李 映，葛喜珍
(北京联合大学生物化学工程学院，北京 100023)
黄瓜霜霉病(downy mildew)是一种由真菌引起的病害，是大棚黄瓜种植中常年发生的最普遍、最难防治的病害[1-3]。黄瓜霜霉病主要由病原真菌Pseudoperonosporacubensis引起，从幼苗到收获阶段均可发生，以成株的危害较重[4-5]。该种病原真菌主要侵染黄瓜的叶片，由叶片基部向上部发展，在叶面形成浅黄色或白色病斑，有时可延伸至叶片背面[6]。病斑会导致叶片枯黄，使得植物失去正常的生理功能和作用，最后导致植物的死亡。由于霜霉病的传染性较强且引起的损失惨重，因此对霜霉病的防治一直以来是大棚黄瓜种植的重要工作[7]。用于防治霜霉病的化学农药主要有波尔多液、石硫合剂等，生物农药主要有苦参碱、芽孢杆菌制剂等[8-10]。但喷洒农药只能抑制霜霉病的蔓延，对霜霉病的预防和预测则是更有效的控制手段。
大棚黄瓜霜霉病的发病规律已经较为清楚。在一年中的不同种植季，霜霉病往往出现在温度较低、湿度较大、光照强度较小的种植季[11]。在该气象条件下，黄瓜霜霉病的病原菌可以实现高效的繁殖，并产生大量的孢子蔓延到大棚内其他区域[12]。目前，已有使用孢子收集器或图像识别系统研究黄瓜各类病害的发生规律和预警系统[13-14]，然而这些装置价格和维护成本较高，且后续的孢子成分分析需要专业设备的人员进行，因此限制了其广泛的使用。相比之下，使用气象条件监控系统进行预警是一种可行性较高的选择。鉴于此，笔者针对河北邢台地区的气温特征，利用不同大棚内的气候监控系统，研究气象条件与霜霉病发生的规律；
使用机器学习中的PCA降维算法提高计算速度，并给出回归方程进行预测。
1.1 仪器与试验场地大棚气象监测装置由石家庄圣启科技有限公司提供，每小时取大棚内温度、湿度、光照、土壤温度等气象信息。大棚所在地为河北省隆尧怡东农牧有限公司黄瓜大棚(37°40′N，114°92′E)。共使用5个大棚，在不同的种植季节记录大棚内的气象条件，同时统计相应的霜霉病发生率。
1.2 田间试验设计温室长60.0 m，宽7.50 m，株距0.40 m，行距0.70 m。自移栽之日起60 d记录数据。霜霉病的发病率按照5点法取样，每采样点选取10株黄瓜，每株选取上、中、下3个部位进行霜霉病发病率的统计。发病率(%)=病株数/调查总株数×100。发病率大于60.0%时，将该试验区域的植物清除。
1.3 数据分析和预警系统的建立数据的分析和统计在python中进行，使用Sci-Learn包进行数据分析。根据获取的数据将大棚内的空气温度、湿度和光照强度进行日均值的计算，将不同种植季节的数据进行合并后进行预测。根据所有数据的不同，使用归一化的方法将不同单位的数据进行归一以便计算降维分析的权重。在降维分析中使用置信度为85%计算特征值数量，得到降维分析的数据后，使用多元多项式回归的方法进行回归方程的计算。
2.1 不同种植季数据采集在每年的单数月份采集邢台地区不同大棚的气象条件和霜霉病的发病率，并从每个大棚中随机选择50%的数据进行组合，统计和分析霜霉病的发病率，统计结果见表1。从表1可以看出，在不同的季节，霜霉病的发病率出现了明显的不同。在空气温度低于20 ℃的季节，霜霉病的发生率较高。相反的是，在温度较高、光照强度较高的种植季，霜霉病的发生率较低，甚至在10.0%以下。因此，霜霉病的发生率与环境因素存在非常明显的相关性，使用数学模型可预期达到良好的预测效果。
表1 不同大棚不同种植季节的气象条件和霜霉病发生率
