基于HYSPLIT-4模式,利用历史气象数据,研究了小麦条锈病菌的远程传播规律,特别是西北、华北、新疆、四川、云南、贵州之间的菌源关系。结果表明:秋季,西北外来菌源主要来自于四川、云南、贵州,华北外来菌源主要来自于西北、四川、云南、贵州,四川外来菌源主要来自于西北、云南和贵州,云南外来菌源主要来自于贵州,贵州外来菌源主要来自于云南;春季,华北菌源主要影响华北地区,西北菌源主要影响西北、华北、四川的小麦条锈病的流行,四川、云南、贵州的菌源对华北、西北、西南地区有很大影响。其他地区的菌源对新疆几乎没有影响;虽然新疆的菌源偶尔可以传播到其他地区,但是影响很小。

[目的]条锈病菌夏孢子是引起小麦条锈病暴发的重要原因，针对夏孢子显微图像识别中存在的检测精度不高和分割精度较低的问题，提出了一种基于自旋式Unet++网络的小麦条锈病菌夏孢子自动检测算法。[方法]首先，针对显微图像中夏孢子目标密集，易粘连等特点，通过改进Unet++特征提取网络，将原始网络的输出反向连接至输入端形成一种自旋结构，并增加超参数K控制自旋次数，可达到迭代训练的目的，优化了Unet++网络的分割精度，提高了检测的分割率；其次，根据孢子的形态特征，提出了一种加权映射矩形计算公式，以计算其矩形热力图，以提高孢子的检测精确率。[结果]算法测试结果表明，改进算法的平均精确率达到了99.03%，分割率为86.45%，较原始CenterNet模型分割率提高了10.35百分点，精确率提高了0.46百分点，占用内存降低了66.09%。[结论]该模型在保证较高精度的检测夏孢子目标的同时，保证了较高的孢子分割率，为后续小麦条锈病的早期预警提供了一种有效的方法支撑。

[目的] 快速准确识别小麦条锈病病害等级，对其精准防控具有重要意义。[方法]本文利用数码相机获取小麦叶片条锈病RGB图像，构建小麦叶片条锈病不同病害等级数据集，通过对ResNet34模型添加通道注意力模块（SE）和Inception模块加以改进，增强模型对小麦条锈病害特征的关注程度和提取能力，并采用精准率（Precision）、召回率（Recall）、平衡F分数（F-Score）和准确率（Accuracy）等评价指标，对比分析S-ResNet34与VGG16、MobileNetV2、Swin Transformer、ResNet34等多种主流模型的识别精度。[结果]S-ResNet34模型的训练准确率为93.85%，相比于VGG16（84.53%）、MobileNetV2（79.35%）、Swin-Transformer（85.67%）和ResNet34（87.50%）等深度网络模型，准确率分别提高了9.32、14.5、8.18和6.35%。同时模型损失值更小，提出的改进ResNet34模型识别小麦条锈病害特征能力更强，训练收敛更快。[结论]采用深度学习模型能够准确识别小麦条锈病病害程度，通过对ResNet34模型添加注意力模块能有效提高小麦条锈病病害识别精度。

自2005年起在四川省郫县病圃连续播种1.5 hm2抗病品种川麦42作为小麦条锈病菌新毒性突变捕获圃,周围感病品种上接种四川各地采集的小麦条锈病菌样品,2005-2008年川麦42反应型为0~2级。2009年川麦42乳熟后期突然普遍发病,反应型为3-,将发病叶片分离的条锈病菌毒性突变体接种全国小麦条锈病菌生理小种鉴别寄主、含有已知抗条锈基因的小麦品种、近等基因系及四川小麦生产品种后,发现新毒性突变体对在目前在四川仍表现抗病的贵农22、川麦42、含有Yr10的近等基因系NILS12、Moro、含有Yr24的NILS16、以及含有Yr26的NILS17均具有毒性,新毒性突变体因而被命名为avrYr...

