Прогнозирование болезней растений - Plant disease forecasting

Треугольник болезни растений представляет факторы, необходимые для возникновения болезни.

Прогнозирование болезней растений это система управления, используемая для прогнозирования возникновения или изменения степени тяжести болезни растений. В масштабе поля эти системы используются производителями для принятия экономических решений о методах лечения болезней для борьбы с ними. Часто системы задают производителю ряд вопросов о восприимчивости принимающая культура, а также включить текущий и прогноз Погода условия для рекомендации. Обычно дается рекомендация о том, необходимо ли лечение заболевания. Обычно лечение представляет собой пестицид заявление.

Системы прогнозирования основаны на предположениях о взаимодействии патогена с хозяином и окружающей средой, треугольник болезни.[1] Цель состоит в том, чтобы точно предсказать, когда все три фактора - хозяин, окружающая среда и патоген - взаимодействуют таким образом, что может возникнуть болезнь и привести к экономическим потерям.

В большинстве случаев хост можно определить как стойкий или восприимчивы, и наличие патогена часто может быть обоснованно установлено на основании предыдущей истории посевов или, возможно, данных обследования. Окружающая среда обычно является фактором, определяющим, развивается болезнь или нет. Условия окружающей среды могут определять присутствие патогена в определенное время года через их влияние на такие процессы, как перезимовка. Условия окружающей среды также влияют на способность патогена вызывать заболевание, например минимум влажность листьев продолжительность требуется для серая пятнистость кукурузы, чтобы произойти. В этих случаях система прогнозирования заболеваний пытается определить, когда окружающая среда будет способствовать развитию болезни.

Хорошие системы прогнозирования заболеваний должны быть надежными, простыми, рентабельными и применимыми ко многим заболеваниям. Как таковые, они обычно предназначены только для болезней, которые являются достаточно нерегулярными, чтобы гарантировать систему прогнозирования, а не для болезней, которые возникают каждый год, для которых следует применять регулярное лечение.[2] Системы прогнозирования могут быть созданы только при наличии понимания фактических параметров треугольника болезней.

Примеры систем прогнозирования заболеваний

Системы прогнозирования могут использовать один из нескольких параметров для определения риска заболевания или комбинацию факторов.[3] Одна из первых систем прогнозирования была разработана для Увядание Стюарта и основан на индексе зимних температур, поскольку низкие температуры убивают вектор болезни, чтобы не было вспышки.[4] Примером системы прогнозирования множественных болезней / вредителей является система EPIdemiology, PREicing и PREvention (EPIPRE), разработанная в Нидерланды за озимая пшеница это было сосредоточено на нескольких патогенах.[5] USPEST.org отображает риски различных заболеваний растений на основе прогнозов погоды с почасовым разрешением влажности листьев. Модели прогнозирования часто основаны на таких отношениях, как простая линейная регрессия где x используется для предсказания y. Другие отношения можно смоделировать с использованием населения. кривые роста.[3] Используемая кривая роста будет зависеть от характера эпидемии. Полициклические эпидемии, такие как фитофтороз картофеля обычно лучше всего моделируются с помощью логистической модели, тогда как моноциклические эпидемии лучше всего моделируются с помощью мономолекулярной модели.[6] Правильный выбор модели необходим для того, чтобы система прогнозирования болезней была полезной.

После разработки модели прогнозирования болезней растений должны быть тщательно протестированы и подтверждены. В последнее время возник интерес к проверка модели путем количественной оценки экономических затрат ложные срабатывания и ложные отрицания, где меры по профилактике заболеваний могут использоваться, когда в них нет необходимости, или не применяться, когда это необходимо.[3] Перед принятием решения об использовании системы прогнозирования заболеваний необходимо тщательно взвесить стоимость этих двух типов ошибок.

Будущие разработки

В будущем системы прогнозирования заболеваний могут стать более полезными по мере увеличения вычислительной мощности и увеличения объема данных, доступных патологам растений для построения моделей. Хорошие системы прогнозирования также могут стать все более важными с изменение климата. Будет важно иметь возможность точно предсказать, где могут произойти вспышки болезней, поскольку они могут быть не в исторически известных районах.

Рекомендации

  1. ^ Агриос, Джордж (2005). Патология растений. Академическая пресса. ISBN  978-0-12-044565-3.
  2. ^ Campbell, C.L .; Мэдден, Л. В. (1990). Введение в эпидемиологию болезней растений. Нью-Йорк: Wiley and Sons. ISBN  0-471-83236-7.
  3. ^ а б c Esker, P.D .; А. Х. Спаркс; Л. Кэмпбелл; Z. Guo; М. Роуз; S.D. Силвал; С. Толос; Б. Ван Аллен; К.А. Гаррет. «Экология и эпидемиология в R: прогнозирование заболеваний». Инструктор по охране здоровья растений. APS Press. Дои:10.1094 / PHI-A-2008-01. Архивировано из оригинал 11 апреля 2008 г.
  4. ^ «Образовательный центр APS - кукурузное увядание Стюарта». Архивировано из оригинал на 2008-05-16. Получено 2008-03-23.
  5. ^ Рейнинк, К. (1986). «Экспериментальная проверка и разработка EPIPRE, контролируемой системы борьбы с болезнями и вредителями для пшеницы». Европейский журнал патологии растений. SpringerLink. 92 (1): 3–14. Дои:10.1007 / BF01976371.
  6. ^ Мэдден, Лоуренс; Гарет Хьюз; Фрэнк Ван ден Бош (2007). Изучение эпидемий болезней растений. Американское фитопатологическое общество. ISBN  978-0-89054-354-2.