全 文 ：植物病理学报
ＡＣＴＡ ＰＨＹＴＯＰＡＴＨＯＬＯＧＩＣＡ ＳＩＮＩＣＡ　 ４６(１): １１２￣１１８(２０１６)
收稿日期: ２０１４￣１０￣０６ꎻ 修回日期: ２０１５￣０９￣１４
基金项目: 国家重点基础研究发展计划(２０１３ＣＢ１２７７０４)ꎻ国家自然科学基金项目(３１１７１７９３)ꎻ公益性行业科研专项(２０１３０３０１６)ꎻ新疆维
吾尔自治区科技支疆项目(２０１３９１１０９２)
通讯作者: 周益林ꎬ研究员ꎬ主要从事小麦病害研究ꎻ Ｅ￣ｍａｉｌ:ｙｌｚｈｏｕ＠ ｉｐｐｃａａｓ.ｃｎ
陈 莉ꎬ副教授ꎬ主要从事植物病害流行学和真菌分类学研究ꎻ Ｅ￣ｍａｉｌ:ｃｈｅｎｌｉｌｉ＠ａｈａｕ.ｅｄｕ.ｃｎ
第一作者: 刘 伟ꎬ 男ꎬ山东潍坊人ꎬ博士ꎬ主要从事植物病害流行和监测研究ꎻ Ｅ￣ｍａｉｌ:ｗｌｉｕｓｄａｕ＠１６３.ｃｏｍꎮ
ｄｏｉ:１０.１３９２６ / ｊ.ｃｎｋｉ.ａｐｐｓ.２０１６.０１.０１３
田间空气中小麦白粉菌分生孢子的动态监测研究
刘 伟１ꎬ ２ꎬ 姚冬明１ꎬ ２ꎬ 范洁茹２ꎬ 曹学仁２ꎬ３ꎬ 陈 莉１∗ꎬ
丁克坚１ꎬ 周益林２∗ꎬ 邹亚飞２ꎬ 段霞瑜２
( １安徽农业大学植物保护学院ꎬ合肥 ２３００３６ꎻ２中国农业科学院植物保护研究所 /植物病虫害
生物学国家重点实验室ꎬ北京 １００１９３ꎻ３中国热带农业科学院环境与植物保护研究所ꎬ海口 ５７１１０１)
摘要:２０１２和 ２０１３两年度采用 Ｂｕｒｋａｒｄ定容式孢子捕捉器ꎬ对田间空气中小麦白粉病菌分生孢子的监测结果表明ꎬ小麦冠
层内、外白粉菌分生孢子浓度存在显著的正相关性ꎬ冠层内的白粉菌分生孢子浓度明显高于冠层外ꎻ田间空气中分生孢子
的浓度逐渐升高ꎬ到小麦灌浆期达到最大值ꎬ之后逐渐降低ꎮ 时间序列分析结果表明ꎬ两年度田间空气中白粉菌分生孢子
浓度均符合 ＡＲＩＭＡ(１ꎬ１ꎬ０)模型ꎬ且与温度有显著的相关性ꎬ建立了基于温度的白粉菌分生孢子浓度预测模型ꎬ模型回归
效果均达到了显著水平ꎮ 研究结果发现ꎬ田间白粉病病情与空气中病菌分生孢子和关键气象因子具有显著相关性ꎬ并在此基
础上分别建立了基于空气中分生孢子浓度ꎬ以及基于分生孢子浓度和气象因子的田间白粉病病情预测模型ꎬ其中基于分生孢
子浓度的预测模型普适性要优于基于分生孢子浓度和气象因子的预测模型ꎬ可以用来预测田间小麦白粉病的发生流行程度ꎮ
关键词:小麦白粉病ꎻ孢子捕捉ꎻ数学建模ꎻ流行监测
Ｄｙｎａｍｉｃ ｍｏｎｉｔｏｒｉｎｇ ｏｆ ａｅｒｉａｌ ｃｏｎｉｄｉａ ｏｆ Ｂｌｕｍｅｒｉａ ｇｒａｍｉｎｉｓ ｆ. ｓｐ. ｔｒｉｔｉｃｉ ｉｎ ｗｈｅａｔ ｆｉｅｌｄｓ
ＬＩＵ Ｗｅｉ１ꎬ２ꎬ ＹＡＯ Ｄｏｎｇ￣ｍｉｎｇ１ꎬ２ꎬ ＦＡＮ Ｊｉｅ￣ｒｕ２ꎬ ＣＡＯ Ｘｕｅ￣ｒｅｎ２ꎬ３ꎬ ＣＨＥＮ Ｌｉ１ꎬ ＤＩＮＧ Ｋｅ￣ｊｉａｎ１ꎬ ＺＨＯＵ Ｙｉ￣ｌｉｎ２ꎬ
ＺＯＵ Ｙａ￣ｆｅｉ２ꎬ ＤＵＡＮ Ｘｉａ￣ｙｕ２ 　 ( １ Ｃｏｌｌｅｇｅ ｏｆ Ｐｌａｎｔ Ｐｒｏｔｅｃｔｉｏｎꎬ Ａｎｈｕｉ Ａｇｒｉｃｕｌｔｕｒａｌ Ｕｎｉｖｅｒｓｉｔｙꎬ Ｈｅｆｅｉ ２３００３６ꎬ Ｃｈｉｎａꎻ
２ Ｓｔａｔｅ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｆｏｒ Ｂｉｏｌｏｇｙ ｏｆ Ｐｌａｎｔ Ｄｉｓｅａｓｅｓ ａｎｄ Ｉｎｓｅｃｔ Ｐｅｓｔｓꎬ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｐｌａｎｔ Ｐｒｏｔｅｃｔｉｏｎꎬ Ｃｈｉｎｅｓｅ Ａｃａｄｅｍｙ ｏｆ Ａｇｒｉｃｕｌ￣
ｔｕｒａｌ Ｓｃｉｅｎｃｅｓꎬ Ｂｅｉｊｉｎｇ １００１９３ꎬ Ｃｈｉｎａꎻ ３ Ｋｅｙ Ｌａｂｏｒａｔｏｒｙ ｏｆ Ｉｎｔｅｇｒａｔｅｄ Ｐｅｓｔ Ｍａｎａｇｅｍｅｎｔ ｏｎ Ｔｒｏｐｉｃａｌ Ｃｒｏｐｓꎬ Ｍｉｎｉｓｔｒｙ ｏｆ Ａｇｒｉｃｕｌ￣
ｔｕｒｅ / Ｅｎｖｉｒｏｎｍｅｎｔ ａｎｄ Ｐｌａｎｔ Ｐｒｏｔｅｃｔｉｏｎ ＩｎｓｔｉｔｕｔｅꎬＣｈｉｎａ Ａｃａｄｅｍｙ ｏｆ Ｔｒｏｐｉｃ Ａｇｒｉｃｕｌｔｕｒａｌ Ｓｃｉｅｎｃｅｓꎬ Ｈａｉｋｏｕ ５７１１０１ꎬ Ｃｈｉｎａ)
Ａｂｓｔｒａｃｔ: Ｃｏｎｉｄｉａ ｏｆ Ｂｌｕｍｅｒｉａ ｇｒａｍｉｎｉｓ ｆ. ｓｐ. ｔｒｉｔｉｃｉ(Ｂｇｔ) ｉｎ ｔｈｅ ａｉｒ ｗｅｒｅ ｍｏｎｉｔｏｒｅｄ ｂｙ Ｂｕｒｋａｒｄ ｖｏｌｕｍｅｔｒｉｃ
ｓｐｏｒｅ ｓａｍｐｌｅｒｓ ｉｎ ２０１２ ａｎｄ ２０１３. Ｃｏｎｉｄｉａ ｃｏｎｃｅｎｔｒａｔｉｏｎ ｏｆ Ｂｇｔ ｗｉｔｈｉｎ ｔｈｅ ｃａｎｏｐｙ ｗａｓ ｐｏｓｉｔｉｖｅｌｙ ｃｏｒｒｅｌａｔｅｄ ｗｉｔｈ