2.2 主成分分析和回归计算将上述数据在python中的Sci-Learn包中进行数据主成分分析，设置主成分的包含度为85%，得到了降维后的二维数据，计算出的特征值对应的贡献度分别为73.6%和13.7%，合计超过85.0%。将降维后的数据与实际的发病率进行对比作图，结果如图1所示。图1A中显示为特征向量与发病率的三维数据图，可看到在发病率较高的情况下，特征值集中于一个较小的区域。随后将该三维图进行影射至二维坐标系，并以圆点大小表示发病率的高低(图1B)。由图中可以看出，霜霉病发病率较高的区域集中在2个特征值均较小的区域。针对该种情况，为了增加预测精度，使用多元多项式的回归进行回归方程的预测。回归后的公式如下：
注：图B中圆形面积代表感染率
F=0.195-3.11x1+3.08x2-0.337x1x2+0.271x12+1.24x22-1.46x23+0.189x12x2-1.58x1x22
式中，F为霜霉病的发病率，x1和x2分别为数据降维之后的2项特征指标。
2.3 预警精确度的计算针对上述得出的预警模型进行精确度的计算，使用训练数据与实际数据的对比(图2)，并使用方程预测剩余的50%数据，预测结果和准确率如表2所示。从表2可以看出，该方程整体的预测准确率大于85.0%。在感染率大于25.0%的情况下，模型的预测准确率均较高；
而在感染率较低的区间，预测准确率有所降低，为85.0%～90.0%。在实际种植过程中，低温高湿度的环境会导致霜霉病的快速发生，因此对于该种情况下的准确预测显得更为重要。因此，该方程作为大棚黄瓜霜霉病的预测模型可有效进行霜霉病的监控和预警。
表2 利用数据降维和多元回归对实际发病率的结果预测分析
图2 数据模型与实际数据的结果对比
黄瓜霜霉病是大棚黄瓜种植中的一种重要病害，然而一直以来缺少安全有效的农药对其进行防控。前人的研究表明，在温度低、湿度大的环境下，霜霉病的发生率会大幅度提高，严重者会导致绝收。然而有些地区因担心霜霉病的发生，提前施洒大量农药，这不仅造成了农药的大量浪费，违背了农业农村部“双减”的政策导向[15]，还会降低农产品品质并污染空气和地下水源。因此，研究霜霉病的发病规律并在高风险的时段进行针对性的提前施药，是较可行的防控方案。
根据以往的气象数据和霜霉病的发生率，该研究模拟出了预警方程用于预测霜霉病的发生规律。与实际数据对比可知，该方法可准确预测霜霉病的发生率，且在高风险条件下预测的准确率可达90.0%，为施药提供有效的指导。
猜你喜欢 降维霜霉病气象条件 不用药 两招搞定黄瓜霜霉病今日农业(2022年4期)2022-11-16山东省2021—2022年度气象条件对小麦产量的影响农业知识(2022年9期)2022-10-13混动成为降维打击的实力 东风风神皓极车主之友(2022年4期)2022-08-27基于数据降维与聚类的车联网数据分析应用汽车实用技术(2022年4期)2022-03-07山西太长高速公路交通事故与气象条件关系分析成都信息工程大学学报(2021年5期)2021-12-30成都平原经济区空气污染扩散气象条件变化特征分析成都信息工程大学学报(2021年4期)2021-11-22济南地区葡萄霜霉病发生规律、流行关键气象因子分析及预测山东农业科学(2020年12期)2021-01-18木霉菌T2562及4种化学药剂 防治川西高原莴笋霜霉病试验四川农业科技(2020年7期)2020-08-22大气腐蚀数据降维最优维度研究装备环境工程(2020年3期)2020-04-03降维打击海峡姐妹(2019年12期)2020-01-14