Прогнозирование болезней растений

Треугольник болезни растений представляет факторы, необходимые для возникновения болезни.

Прогнозирование болезней растений - это система управления, используемая для прогнозирования возникновения или изменения степени тяжести болезней 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 культуры-хозяина и включают текущие и прогнозные погодные условия, чтобы дать рекомендации. Обычно дается рекомендация о том, необходимо ли лечение заболевания. Обычно лечение представляет собой нанесение пестицидов.

Системы прогнозирования основаны на предположениях о взаимодействии патогена с хозяином и окружающей средой, треугольник болезни. 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 хозяин может быть соответствующим образом определен как устойчивый или восприимчивый, 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 зимовка. Условия окружающей среды также влияют на способность патогена вызывать заболевание, например для появления серой пятнистости кукурузы требуется минимальная влажность листа. 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 достаточно нерегулярны, чтобы гарантировать систему прогнозирования, а не для болезней, которые возникают каждый год, для которых следует применять регулярное лечение. Системы прогнозирования могут быть разработаны только при наличии понимания фактических параметров треугольника болезней.

Системы прогнозирования могут использовать один из нескольких параметров для определения риска заболевания или комбинацию факторов. Одна из первых систем прогнозирования была разработана для увядания Стюарта и основана на индексе зимних температур, так как низкие температуры убивают вектор болезни, поэтому вспышки не будет. Примером системы прогнозирования множественных болезней / вредителей является система EPIdemiology, PREicing и PREvention (EPIPRE), разработанная в Нидерландах для озимой пшеницы и ориентированная на множественные патогены. USPEST.org отображает риски различных болезней растений на основе прогнозов погоды с почасовым разрешением влажности листьев. Модели прогнозирования часто основаны на соотношении типа простой линейной регрессии, где x используется для прогнозирования y. Другие взаимосвязи можно смоделировать с использованием кривых роста населения. Используемая кривая роста будет зависеть от характера эпидемии. Полициклические эпидемии, такие как фитофтороз картофеля, обычно лучше всего моделируется с помощью логистической модели, тогда как моноциклические эпидемии лучше всего моделируются с помощью мономолекулярной модели. Правильный выбор модели необходим для того, чтобы система прогнозирования болезней была полезной.

Модели прогнозирования болезней растений должны быть тщательно протестированы и утверждены после разработки. В последнее время возник интерес к валидации модели посредством количественной оценки экономических затрат ложных срабатываний и ложноотрицательных результатов, где меры профилактики могут использоваться, когда они не нужны или нет. применяется при необходимости соответственно. Перед принятием решения об использовании системы прогнозирования болезней необходимо тщательно взвесить стоимость этих двух типов ошибок.

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 более важными в связи с изменением климата. Будет важно иметь возможность точно предсказать, где могут произойти вспышки болезней, поскольку они могут быть не в исторически известных районах.