【目的】研究多品种混播对条锈病的控制效果及其机理,为利用品种混播这种生态控制条锈病的方法应用提供理论依据。【方法】在田间分别设计6个品种单播及其9个组合的混播小区,比较研究条锈病的发生情况和产量差异;并采用TP-M13-SSR技术分析自然发病条件下条锈菌群体的遗传多样性。【结果】多品种混播小区苗期发病中心较少,且发病中心的扩展速度明显受到抑制,在春季流行阶段病情指数显著降低;品种混播以抗-感组合较好,2007年其相对防效平均为73.27%,相对增产率平均为13.26%;混播中组分数目对病害和产量的影响无明显差异;混播小区条锈菌的遗传多样性高于单播小区。【结论】多品种混播对小麦小麦条锈病有较好的...

水稻是一种对已知所有锈菌免疫的重要粮食作物，从组织和细胞水平研究锈菌与水稻之间的互作关系对于利用水稻抗锈性机制具有重要意义。通过系统观察小麦条锈病菌夏孢子在水稻品种丽江新团黑谷叶片上的侵染过程，发现小麦条锈菌混合菌株的夏孢子在水稻叶片上附着不稳定。在静置叶片上病菌夏孢子能够萌发、侵入，并形成气孔下囊、侵染菌丝、吸器母细胞、吸器、次生菌丝等结构，但是自侵入起便受到丽江新团黑谷对其侵染和扩展的抵抗，表现在侵染各个环节成功率均显著低于在小麦感病品种铭贤１６９叶片上的成功率。接种后５ ｄ内夏孢子芽管侵入气孔并形成气孔下囊、气孔下囊产生初级侵染菌丝、初生侵染菌丝产生吸器母细胞和／或吸器的比率分别比在铭贤．．．

以具有大区流行特点的小麦条锈病为研究对象,在建立小麦条锈病相关因子地理信息数据库的基础上,首次采用地理信息系统(GIS)和地统计学(Geostatistics)方法,对我国小麦条锈病菌越夏区、越冬区进行了气候区划。明确了我国适合小麦条锈病菌越夏、越冬的范围,可为制定小麦条锈病综合治理方案提供依据,也可为条锈病菌越夏、越冬情况的进一步调查研究提供指导。

为监测小麦病菌毒性变异,指导抗病品种选育和大面积布局,2005-2010年在四川阿坝、甘孜、凉山等小麦条锈病菌越夏区以及盆地内冬春流行区采集条锈病标样,单孢子堆分离菌株后接种全国小麦条锈病菌生理小种鉴别寄主和四川辅助鉴别寄主川麦42,6年共分离、接种617个小麦条锈病菌株,测得已知生理小种或致病类型33个。结果表明,自越夏区分离的137个菌株中测出17个已知小种或致病类型;自流行区分离的460个菌株中测得30个已知小种小种或致病类型,其中贵农22类群是一种新的致病类群。病菌在越夏区和盆地内冬春流行区的生理小种毒性组成表明,越夏区病菌毒性慢于流行区,盆地内病菌受到来自陇南和四川西部越夏区菌源以及...

为了解小麦条锈病菌贵农22致病类群在四川流行后小麦品种田间抗性表现,将134份抗条锈基因载体材料和84份四川小麦生产品种,播种于四川省盐亭县黄溪乡、郫县太清镇和江油市武都镇病圃,乳熟后期调查。结果表明,Lee(Yr7,Yr22,Yr23,YrLe1,YrLe2)、Heines Kolben(Yr2,Yr6)、T.spelta album(Yr5)、Hybrid 46(Yr3b,Yr4b,YrH46)、Hobbit(Yr3,Yr4)、VPM1(Yr17)、Renan、Alba(YrAlba)、Avocet

