對蠶豆赤斑病發生規律與氣象因子的相關性分析未見報道,各蠶豆產區不同的生態類型,導致病害防控的關鍵時期不同,此外,蠶豆赤斑病的預測模型尚未建立。本研究于2018年和2019年調查了重慶地區分布于4個自然生態區[12]29個區縣的蠶豆赤斑病病情指數,并結合氣象因子開展相關研究,旨在明確重慶地區不同自然生態區間蠶豆赤斑病的病情指數差異,同時結合氣象因子進行相關性分析和回歸分析,初步建立蠶豆赤斑病發生的預測模型,為構建全國范圍內的蠶豆赤斑病預測模型提供理論依據。

1 材料與方法

1.1 調查地點和方法

根據重慶地區蠶豆種植現狀,在29個區縣設置固定調查點,每個區縣2個調查點,連續2年調查蠶豆赤斑病發生情況(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,在所選區縣挑選2個鄉鎮,每個鄉鎮選取當地農戶自留蠶豆品種為調查對象。每個調查點為海拔低于500 m且面積不小于50 m2的凈作蠶豆田塊,隨機取30個單株調查發病葉片數及葉片病斑面積,計算病情指數。

表1 58個調查點的位置信息

續表1 Table 1(Continued)

病情指數(DI)=Σ (各級病葉數×各級代表值)/(調查總葉數×最高級代表值)×100。

1.2 發病等級記載標準及方法

蠶豆赤斑病發病等級統計方法參照梁訓義等的方法[13](表2)。

表2 蠶豆赤斑病發病等級評價標準

1.3 數據分析

氣象數據來自重慶市氣象局,以30個氣象因子為自變量,蠶豆赤斑病病情指數為因變量(表3),利用DPS 10.8對各氣象因子和病情指數進行Pearson相關性分析、通徑分析及回歸分析。

表3 用于與蠶豆赤斑病病情指數相關分析的各氣象因子與變量

2 結果與分析

2.1 重慶各區縣蠶豆赤斑病發病情況

調查的29個區縣均有蠶豆赤斑病發生,2018年的病情指數為41.6～74.1,城口縣的病情最輕,忠縣發病最重。2019年的病情指數為40.2～74.6,城口縣的病情最輕,長壽區發病最重(表4)。

統計結果顯示,四川盆地農業生態區2018年蠶豆赤斑病平均病情指數為61.74,2019年該病發生較輕,平均病情指數為54.1,除璧山區外,其余區縣2019年發病均較2018年輕。2年中,三峽庫區平行嶺谷農林復合生態區在4個自然生態區中蠶豆赤斑病發病最重,2018年的平均病情指數為66.9,2019年發生較重,平均病情指數為69.9,除忠縣外,其余區縣2019年蠶豆赤斑病發病均較2018年重。秦巴山地常綠闊-落葉林生態區2年均為4個自然生態區中發病最輕,2018年平均病情指數為50.3,2019年較輕,為44.3,除奉節縣外,其余縣2019年均較2018年輕,城口縣連續2年病情發生均最輕。渝東南湘西及黔鄂山地常綠闊葉林生態區,2018年平均病情指數為56.1,2019年發病較重,為61.0,除彭水縣、豐都縣和黔江區外,其余區縣2019年赤斑病發病均較2018年重。

2.2 各氣象因子與病情指數的相關性分析

30個氣象因子與病情指數之間的相關性分析結果表明,11月平均風速(X7)和1月平均風速(X9)與赤斑病的病情指數呈顯著負相關(R=-0.452，-0.731),1月相對濕度(X27)、11月相對濕度(X25)、2月相對濕度(X28)、12月相對濕度(X26)與病情指數均呈顯著正相關(R=0.78、0.77、0.742、0.738)(圖1)。

2.3 各氣象因子與病情指數的通徑分析

通徑分析結果表明(表5),1月相對濕度(X27)對蠶豆赤斑病的病情發展影響最大,且為正向效應,直接通徑系數達到了1.146 0,其次3月降水量(X23)，直接通徑系數為0.682 5,對蠶豆赤斑病病情發展呈正向效應,再次為1月平均風速(X9)、3月相對濕度(X29)、11月平均風速(X7)和12月平均氣溫(X2)。直接通徑系數分析結果表明,1月相對濕度、1月平均風速、3月降水量、3月相對濕度對蠶豆赤斑病病情發生程度起到主導作用。