ａｂｏｖｅ ｔｈｅ ｃａｎｏｐｙ ａｎｄ ｗａｓ ｓｉｇｎｉｆｉｃａｎｔｌｙ ｈｉｇｈｅｒ ｔｈａｎ ｔｈａｔ ａｂｏｖｅ ｔｈｅ ｃａｎｏｐｙ. Ｃｏｎｉｄｉａ ｃｏｎｃｅｎｔｒａｔｉｏｎ ｒａｉｓｅｄ ａｌｏｎｇ
ｗｉｔｈ ｔｉｍｅꎬ ｒｅａｃｈｅｄ ｔｈｅ ｍａｘｉｍｕｍ ｃｏｎｃｅｎｔｒａｔｉｏｎ ａｔ ｆｉｌｌｉｎｇ ｓｔａｇｅ ｏｆ ｗｈｅａｔꎬ ａｎｄ ｔｈｅｎ ｄｅｃｌｉｎｅｄ. Ｔｉｍｅ ｓｅｒｉｅｓ ａｎａｌｙｓｉｓ
ｓｈｏｗｅｄ ｔｈａｔ ｃｏｎｉｄｉａ ｃｏｎｃｅｎｔｒａｔｉｏｎ ｉｎ ｔｈｅ ｆｉｅｌｄｓ ｗａｓ ｆｉｔｔｅｄ ｗｉｔｈ ＡＲＩＭＡ (１ꎬ １ꎬ ０) ｍｏｄｅｌｓ. Ａ ｍｏｄｅｌ ｗａｓ ｃｏｎｓｔｒｕｃｔｅｄ
ｂａｓｅｄ ｏｎ ｔｈｅ ｓｉｇｎｉｆｉｃａｎｔ ｃｏｒｒｅｌａｔｉｏｎ ｂｅｔｗｅｅｎ ｃｏｎｉｄｉａ ｃｏｎｃｅｎｔｒａｔｉｏｎｓ ｉｎ ｔｈｅ ａｉｒ ａｎｄ ｔｅｍｐｅｒａｔｕｒｅ. Ｔｗｏ ｍｏｄｅｌｓ ｆｏｒ
ｐｒｅｄｉｃｔｉｏｎ ｏｆ ｄｉｓｅａｓｅ ｉｎｄｅｘ ｗｅｒｅ ｅｓｔａｂｌｉｓｈｅｄ ｂｙ ｉｎｏｃｕｌｕｍ ｖａｒｉａｂｌｅ ｏｎｌｙꎬ ａｎｄ ｂｙ ｂｏｔｈ ｉｎｏｃｕｌｕｍ ａｎｄ ｗｅａｔｈｅｒ ｖａ￣
ｒｉａｂｌｅｓꎬ ｒｅｓｐｒｃｔｉｖｅｌｙ. Ｔｈｅ ｍｏｄｅｌ ｂａｓｅｄ ｏｎ ｉｎｏｃｕｌｕｍ ｏｎｌｙ ｈａｓ ｍｏｒｅ ｕｎｉｖｅｒｓａｌ ａｐｐｌｉｃａｂｉｌｉｔｙ ｔｏ ｐｒｅｄｉｃｔｉｎｇ ｄｉｓｅａｓｅ
ｉｎｄｅｘ ｉｎ ｃｏｍｐａｒｉｓｏｎ ｗｉｔｈ ｔｈｅ ｍｏｄｅｌ ｂａｓｅｄ ｏｎ ｂｏｔｈ ｉｎｏｃｕｌｕｍ ａｎｄ ｗｅａｔｈｅｒ ｖａｒｉａｂｌｅｓ.
Ｋｅｙ ｗｏｒｄｓ: ｗｈｅａｔ ｐｏｗｄｅｒｙ ｍｉｌｄｅｗꎻ ｓｐｏｒｅ ｔｒａｐꎻ ｍａｔｈｅｍａｔｉｃａｌ ｍｏｄｅｌｉｎｇꎻ ｅｐｉｄｅｍｉｃ ｍｏｎｉｔｏｒｉｎｇ
中图分类号: Ｓ４３５.１２１.４６　 　 　 　 文献标识码: Ａ　 　 　 　 　 文章编号: ０４１２￣０９１４(２０１６)０１￣０１１２￣０７

　
　 １期 刘 伟ꎬ等:田间空气中小麦白粉菌分生孢子的动态监测研究
　 　 由专性寄生菌 Ｂｌｕｍｅｒｉａ ｇｒａｍｉｎｉｓ ｆ. ｓｐ. ｔｒｉｔｉｃｉ
引起的小麦白粉病是一种典型的气传性病害ꎬ在
世界各麦区均有发生ꎮ 小麦白粉病属多循环病
害ꎬ分生孢子随气流传播是引起病害再侵染和流
行的主要原因ꎬ因此ꎬ研究小麦生长季节空气中
病菌孢子浓度和田间病害的关系ꎬ可预测病害的
发生流行程度ꎮ 利用孢子捕捉器可以实现对空
气中病原菌孢子浓度的连续监测ꎬ结合环境条件
和病害调查ꎬ能够进一步分析影响病原菌传播的
因素及其与病害发生程度的关系[１] ꎮ １９８４ 年ꎬ
Ｊｅｇｅｒ[２]利用捕捉到的苹果白粉病菌的累积孢子
数和病情之间的关系建立了苹果白粉病的预测
模型ꎻＢｌａｎｃｏ 等[３ꎬ４]研究发现空气中草莓白粉病
菌分生孢子浓度和病情指数间具有极显著的正
相关 关 系ꎻ 空 气 中 草 莓 灰 霉 病 菌 ( Ｂｏｔｒｙｔｉｓ
ｃｉｎｅｒｅａ)７ 天累积孢子浓度与草莓果实上灰霉病
病情之间有显著地正相关性ꎻＫｈａｎ 等[５]研究了
空气中甜菜褐斑病菌(Ｃｅｒｃｏｓｐｏｒａ ｂｅｔｉｃｏｌａ)孢子
的变化动态ꎬ并建立了孢子浓度和病害之间的关
系模型ꎮ 我国关于利用孢子捕捉器对病菌孢子
研究的报导相对较少ꎬ本研究在 ２０１２ 和 ２０１３ 年
两个小麦生长季节ꎬ采用 Ｂｕｒｋａｒｄ 定容式孢子捕
捉器ꎬ对不同种植品种的田间试验小区内小麦白
粉病菌分生孢子进行了监测ꎬ分析了田间病情与
空气中白粉菌分生孢子浓度以及气象因子的关
系ꎬ建立了基于空气中白粉菌分生孢子浓度或分
生孢子浓度和气象因子的田间病情估计模型ꎬ此
研究结果将为定容式孢子捕捉器用于小麦白粉
病田间病害流行监测和预测奠定基础ꎮ
１　 材料与方法
１.１　 供试材料和仪器
　 　 供试的小麦品种为京双 １６(高感白粉病)ꎬ众
麦 ２号(中感白粉病)ꎮ 试验所用菌株为小麦白粉
菌混合菌种ꎬ由中国农业科学院植物保护研究所小
麦白粉病实验室提供ꎮ
　 　 病菌孢子捕捉装置为 Ｂｕｒｋａｒｄ 定容式孢子捕
捉器(英国 Ｂｕｒｋａｒｄ公司生产)ꎬ气象数据收集装置
为 Ｄｙｎａｍｅｔ科研级自动气象站(美国 Ｄｙｎａｍａｘ 公
司生产)ꎮ
１.２　 试验方法
１.２.１　 试验地设置和病害接种　 田间试验地点位