冬小麦条锈病是影响冬小麦生产的主要病害之一，陕西、甘肃、宁夏三省（区）是条锈病主要菌源越冬地，也是向我国华北等麦区传播的重要桥梁，对该区域进行总体的监测和预警对于预防条锈病流行意义重大。由于研究区域幅员辽阔，气象和地形条件差异较大，条锈病发病规律和发病特点差异明显，因此无法将整个研究区域作为一个整体来研究。考虑地理位置因素对研究区进行了一级分区，考虑地形因素对研究区进一步进行了二级分区。进行一级分区时以县级行政区域为单元，通过筛选后选定旬均温度、年最低温度、旬降雨量和越冬菌源地距离等８个因子，结合历年发病等级统计数据，采用除趋势对应分析（ＤＣＡ）和聚类分析相结合的方法进行分析，初步将研究区域划．．．

为了解决生产中小麦条锈病和叶锈病症状难以区分的问题,提高识别率和精度,提出了一种基于支持向量机和多特征参数的小麦条锈病和叶锈病图像分类识别方法。利用图像裁剪方法获取典型症状的子图像,采用中值滤波算法对图像进行去噪,利用K_means硬聚类算法实现病斑分割,提取病斑区域的形状、颜色和纹理特征空间的50个特征参数,设计支持向量机分类器进行分类识别。根据优选的26个特征参数,利用以径向基函数作为核函数的支持向量机对这2种小麦锈病图像进行识别。结果表明:训练样本识别率均为96.67%,测试样本识别率均为100%;与其他核函数相比,径向基核函数最适合于这2种小麦锈病的识别。所提出的基于支持向量机的方法可...

【目的】条锈病对小麦生长和产量造成严重威胁，为确保有效防控，精准监测尤为关键。利用遥感技术构建小麦条锈病估测模型，能快速、准确地估测病情指数（DI），为精准防控提供技术支持。【方法】利用ASD光谱仪获取小麦不同生育期（抽穗期、灌浆期和成熟期）高光谱数据，采用随机森林变量选择（VSURF）方法结合相关性分析（CA）对原始光谱（OR）和一阶微分光谱（FD）进行特征波段筛选。使用随机森林（RF）对比不同数据集的特征波段建模结果，确定模型效果最佳的特征集。随后借助偏最小二乘回归（PLSR）、极致梯度提升（XGBoost）以及反向传播神经网络（BPNN），对比特征集在不同算法中的建模效果。通过对比建模效果，确定针对全生育期小麦条锈病病情指数的最佳估测模型。为了验证特征集在不同生育期中的效果，利用特征集在3个生育期重新构建模型，并对比模型效果。【结果】对不同数据集进行特征筛选，并使用RF构建条锈病DI估测模型，通过比较模型效果，确定VSURF-CA-FD特征集（绿光范围的537 nm以及近红外范围的821和846nm）在RF模型中的估测效果最好。采用RF算法构建的模型表现出优异的精度，R ~2为0.89,RMSE为12.34。这些特征波段在其他算法构建的模型中也展现出良好的精度：XGBoost模型的R ~2为0.87,RMSE为13.15;BPNN模型的R ~2为0.84,RMSE为15.19;PLSR模型的R ~2为0.69,RMSE为20.92。使用不同生育期的冠层微分高光谱数据进行验证，利用VSURF-CA-FD特征集构建RF模型，对比模型发现在小麦生长的早期（抽穗期）R ~2为0.54,RMSE为1.29,NRMSE为0.21，能满足估测病害的要求；小麦生长的中期（灌浆期），模型的R ~2表现较好，R ~2为0.66,RMSE为12.24,NRMSE为0.21；小麦生长晚期（成熟期），模型效果好于前两个时期，R ~2为0.75,RMSE为10.77,NRMSE为0.15。【结论】使用VSURF-CA方法筛选出的特征波段，能构建出对小麦条锈病病情指数具有出色估测效果的RF模型。研究结果可为预测早期和中期条锈病病情指数提供有价值的思路和方法。