表4 重慶29個區縣赤斑病2018年和2019年蠶豆赤斑病發病情況

間接通徑系數最大的是X29→X27,達到0.595 4,這表明3月相對濕度通過1月相對濕度對病情指數有正向效應。其次是X2→X27的間接通徑系數,達-0.593 6,這表明12月平均氣溫通過與1月相對濕度產生協同效應,加重了1月相對濕度對蠶豆赤斑病病情發展的影響。再次是X23→X27的間接通徑系數,為-0.573 1,這表明3月降水量通過1月相對濕度,對蠶豆赤斑病的病情發展有負向效應。X9→X27的間接通徑系數為-0.427 5,這表明1月平均風速通過影響1月相對濕度對蠶豆赤斑病有負向效應。分析的決定系數R2=0.999 9說明以上6個氣象因子對蠶豆赤斑病病情指數的影響占99.99%。

間接通徑系數結果表明,平均氣溫、平均風速、降雨量等因子均通過1月相對濕度,對赤斑病病情發展產生著較大的間接效應。

表5 各氣象因子間對蠶豆赤斑病病情指數的直接和間接作用1)

圖1 30個氣象因子間及與病情指數間相關性熱力圖Fig.1 Correlation heatmap between 30 meteorological factors and disease index

2.4 預測模型的建立

基于對各個X(氣象因子)和Y(病情指數)分別進行回歸分析的結果,通過對決定系數R2和F統計量這兩個指標進行篩選,選擇自變量X7、X9、X27、X29為關鍵預測因子。將篩選出的因子作為最優自變量,建立預測模型,獲得方程:

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

此回歸模型中,相關系數R=0.921 3,決定系數R2=0.848 9,調整決定系數為0.804 6。表明病情指數與11月平均風速(X7)、1月平均風速(X9)、1月相對濕度(X27)、3月相對濕度(X29)之間具有較強線性關系,可以用于重慶地區蠶豆赤斑病的預測。

3 結論與討論

俞大紱等的研究表明,秋播區蠶豆赤斑病在早春即開始發病,每年11月-12月就能在植株較低部位的葉片上發現極少量病斑,每年自2月下旬病害逐漸明顯[8]。蠶豆赤斑病菌主要以菌核在土壤中越冬和越夏,菌核在適宜條件下萌發長出分生孢子梗,并產生大量分生孢子,借風雨傳播,從無傷表皮侵入,進行初侵染,完成初侵染后將在病葉上產生分生孢子,進行再侵染[14],同時寄主組織表面的水膜是導致病菌孢子萌發以及侵染的必要條件[10]。以上研究表明,秋播區蠶豆赤斑病在11月至12月間完成初侵染,并形成極少數病斑,再侵染過程持續至2月下旬,逐漸形成明顯病害。而重慶地區秋冬季田間常產生大量露點,天然地為赤斑病孢子的萌發和侵染提供了有利條件。

本研究相關性分析結果表明,11月至2月的相對濕度與病情指數呈顯著正相關,而1月平均風速與病情指數呈顯著負相關。有研究表明相對濕度與露點蒸發速率呈負相關關系,而風速與露點蒸發速率呈正相關關系[15]。因此,重慶地區11月至2月的相對濕度與1月平均風速通過影響植株組織表面水膜的蒸發速率,對赤斑病分生孢子的初侵染及再侵染產生顯著影響。

通徑分析及回歸分析結果表明,1月相對濕度、1月平均風速、3月降水量、3月相對濕度在蠶豆赤斑病的發生過程中起主導作用。而12月平均氣溫通過與1月相對濕度產生協同效應,加重了赤斑病的病情發展,這表明重慶地區蠶豆赤斑病菌菌核萌發并產生分生孢子的時間在12月,且發生初侵染的時間應在1月,因此,重慶地區的菌核萌發及初侵染時間較俞大紱等的研究結果晚。進入3月后,植株葉片表面產生大量病斑,因此3月相對濕度主要影響病斑的擴展,從而影響病情指數的發展。此外,3月降水量通過1月相對濕度對病情發展產生著負向效應,然而直接通徑系數顯示3月降水量對病情發展產生著正向效應。由此推斷,在實際發病過程中,3月降水量對病情發展產生的效應,受其他非氣象因子的干擾較重。

在預測模型中的最優自變量主要為平均風速和相對濕度這兩種類型的指標,這表明準確監測平均風速和相對濕度是做好蠶豆赤斑病病情預測的重點。同時,今后對預測模型不斷完善的過程中,平均風速和相對濕度均應成為重點檢測的指標。

本研究中調查的蠶豆品種均為農戶自留種,未將商品種納入調查,盡最大可能降低品種間抗性差異給結果帶來的影響,且兩年均對調查品種做了比對,保證2019年各調查點的品種與2018年保持一致。為排除其他因素對田間發病率的影響,田間調查田塊選擇海拔在500 m以下,平地、凈作、未施用藥劑且面積不小于50 m2。然而,田間管理水平的高低,與田間病情指數同樣存在密切聯系[16],在后期建立蠶豆赤斑病預警模型的工作中,應統一各調查點的管理水平,且在品種、地形、耕作方式等因素的控制上保持一致。