于中国农业科学院植物保护研究所廊坊中试基地
(３９.５°Ｎꎬ１１６.６°Ｅ)ꎮ 试验自 ２０１２ 年至 ２０１３ 年共
连续进行 ２ 年ꎬ每个试验小区面积 １０ ｍ×５０ ｍ ＝
５００ ｍ２ꎬ小区内按照正常种植密度(１２０ ｋｇ􀅰ｈｍ￣２)
进行播种ꎬ种植行距为 ０.２５ ｍꎮ ２０１１ 年 １０ 月 ６ 日
播种ꎬ品种为京双 １６ꎻ２０１２年 １０月 ５ 日播种ꎬ品种
为京双 １６和众麦 ２号ꎮ 为确保小麦白粉病能够在
田间发生ꎬ分别于 ２０１２ 年 ３ 月 ２３ 日和 ２０１３ 年 ４
月 ２日分别将在温室内繁殖好的小麦白粉菌盆苗
接种于田间ꎬ每 ５行接种 ２盆ꎮ
１.２.２　 田间空气中小麦白粉菌分生孢子的捕捉　
四月中旬在试验小区的最中心安装孢子捕捉器ꎬ
２０１２年放置 ２ 台ꎬ两台捕捉器的进气口距地面分
别为 ０.６ 和 １.６ ｍꎻ２０１３年在京双 １６和众麦 ２号种
植区各放 １台ꎬ捕捉器的进气口距地面 ０.６ ｍ 处ꎮ
之后每 ７ ｄ给捕捉器换鼓并获得鼓上的捕捉带ꎬ将
吸附有孢子的捕捉带平均剪成 ７ 段ꎬ每段 ４８ ｍｍ
代表 １ ｄ将捕捉带粘附在载玻片上ꎬ置于奥林巴斯
显微镜(日本)下计数ꎮ 每段按捕捉鼓移动方向检
查四次ꎬ然后转换成每天每立方米空气中白粉菌分
生孢子的浓度ꎮ
１.２.３　 气象数据的获得　 气象数据收集记录装置
为 Ｄｙｎａｍｅｔ 科研级自动气象站ꎬ设置在距离试验
小区附近ꎮ 田间试验结束后将气象站所记录的试
验期间的相关气象数据分别计算ꎬ得到日平均温
度、日平均相对湿度、日平均风速、日降雨量、日平
均气压和日太阳辐射总量等相关值ꎮ
１.２.４　 田间病害调查　 在小麦生长季节ꎬ每 ７ ｄ 对
田间小麦白粉病的发病情况进行调查ꎮ 田间调查
采用大 ５点取样ꎬ每点调查 ２０茎ꎬ分级标准参照改
进后的“０ ~ ９”级法[６]进行ꎬ并计算病情指数(Ｄｉ￣
ｓｅａｓｅ Ｉｎｄｅｘ(ＤＩ))ꎮ
ＤＩ＝
０×ｎ０＋１×ｎ１＋􀆺􀆺＋９×ｎ９
９×(ｎ０＋ｎ１＋􀆺􀆺＋ｎ９)
×１００
　 　 其中 ｎ０、ｎ１􀆺􀆺ｎ９分别代表不同发病级别的调
查株数ꎮ
１.２.５　 数据分析
　 　 (１)数据转换 　 采用 Ｂｏｘ￣Ｃｏｘ 变换[７]进行ꎮ
用 ＳＴＡＴＡ７.０ 软件对 λ值进行计算ꎮ
３１１

　
植物病理学报 ４６卷
ｙ＝ｘ
λ￣１
λ
ꎬλ≠０ꎻ或 ｙ＝ ｌｎｘꎬλ＝０
　 　 其中 ｘ 为原始数据ꎬｙ 为 Ｂｏｘ￣Ｃｏｘ 转换后的
数据ꎮ
　 　 (２)时间序列分析　 用由 Ｂｏｘ 与 Ｊｅｎｋｉｎｓ[８]提
出的差分自回归移动平均模型(Ａｕｔｏｒｅｇｒｅｓｓｉｖｅ Ｉｎ￣
ｔｅｇｒａｔｅｄ Ｍｏｖｉｎｇ Ａｖｅｒａｇｅ ＭｏｄｅｌꎬＡＲＩＭＡ(ｐꎬｄꎬｑ))
进行分析ꎮ 其中 ｄ是差分次数ꎬｐ 为自回归项数ꎬｑ
为移动平均项数ꎮ 分析软件为 Ｅｖｉｅｗｓ ６.０软件ꎮ
　 　 ( ３ ) 数学建模与相关分析 　 利用 ＳＡＳ
(Ｖｅｒｓｉｏｎ ９.１.３)软件进行ꎮ 其中空气中白粉菌分
生孢子浓度与气象因子的相关性、小麦白粉病病
情指数与气象因子的相关性分析采用 ＣＯＲＲ 程
序ꎬ用线性回归程序分别建立基于温度的空气中
白粉菌分生孢子浓度的预测模型、基于分生孢子
浓度的病害预测模型、基于分生孢子浓度和气象
因子的病害预测模型ꎬ用 ＰＲＯＣ ＧＬＭ 程序对所
建模型进行比较分析ꎮ
２　 结果与分析
２.１　 田间病害发生情况
　 　 由图 １ 看出ꎬ２０１３ 年田间白粉病发生时间晚
于 ２０１２年ꎬ且发展速度相对较慢ꎬ其中 ２０１２ 年 ５
月 ４ 日至 ２５ 日为病害迅速增长时期ꎬ病情指数由
９.５６迅速增加到 ７６.３３ꎮ ２０１３年 ５月 １７日至 ３１日
病情指数增长迅速ꎬ京双 １６ 和众麦 ２ 号分别由
１５.３３和 １０.２８增长到 ６９.６７和 ５８.０６ꎮ
２.２　 冠层内外白粉菌分生孢子浓度的变化动态
　 　 对 ２０１２年京双 １６ 冠层内外孢子浓度进行分
析发现(图 ２)ꎬ小麦冠层内(距地面 ０.６ ｍ)空气中
白粉菌分生孢子的浓度显著高于冠层外(距地面
１.６ ｍ)ꎮ 距地面 ０.６和 １.６ ｍ空气中白粉菌分生孢
子的平均浓度分别为 ３５.８６和 ４.１４ 孢子∙ｍ￣３ꎮ 同
时ꎬ冠层内和冠层外分生孢子浓度之间存在极显著
的正相关性(Ｒ２ ＝０.７１２ꎬ Ｆ＝４４.１２７ꎬ Ｐ<０.００１)ꎮ
Ｆｉｇ. １　 Ｐｒｏｇｒｅｓｓ ｃｕｒｖｅｓ ｏｆ ｗｈｅａｔ ｐｏｗｄｅｒｙ ｍｉｌｄｅｗ ｅｐｉｄｅｍｉｃ ｏｎ ｗｈｅａｔ ｃｕｌｔｉｖａｒｓ ｉｎ
ｅｘｐｅｒｉｍｅｎｔａｌ ｆｉｅｌｄ ｉｎ ２０１２(Ａ) ａｎｄ ２０１３(Ｂ)
Ｆｉｇ. ２　 Ｄａｉｌｙ ｎｕｍｂｅｒ ｏｆ Ｂｇｔ ｓｐｏｒｅｓ ｐｅｒ ｃｕｂｉｃ
ｍｅｔｒｅ ｏｆ ａｉｒ ｗｉｔｈｉｎ ａｎｄ ａｂｏｖｅ ｔｈｅ ｃａｎｏｐｙ
２.３　 田间空气中孢子浓度的变化动态
　 　 由图 ３看出ꎬ两年度空气中白粉菌的分生孢子
浓度在波动中逐渐升高ꎬ在灌浆初期(５ 月 ２４ 日前
后)分生孢子浓度达到第一个峰值ꎬ之后稍有下
降ꎬ灌浆后期(６ 月上旬)达到第二个峰值ꎬ随后逐
渐下降ꎮ
　 　 其中在 ２０１２年度ꎬ４ 月 ２７ 日首次捕捉到分生
孢子ꎬ随后空气中分生孢子浓度呈缓慢上升趋势ꎬ
于 ５ 月 ２２ 日达到了最高峰 (平均气温 ２２℃ꎬ相
对湿度 ４６.６１％ꎬ风速 １.７３ ｍ􀅰ｓ￣１)ꎮ 此后分生孢子
浓度总体呈波动趋势ꎬ ６ 月 ３ 日达到第二个峰值
(平均气温 ２０℃ ,相对湿度 ８５.３０％ꎬ平均风速 ０.５３
４１１

　
　 １期 刘 伟ꎬ等:田间空气中小麦白粉菌分生孢子的动态监测研究
ｍ􀅰ｓ￣１)ꎬ自 ６月 ８日后ꎬ再未捕捉到分生孢子ꎮ
　 　 ２０１３年度ꎬ从 ５月 １０ 日开始空气中白粉菌的
分生孢子浓度缓慢增加ꎬ京双 １６ 和众麦 ２ 号分别
于 ５月 ２５日和 ６ 月 １ 日达到 ２ 个峰值(日均温分
别为 ２１.３８℃和 ２３.９２℃ꎬ湿度 ４５.３２％和４３.１２％ꎬ风
速 ０.６和 ２.５３ ｍ􀅰ｓ￣１ꎬ无降雨)ꎮ 其中京双 １６ 田间
分生孢子浓度明显高于众麦 ２ 号ꎮ ６ 月 １ 日后空
气中白粉菌分生孢子浓度呈下降趋势ꎬ６ 月 ９ 日和
１０日降雨量分别为 １９.１９ 和６.１２ ｍｍꎬ 自 ６ 月 １３
日后ꎬ再未监测到分生孢子ꎮ
２.４　 时间序列分析
　 　 对 ＡＲＩＭＡ(１ꎬ１ꎬ０)模型的参数进行估计ꎬ发
现两年度模型的相关性均达到极显著水平ꎮ 其中
２０１２年模型为 Ｙｔ ＝０.５０Ｙｔ￣１＋３.０４(Ｒ２ ＝０.２５０ ９ꎬＦ＝
１１.３８ꎬＰ ＝ ０.００１ ８)ꎻ２０１３ 年两品种模型分别为 Ｙｔ
＝０.７５Ｙｔ￣１＋１.６９(京双 １６ꎬＲ２ ＝ ０.５４８ ５ꎬＦ ＝ ３８.８８ꎬＰ
<０.００１)和 Ｙｔ ＝０.６４Ｙｔ￣１＋０.６３(众麦 ２号ꎬＲ２ ＝０.４３７
９ꎬＦ ＝ ２３.３７ꎬＰ<０.００１)ꎮ 其中ꎬＹｔ为第 ｔ 天空气中
白粉菌分生孢子浓度(经 Ｂｏｘｃｏｘ 转换后ꎬ下同)ꎬ
Ｙｔ￣１为第 ｔ￣１天空气中白粉菌分生孢子浓度ꎮ
２.５　 田间空气中白粉菌分生孢子浓度与气象因子
的关系
　 　 由表 １看出ꎬ空气中白粉菌分生孢子浓度与温
度(Ｔ)之间均存在显著的相关性ꎬ其中 ２０１２ 年为
负相关ꎬ２０１３ 年为正相关ꎻ与降雨(Ｐ)、太阳辐射
(ＳＲ)相对湿度(ＲＨ)、气压(ＶＰＤ)、风速(ＷＳ)等
的相关性均未达到显著水平ꎮ
Ｆｉｇ.３　 Ｄａｉｌｙ ｍｅａｎ ｔｅｍｐｅｒａｔｕｒｅ (Ｔ)ꎬ ｒｅｌａｔｉｖｅ ｈｕｍｉｄｉｔｙ (ＲＨ)ꎬ ｒａｉｎｆａｌｌ ａｎｄ ｎｕｍｂｅｒ ｏｆ
Ｂｇｔ ｓｐｏｒｅｓ ｐｅｒ ｃｕｂｉｃ ｍｅｔｒｅ ｏｆ ａｉｒ ａｆｔｅｒ ｉｎｏｃｕｌａｔｉｏｎ ｉｎ ｔｈｅ ｇｒｏｗｉｎｇ ｓｅａｓｏｎｓ ｏｆ
ｗｈｅａｔ ｉｎ Ｌａｎｇｆａｎｇ Ｃｉｔｙ (ＡꎬＣꎬＥ: ２０１２ꎻ ＢꎬＤꎬＦ: ２０１３)
５１１

　
植物病理学报 ４６卷
　 　 基于此ꎬ建立了各年度空气中白粉菌分生孢子
浓度与温度的关系模型ꎮ 其中:
　 　 ２０１２年 Ｙ＝ ￣０.５０Ｔ＋１６.９７ꎬＲ２ ＝０.１９８ ０ꎬ(京双
１６ꎬＦ＝８.６４ꎬＰ＝ ０.００６)ꎻ２０１３ 年两品种分别为 Ｙ ＝
０.２２Ｔ￣１９.５８(京双 １６ꎬＲ２ ＝ ０. １５８ ９ꎬＦ ＝ ６. ２４ꎬＰ ＝
０.０１７ ７)和 Ｙ ＝ ０. ５３Ｔ￣２０. ３２ (众麦 ２ 号ꎬ Ｒ２ ＝
０.１５１ ０ꎬＦ＝５.３４ꎬＰ ＝ ０.０２８ ０)ꎮ 其中 Ｙ 为空气中
白粉菌分生孢子浓度ꎬＴ 为日平均气温(℃)ꎮ 对
回归方程进行检验结果表明ꎬ两年度京双 １６ 回归
模型的截距间没有显著差异ꎬ但斜率差异达到显著
水平(截距:Ｆ ＝ ０.８７ꎬＰ ＝ ０.４６ꎻ斜率:Ｆ ＝ ３.２６ꎬＰ ＝
０.０２７ ０)ꎮ ２０１３年京双 １６和众麦 ２号回归模型的
差异不显著(截距:Ｆ ＝ １.９１ꎬＰ ＝ ０.１３７ ４ꎻ斜率:Ｆ ＝
０.８０ꎬＰ＝０.５０１ １)ꎮ
２.６　 田间小麦白粉病病情指数与气象因子的关系
　 　 对不同时期病情指数与相应时期的气象因子间
的相关性进行分析结果发现(表 ２)ꎬ２０１２年小麦白
粉病病情和太阳辐射强弱显著正相关ꎬ相关系数为
０.９３９ ８ꎮ ２０１３年病情和温度存在显著正相关ꎬ京双
１６和众麦 ２号相关系数分别为 ０.８８８ ４和 ０.８９４ ５ꎮ
Ｔａｂｌｅ １　 Ｌｉｎｅａｒ ｃｏｒｒｅｌａｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔｓ ｂｅｔｗｅｅｎ ｄａｉｌｙ ａｅｒｉａｌ ｃｏｎｉｄｉａｌ
ｃｏｎｃｅｎｔｒａｔｉｏｎ ａｎｄ ｄａｉｌｙ ｗｅａｔｈｅｒ ｆａｃｔｏｒｓ
Ｙｅａｒ Ｖａｒｉｔｙ Ｔ ＲＨ ＳＲ ＷＳ Ｐ ＶＰＤ
２０１２ Ｊｉｎｇｓｈｕａｎｇ１６
ｒ＝ ￣０.４４４ ８
Ｐ＝ ０.００５ ８∗∗
ｒ ＝ ０.１７４ ６　
Ｐ＝ ０.３０１ ３　
ｒ ＝ ￣０.１３９ ３
Ｐ＝ ０.４１０ ８
ｒ＝ ０.０６３ ０
Ｐ＝ ０.７１２ ８
ｒ＝ ￣０.１０５ ３
Ｐ＝ ０.５３５ １
ｒ＝ ０.２９３ ４
Ｐ＝ ０.０７８ ０
２０１３ Ｚｈｏｎｇｍａｉ２
ｒ＝ ０.４１７ ９
Ｐ＝ ０.０１５ ５∗
ｒ ＝ ０.２６８ ２　
Ｐ＝ ０.１３１ ２　
ｒ ＝ ￣０.０６０ ９
Ｐ＝ ０.７３６ ３
ｒ＝ ￣０.１０２ ５
Ｐ＝ ０.５７０ １
ｒ＝ ￣０.１７３ ４
Ｐ＝ ０.３３４ ４
ｒ＝ ０.１７９ ６
Ｐ＝ ０.３１７ １
２０１３ Ｊｉｎｇｓｈｕａｎｇ１６
ｒ＝ ０.３９８ ６
Ｐ＝ ０.０１７ ７∗
ｒ ＝ ０.０９３ ５　
Ｐ＝ ０.５９２ ９　
ｒ ＝ ￣０.１４１ ２
Ｐ＝ ０.４１８ ３
ｒ＝ ￣０.１２８ ０
Ｐ＝ ０.４６３ ７
ｒ＝ ￣０.２２９ ５
Ｐ＝ ０.１８６ ４
ｒ＝ ０.０６０ ９
Ｐ＝ ０.７２８ ０
Ｗｅａｔｈｅｒ ｆａｃｔｏｒｓ: Ｔ: Ｔｅｍｐｅｒａｔｕｒｅ (℃)ꎻ ＲＨ: Ｒｅｌａｔｉｖｅ ｈｕｍｉｄｉｔｙ (％)ꎻ ＳＲ: Ｓｏｌａｒ ｒａｄｉａｔｉｏｎ (Ｗ􀅰ｍ￣２ )ꎻ ＷＳ: Ｗｉｎｄ ｓｐｅｅｄ
(ｍ􀅰ｓ￣１)ꎻ Ｐ: Ｒａｉｎｆａｌｌ(ｍｍ)ꎻ ＶＰＤ: Ｖａｐｏｕｒ ｐｒｅｓｓｕｒｅ ｄｅｆｉｃｉｔ (ｍｂ)ꎻ Ｓｉｇｎｉｆｉｃａｎｃｅ ｌｅｖｅｌｓ ｆｏｒ ｔｈｅ ｃｏｒｒｅｌａｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔｓ: ０.０１<
Ｐ≤０.０５(∗)ꎬ Ｐ≤０.０１(∗∗) .
Ｔａｂｌｅ ２　 Ｌｉｎｅａｒ ｃｏｒｒｅｌａｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔｓ ｂｅｔｗｅｅｎ ｄｉｓｅａｓｅ ｉｎｄｅｘ ｏｆ
ｗｈｅａｔ ｐｏｗｄｅｒｙ ｍｉｌｄｅｗ ａｎｄ ｗｅａｔｈｅｒ ｆａｃｔｏｒｓ
Ｙｅａｒ Ｖａｒｉｔｙ Ｔ ＲＨ ＳＲ ＷＳ Ｐ ＶＤＰ
２０１２ Ｊｉｎｇｓｈｕａｎｇ１６
　 ｒ ＝ ０.６０２ １
　 Ｐ＝ ０.２８２ ６
ｒ＝ ０.３８３ ６
Ｐ＝ ０.５２３ ８
ｒ＝ ０.９３９ ８
Ｐ＝ ０.０１７ ６∗
ｒ ＝ ０.４９９ ３
Ｐ＝ ０.３９１ ８
ｒ＝ ０.２２９ ６
Ｐ＝ ０.７１０ ２
ｒ＝ ￣０.３２７ ５
Ｐ＝ ０.５９０ ６
２０１３ Ｚｈｏｎｇｍａｉ２
　 ｒ ＝ ０.８９４ ５
　 Ｐ＝ ０.０４０ ５∗
ｒ ＝ ０.７２５ ７
Ｐ＝ ０.１６５ ２
ｒ＝ ￣０.５８３ ５
Ｐ＝ ０.３０１ ６
ｒ＝ ０.３４１ ６
Ｐ＝ ０.５７３ ７
ｒ＝ ０.８５０ ２
Ｐ＝ ０.０６８ ０
ｒ＝ ￣０.３４７ ０
Ｐ＝ ０.５６７ ２
２０１３ Ｊｉｎｇｓｈｕａｎｇ１６
　 ｒ ＝ ０.８８８ ４
　 Ｐ＝ ０.０４４ ０∗
ｒ ＝ ０.６９９ １
Ｐ＝ ０.１８８ ９
ｒ＝ ￣０.５９１ ４
Ｐ＝ ０.２９３ ６
ｒ＝ ０.３７８ １
Ｐ＝ ０.５３０ ４
ｒ＝ ０.８１９ ０
Ｐ＝ ０.０８９ ９
ｒ＝ ￣０.３７２ ４
Ｐ＝ ０.５３７ １
Ｗｅａｔｈｅｒ ｆａｃｔｏｒｓ: Ｔ: Ｔｅｍｐｅｒａｔｕｒｅ (℃)ꎻ ＲＨ: Ｒｅｌａｔｉｖｅ ｈｕｍｉｄｉｔｙ (％)ꎻ ＳＲ: Ｓｏｌａｒ ｒａｄｉａｔｉｏｎ (Ｗ􀅰ｍ￣２ )ꎻ ＷＳ: Ｗｉｎｄ ｓｐｅｅｄ
(ｍ􀅰ｓ￣１)ꎻ Ｐ: Ｒａｉｎｆａｌｌ(ｍｍ)ꎻ ＶＰＤ: Ｖａｐｏｕｒ ｐｒｅｓｓｕｒｅ ｄｅｆｉｃｉｔ (ｍｂ)ꎻ Ｓｉｇｎｉｆｉｃａｎｃｅ ｌｅｖｅｌｓ ｆｏｒ ｔｈｅ ｃｏｒｒｅｌａｔｉｏｎ ｃｏｅｆｆｉｃｉｅｎｔｓ: ０.０１<
Ｐ≤０.０５(∗)ꎬ Ｐ≤０.０１(∗∗) .
６１１

　
　 １期 刘 伟ꎬ等:田间空气中小麦白粉菌分生孢子的动态监测研究
２.７　 基于田间空气中白粉菌分生孢子浓度的小麦
白粉病病情估计模型
　 　 对空气中同期白粉菌分生孢子浓度和田间病
情关系进行分析结果发现ꎬ两者间存在极显著的非
线性关系ꎬ由此分别建立了京双 １６ 和众麦 ２ 号两
个品种基于当期空气中分生孢子浓度的田间病情
估计模型:其中 ２０１２ 年 ＤＩ ＝ １４. ６２Ｌｎ (Ｘ) ￣１７. ４６
(Ｒ２ ＝０.８６７ ０ꎬ Ｆ＝１９.５６ꎬＰ＝０.０２１ ５)ꎻ２０１３年 ＤＩ＝
１１.０９Ｌｎ(Ｘ) ￣５.０４(京双 １６ꎬＲ２ ＝０.７７８ ４ꎬＦ＝１０.５４ꎬ
Ｐ＝０.０４７ ６)和 ＤＩ ＝ １３.８７Ｌｎ(Ｘ) ￣５.８７(众麦 ２ 号ꎬ
Ｒ２ ＝０.９４２ ９ꎬ Ｆ＝４９.５２ꎬＰ＝０.００５ ９)ꎮ 式中 ＤＩ为田
间病情指数ꎬＸ为每 ７天空气中的累计孢子浓度ꎮ
　 　 进一步分析结果表明ꎬ两年度京双 １６ 回归模
型间的截距和斜率没有显著差异(截距:Ｆ＝ ０.７２ꎬ
Ｐ ＝ ０.６２４ ２ꎻ斜率:Ｆ ＝ １.３４ꎬＰ ＝ ０.４５３ ７)ꎻ２０１３ 年
京双 １６ 和众麦 ２ 号的截距和斜率间差异也不显
著(截距:Ｆ＝ １.１６ꎬＰ ＝ ０.４９４ ７ꎻ斜率:Ｆ ＝ １.３１ꎬＰ ＝
０.４６１ ２)ꎮ 因此将两年数据合并ꎬ建立了基于空
气中孢子浓度的病害估计模型:ＤＩ ＝ １３. １４Ｌｎ
(Ｘ) ￣２７.９０(Ｒ２ ＝ ０.８６９ ８ꎬＦ＝ ２０.０４ꎬＰ ＝ ０.０２０ ８)ꎮ
检验结果发现ꎬ合并后模型与合并前模型间的截
距和斜率无显著差异ꎮ 其中与 ２０１２ 年回归模型
间截距和斜率分别为 Ｆ ＝ ０.９７ꎬＰ ＝ ０.５４２ ９ 及 Ｆ ＝
０.９１ꎬＰ ＝ ０.５６０ ７ꎮ 与 ２０１３ 年京双 １６ 回归模型间
截距 Ｆ ＝ ０. ８３ꎬ Ｐ ＝ ０.５８６ ７ꎻ斜率 Ｆ ＝ １. ０２ꎬ Ｐ ＝
０.５３０ ６ꎮ 与众麦 ２号回归模型间截距 Ｆ＝１.１３ꎬＰ＝
０.５０２ ２ꎻ斜率 Ｆ＝０.８８ꎬＰ＝０.５６９ ７ꎮ
２.８　 基于空气中白粉菌分生孢子浓度和气象因子
的小麦白粉病估计模型
　 　 采用线性回归分析方法ꎬ建立了基于空气中白
粉菌分生孢子浓度和气象因子的田间小麦白粉病
情估计模型ꎮ 其中 ２０１２ 年ꎬＤＩ ＝ １４.４２ Ｌｎ(Ｘ) ＋
１.８５ＲＨ ￣１０５.７０(京双 １６ꎬＲ２ ＝ ０.９８９ ７ꎬＦ ＝ ９６.４６ꎬＰ
＝０.０１０ ３)ꎮ ２０１３年两品种病情估计模型分别为ꎬ
ＤＩ ＝ ９.０１ Ｌｎ(Ｘ) ＋１.４６ＲＨ ￣７４.３６(京双 １６ꎬＲ２ ＝
０.９８６ ２ꎬＦ＝ ７１. ６６ꎬＰ ＝ ０. ０１３ ８)和 ＤＩ ＝ １１. ５３ Ｌｎ
(Ｘ) ＋０.７２ＲＨ￣３７.８９(众麦 ２ 号ꎬＲ２ ＝ ０.９９２ ４ꎬＦ ＝
１３０.０１ꎬＰ ＝ ０.００７ ６)ꎮ 从所建模型看ꎬ两年度所选
用的参数均含有每 ７ 日空气中的累计孢子浓度
(Ｘ)和相对湿度(ＲＨ)ꎮ
　 　 对回归方程进行检验结果表明ꎬ两年度京双 １６
回归模型的斜率间没有显著差异ꎬ但截距差异达到
极显著水平(截距:Ｆ ＝ ２１.９７ꎬＰ ＝ ０.００９ ４ꎻＲＨ 斜率:
Ｆ＝２.４９ꎬＰ ＝ ０.１９０ ０ꎻ Ｌｎ (Ｘ) 斜率: Ｆ ＝ ４.４３ꎬ Ｐ ＝
０.１０３ ０)ꎮ ２０１３年京双 １６ 和众麦 ２ 号回归模型的
斜率间没有显著差异ꎬ但截距差异也达到显著水平
(截距:Ｆ ＝ １０. ３８ꎬＰ ＝ ０. ０３２ ２ꎻＲＨ 斜率:Ｆ ＝ ４.４１ꎬ
Ｐ＝０.１０３ ７ꎻＬｎ(Ｘ)斜率:Ｆ＝１.７３ꎬＰ＝０.２５８ ７)ꎮ ２０１２
年京双 １６和众麦 ２号 ２０１３年回归模型的 ＲＨ斜率
间有显著差异ꎬ但两模型的截距和 Ｌｎ(Ｘ)斜率无显
著差异(截距:Ｆ ＝ ０.１５ꎬＰ ＝ ０.７１８ ７ꎻＲＨ 斜率:Ｆ ＝
１２.６７ꎬＰ ＝ ０.０２３ ６ꎻ Ｌｎ (Ｘ) 斜率: Ｆ ＝ ０. ３７ꎬ Ｐ ＝
０.５７７ ９)ꎮ
２.９　 田间病害估计模型检验
　 　 用卡方(c２)分别对基于田间病菌分生孢子浓
度所建病害估计模型、基于田间病菌分生孢子浓度
和气象因子所建病害估计模型的模型进行检验ꎬ结
果(表 ３)显示不同年份和不同品种京双 １６ 和众麦
２号基于气象因子和孢子浓度所建的模型卡方值
均小于基于分生孢子浓度所建模型的卡方值ꎮ
３　 结论与讨论
　 　 Ｊｅｎｋｙｎ[９]和 Ｆｒｉｅｄｒｉｃｈ[１０]研究发现ꎬ空气中小麦
白粉菌分生孢子浓度和田间病情的发展是一致的ꎮ
本研究结果发现ꎬ田间白粉菌分生孢子浓度总体变
化趋势随着病情的增加而上升ꎬ这与前人的研究结
论相一致ꎮ 利用 ＡＲＩＭＡ 模型来预测空气中白粉
菌分生孢子的浓度ꎬ其结果符合 ＡＲＩＭＡ(１ꎬ １ꎬ ０)
模型ꎮ
Ｔａｂｌｅ ３　 Ｔｈｅ ｐｅｒｆｏｒｍａｎｃｅ ｏｆ ｔｈｅ ｄｉｓｅａｓｅ ｅｓｔｉｍａｔｉｏｎ ｍｏｄｅｌｓ ｂａｓｅｄ ｏｎ ｃｈｉ￣ｓｑｕａｒｅ ｔｅｓｔ (c２)
Ｐａｒａｍｅｔｅｒ Ｊｉｎｇｓｈｕａｎｇ１６ ｉｎ ２０１２ Ｊｉｎｇｓｈｕａｎｇ１６ ｉｎ ２０１３ Ｚｈｏｎｇｍａｉ２ ｉｎ ２０１３
Ｉｎｏｃｕｌｕｍ ｏｎｌｙ ９.０２５ ０ １９.７５８ ６ ５.６４３ ４
Ｉｎｏｃｕｌｕｍ ａｎｄ Ｗｅａｔｈｅｒ ０.５０４ ６ １.９２５ ０ ０.７８５ ３
７１１

　
植物病理学报 ４６卷
　 　 研究中发现ꎬ田间空气中白粉菌分生孢子浓度
与温度显著相关ꎬ其中 ２０１２ 年为显著负相关ꎬ
２０１３年为显著正相关ꎻ通过对两年生产季节气温
分析发现(图 ２)ꎬ２０１２ 年 ５ 月 ３ 日和 ４ 日ꎬ日均温
度均在 ２４℃以上ꎬ５月 １０日达到 ２５℃以上ꎬ５月 １８
日至 ５ 月 ２８ 日有 ５ ｄ 时间日均气温超过 ２４℃ꎮ
２０１３年 ５月末以前ꎬ日均温度基本在 ２２℃以下ꎬ仅
在 ５月 １２ 日为 ２３.６℃ꎮ Ｗａｒｄ 和 Ｍａｎｎｅｒｓ[１１]的研
究认为ꎬ麦类白粉病发生的最适温度为 １５ ~ ２０℃ꎬ
温度低于 １０℃或高于 ２５℃病害发生均受到抑制ꎻ
Ｌｉ等[１２]的试验也证明ꎬ温度高于 ２５℃时对白粉病
的发生有明显抑制作用ꎬ因此 ２０１２年和 ２０１３ 年田
间空气中白粉菌分生孢子浓度与温度有显著相关
性的差异ꎬ初步推测可能是由于这两年病害流行期
间温度的差异所造成的ꎮ
　 　 Ｃａｒｉｓｓｅ等[１３]研究发现可以利用空气中的孢子
浓度估计葡萄白粉病的病情ꎬ并可用于病害预测和
防治ꎬ以减少农药的使用量及次数ꎮ Ｘｕ 等[１４]根据
病菌侵染源浓度、气象因子、气象因子和侵染源浓
度分别建立了草莓花上灰霉病的预测模型ꎬ结果发
现利用气象因子和病菌侵染源浓度所建模型的预
测效果最好ꎮ 本研究中也分别建立了基于病菌孢
子浓度、基于孢子浓度和气象因子的田间小麦白粉
病病情指数的关系模型ꎬ通过卡方检验ꎬ两年度基
于田间病菌分生孢子浓度和气象因子所建模型拟
合效果要好于基于分生孢子浓度的模型ꎮ 但基于
分生孢子浓度所建模型只含有分生孢子浓度一个
参数ꎬ两年度同品种间、同年度不同品种模型间无
显著差异ꎬ且将两年度数据合并后所建模型与合并
前模型间均无显著差异ꎬ尽管卡方检验不如基于分
生孢子浓度和气象的模型ꎬ但它的普适性要高于后
者ꎬ因此作者认为可以利用基于分生孢子浓度所建
模型来预测田间小麦白粉病的发生和流行ꎮ
参考文献
[１] 　 Ｃａｏ Ｘ Ｒ. Ｒｅｍｏｔｅ ｓｅｎｓｉｎｇ ｆｏｒ ｗｈｅａｔ ｐｏｗｄｅｒｙ ｍｉｌｄｅｗ
ｍｏｎｉｔｏｒｉｎｇ ａｎｄ ｑｕａｎｔｉｆｉｃａｔｉｏｎ ｏｆ ｃｏｎｉｄｉａ ｉｎ ｔｒａｐｓ ｕｓｉｎｇ
Ｒｅａｌ￣ｔｉｍｅ ＰＣＲ[Ｄ] . Ｂｅｉｊｉｎｇ:Ｃｈｉｎｅｓｅ Ａｃａｄｅｍｙ ｏｆ Ａｇ￣
ｒｉｃｕｌｔｕｒａｌ Ｓｃｉｅｎｃｅｓ Ｄｉｓｓｅｒｔａｔｉｏｎ( ｉｎ Ｃｈｉｎｅｓｅ) (北京:中
国农业科学院)ꎬ２０１２.
[２] 　 Ｊｅｇｅｒ Ｍ Ｊ. Ｒｅｌａｔｉｎｇ ｄｉｓｅａｓｅ ｐｒｏｇｒｅｓｓ ｔｏ ｃｕｍｕｌａｔｉｖｅ
ｎｕｍｂｅｒｓ ｏｆ ｔｒａｐｐｅｄ ｓｐｏｒｅｓ: ａｐｐｌｅ ｐｏｗｄｅｒｙ ｍｉｌｄｅｗ ａｎｄ
ｓｃａｂ ｅｐｉｄｅｍｉｃｓ ｉｎ ｓｐｒａｙｅｄ ａｎｄ ｕｎｓｐｒａｙｅｄ ｏｒｃｈａｒｄ ｐｌｏｔｓ
[Ｊ] . Ｐｌａｎｔ Ｐａｔｈｏｌｏｇｙꎬ １９８４ꎬ ３３: ５１７￣５２３.
[３] 　 Ｂｌａｎｃｏ Ｃꎬ Ｓａｎｔｏｓ Ｂ Ｄ Ｌꎬ Ｂａｒｒａｕ Ｃꎬ ｅｔ ａｌ. Ｒｅｌａｔｉｏｎｓｈｉｐ
ａｍｏｎｇ ｃｏｎｃｅｎｔｒａｔｉｏｎｓ ｏｆ Ｓｐｈａｅｒｏｔｈｅｃａ ｍａｃｕｌａｒｉｓ
ｃｏｎｉｄｉａ ｉｎ ｔｈｅ ａｉｒꎬ ｅｎｖｉｒｏｎｍｅｎｔａｌ ｃｏｎｄｉｔｉｏｎｓꎬ ａｎｄ ｔｈｅ
ｉｎｃｉｄｅｎｃｅ ｏｆ Ｐｏｗｄｅｒｙ ｍｉｌｄｅｗ ｉｎ ｓｔｒａｗｂｅｒｒｙ [Ｊ] . Ｐｌａｎｔ
Ｄｉｓｅａｓｅꎬ ２００４ꎬ ８８(８): ８７８￣８８１.
[４] 　 Ｂｌａｎｃｏ Ｃꎬ Ｓａｎｔｏｓ Ｂ Ｄ Ｌꎬ Ｒｏｍｅｒｏ Ｆ. Ｒｅｌａｔｉｏｎｓｈｉｐ ｂｅ￣
ｔｗｅｅｎ ｃｏｎｃｅｎｔｒａｔｉｏｎｓ ｏｆ Ｂｏｔｒｙｔｉｓ ｃｉｎｅｒｅａ ｃｏｎｉｄｉａ ｉｎ ａｉｒꎬ
ｅｎｖｉｒｏｎｍｅｎｔａｌ ｃｏｎｄｉｔｉｏｎｓꎬ ａｎｄ ｔｈｅ ｉｎｃｉｄｅｎｃｅ ｏｆ ｇｒｅｙ
ｍｏｕｌｄ ｉｎ ｓｔｒａｗｂｅｒｒｙ ｆｌｏｗｅｒｓ ａｎｄ ｆｒｕｉｔｓ [ Ｊ] . Ｅｕｒｏｐｅａｎ
Ｊｏｕｒｎａｌ ｏｆ Ｐｌａｎｔ Ｐａｔｈｏｌｏｇｙꎬ ２００６ꎬ １１４(４): ４１５￣４２５.
[５] 　 Ｋｈａｎ Ｊꎬ Ｑｉ Ａꎬ Ｋｈａｎ Ｍ Ｆ Ｒ. Ｆｌｕｃｔｕａｔｉｏｎｓ ｉｎ ｎｕｍｂｅｒ ｏｆ
Ｃｅｒｃｏｓｐｏｒａ ｂｅｔｉｃｏｌａ ｃｏｎｉｄｉａ ｉｎ ｒｅｌａｔｉｏｎｓｈｉｐ ｔｏ ｅｎｖｉｒｏｎ￣
ｍｅｎｔ ａｎｄ ｄｉｓｅａｓｅ ｓｅｖｅｒｉｔｙ ｉｎ ｓｕｇａｒ ｂｅｅｔ [ Ｊ] . Ｐｈｙｔｏｐａ￣
ｔｈｏｌｏｇｙꎬ ２００９ꎬ ９９: ７９６￣８０１.
[６] 　 Ｓｈｅｎｇ Ｂ Ｑꎬ Ｄｕａｎ Ｘ Ｙ. Ｉｍｐｒｏｖｅｍｅｎｔ ｏｆ " ０￣９ ｍｅｔｈｏｄ"
ｔｏ ｒｅｃｏｒｄ ｗｈｅａｔ ｐｏｗｄｅｒｙ ｍｉｌｄｅｗ ｓｔｒａｉｎｓ( ｉｎ Ｃｈｉｎｅｓｅ)
[Ｊ] . Ｂｅｉｊｉｎｇ Ａｇｒｉｃｕｌｔｕｒａｌ Ｓｃｉｅｎｃｅｓ(北京农业科学)ꎬ
１９９１ꎬ (１):３８￣３９.
[７] 　 Ｂｏｘ Ｇ Ｅ Ｐꎬ Ｃｏｘ Ｄ Ｒ. Ａｎ ａｎａｌｙｓｉｓ ｏｆ ｔｒａｎｓｆｏｒｍａｔｉｏｎｓ
[Ｊ] .Ｊｏｕｒｎａｌ ｏｆ ｔｈｅ Ｒｏｙａｌ Ｓｔａｔｉｓｔｉｃａｌ Ｓｏｃｉｅｔｙꎬ Ｓｅｒｉｅｓ Ｂꎬ
１９６４ꎬ２６:２１１￣２５２.
[８] 　 Ｂｏｘ Ｇ Ｅ Ｐꎬ Ｊｅｎｋｉｎｓ Ｇ Ｍ. Ｔｉｍｅ ｓｅｒｉｅｓ ａｎａｌｙｓｉｓꎬ
ｆｏｒｅｃａｓｔｉｎｇ ａｎｄ ｃｏｎｔｒｏｌ [Ｍ]. Ｓａｎ Ｆｒａｎｃｉｓｃｏ: Ｈｏｌｄｅｎ￣
Ｄａｙꎬ １９７６.
[９] 　 Ｊｅｎｋｙｎ Ｊ Ｆ. Ａ ｃｏｍｐａｒｉｓｏｎ ｏｆ ｓｅａｓｏｎａｌ ｃｈａｎｇｅｓ ｉｎ ｄｅｐｏ￣
ｓｉｔｉｏｎ ｏｆ ｓｐｏｒｅｓ ｏｆ Ｅｒｙｓｉｐｈｅ ｇｒａｍｉｎｉｓ ｏｎ ｄｉｆｆｅｒｅｎｔ ｔｒａｐ￣
ｐｉｎｇ ｓｕｒｆａｃｅｓ [Ｊ] . Ａｎｎａｌｓ ｏｆ Ａｐｐｌｉｅｄ Ｂｉｏｌｏｇｙꎬ １９７４ꎬ
７６:２５７￣２６７.
[１０] Ｆｒｉｅｄｒｉｃｈ Ｓ. Ｃａｌｃｕｌａｔｉｏｎ ｏｆ ｃｏｎｉｄｉａｌ ｄｉｓｐｅｒｓａｌ ｏｆ
Ｅｒｙｓｉｐｈｅ ｇｒａｍｉｎｉｓ ｗｉｔｈｉｎ ｎａｔｕｒａｌｌｙ ｉｎｆｅｃｔｅｄ ｐｌａｎｔ ｃａｎｏ￣
ｐｉｅｓ ｕｓｉｎｇ ｈｏｕｒｌｙ ｍｅｔｅｏｒｏｌｏｇｉｃａｌ ｉｎｐｕｔ ｐａｒａｍｅｔｅｒｓ[ Ｊ] .
Ｚｅｉｔｓｃｈｒｉｆｔ ｆüｒ Ｐｆｌａｎｚｅｎｋｒａｎｋｈｅｉｔｅｎ ｕｎｄ Ｐｆｌａｎｚｅｎｓｃｈｕｔｚꎬ
１９９５ꎬ １０２:３３７￣３４ ( ｉｎ Ｇｅｒｍａｎ) .
[１１] Ｗａｒｄ Ｓ Ｖꎬ Ｍａｎｎｅｒｓ Ｊ Ｇ. Ｅｎｖｉｒｏｎｍｅｎｔａｌ ｅｆｆｅｃｔｓ ｏｎ ｔｈｅ
ｑｕａｎｔｉｔｙ ａｎｄ ｖｉａｂｉｌｉｔｙ ｏｆ ｃｏｎｉｄｉａ ｐｒｏｄｕｃｅｄ ｂｙ Ｅｒｙｓｉｐｈｅ
ｇｒａｍｉｎｉｓ[ Ｊ] . Ｒａｎｓａｃｔｉｏｎｓ ｏｆ ｔｈｅ Ｂｒｉｔｉｓｈ Ｍｙｃｏｌｏｇｉｃａｌ
Ｓｏｃｉｅｔｙꎬ １９７４ꎬ ６２ (１): １１９– １２８.
[１２] Ｌｉ Ｂ Ｎ ꎬＺｈｏｕ Ｙ ＬꎬＤｕａｎ Ｘ Ｙ.Ｅｆｆｅｃｔｓ ｏｆ ｔｅｍｐｅｒａｔｕｒｅ
ｏｎ ｗｈｅａｔ ｐｏｗｄｅｒｙ ｍｉｌｄｅｗ ( ｉｎ Ｃｈｉｎｅｓｅ) [ Ｊ] . Ｐｌａｎｔ
Ｐｒｏｔｅｃｔｉｏｎ (植物保护)ꎬ ２００８ꎬ ３４(３): ２２￣２５.
[１３] Ｃａｒｉｓｓｅ Ｏꎬ Ｂａｃｏｎ Ｒꎬ Ｌｅｆｅｂｖｒｅ Ａ.Ｇｒａｐｅ ｐｏｗｄｅｒｙ ｍｉｌ￣
ｄｅｗ (Ｅｒｙｓｉｐｈｅ ｎｅｃａｔｏｒ) ｒｉｓｋ ａｓｓｅｓｓｍｅｎｔ ｂａｓｅｄ ｏｎ ａｉｒ￣
ｂｏｒｎｅ ｃｏｎｉｄｉｕｍ ｃｏｎｃｅｎｔｒａｔｉｏｎ [ Ｊ] . Ｃｒｏｐ Ｐｒｏｔｅｃｔｉｏｎꎬ
２００９ꎬ ２８: １３０６￣１０４４.
[１４] Ｘｕ Ｘ Ｍꎬ Ｈａｒｒｉｓ Ｄ Ｃꎬ ｅｔ ａｌ. Ｍｏｄｅｌｉｎｇ ｉｎｆｅｃｔｉｏｎ ｏｆ
ｓｔｒａｗｂｅｒｒｙ ｆｌｏｗｅｒｓ ｂｙ Ｂｏｔｒｙｔｉｓ ｃｉｎｅｒｅａ ｕｓｉｎｇ ｆｉｅｌｄ ｄａｔａ
[Ｊ] . Ｐｈｙｔｏｐａｔｈｏｌｏｇｙꎬ ２０００ꎬ ９０: １３６７￣１３７４.
责任编辑:曾晓葳
８１１