一、生存模型及其在植物病害流行中的应用（论文文献综述）
吴坚,吴炳熙,张长勤[1]（1993）在《生存模型及其在植物病害流行中的应用》文中研究表明本文利用统计分析中的生存模型导出一个新的植病流行模型,该模型具有一定的生物学意义和应用价值。此外,我们还使用正交表法给出了模型的参数估计方法以及应用实例。
曹学仁[2]（2012）在《小麦白粉病的遥感监测及捕捉器中孢子的Real-time PCR定量检测》文中提出白粉病是我国小麦生产上重要的病害之一。本研究于2010年和2011年利用地面高光谱遥感和无人机数字图像对田间2种植密度下小麦白粉病的发生情况进行了研究，分析了其在白粉病为害后小麦产量、千粒重和籽粒蛋白质损失估计研究中的可行性，利用孢子捕捉器技术研究了空气中白粉菌分生孢子浓度的变化动态与病情的关系，开发了基于Real-time PCR技术的捕捉器中白粉菌孢子浓度的定量检测技术，这些研究结果为遥感、孢子捕捉和分子生物学等技术在白粉病监测预警中的应用奠定了科学基础。本文取得的主要结论如下：白粉病发生后在扬花期、灌浆初期和灌浆后期对2种植密度下田间小麦冠层近红外波段的光谱反射率产生了显着影响。红边斜率（dλred）、红边面积（SDr）及植被指数DVI和SAVI在2年度2种植密度下和病情指数存在显着地相关性。建立了扬花期、灌浆初期和灌浆后期基于冠层光谱参数的田间小麦白粉病病情的估计模型，所建模型的斜率在2种植密度下无显着差异，说明种植密度不影响冠层光谱参数对小麦白粉病发生程度的估计。在正常的小麦种植密度条件下，距地面200m、300m和400m无人机数字图像的颜色特征参数在2年度与田间小麦白粉病病情存在显着或极显着地相关性；在种植密度较小的条件下，距地面不同高度的无人机数字图像中仅G（绿）和I（亮度）在2年度与病情存在显着地相关性。2年度基于I所建的病情估计模型在正常种植密度下无显着差异。白粉病发生后对高感品种京双16产量、千粒重及籽粒蛋白质含量造成的损失分别可高达40%、16%和10%左右。可以选择扬花期SDr和dλred来估计白粉病发生后田间小麦的产量，灌浆后期的DVI和SDr可估计病害发生后小麦的千粒重和蛋白质含量。距地面不同高度数字图像的颜色特征参数与产量、千粒重和蛋白质含量存在显着地相关性。空气中白粉菌的分生孢子浓度首先逐渐增加，在灌浆期达到最大值后逐渐减小。空气中的分生孢子浓度和温度、太阳辐射及风速有关。时间序列分析结果表明，2年度空气中白粉菌分生孢子浓度均符合ARIMA（1,1,0）模型。分别建立了基于当期和7天前空气中孢子浓度、气象因子以及空气中孢子浓度和气象因子的病情指数的关系模型，其中以基于空气中孢子浓度所建模型更适合在生产上推广应用。在对捕捉带上孢子洗脱和破壁后，和试剂盒法相比，传统CTAB法的提取效率更高。Real-timePCR技术获得的孢子浓度和显微镜下计数获得的孢子浓度具有极显着地正相关性，且Real-timePCR技术具有特异性、准确性和工作效率高等优点，表明Real-time PCR技术可用于对捕捉带上病菌分子孢子的定量检测。
吴坚[3]（1998）在《植物病害流行的生存模型及其参数估计》文中研究指明运用生存分析理论，推导出一种植病流行在时间动态上的新模型：ｘ（ｔ）＝１－ｅｘｐ｛－βυ［ｔ－１υ（１－ｅｘｐ｛－υｔ｝）］｝．该模型不同于以往的Ｇｏｍｐｅｒｔｚ、Ｌｏｇｉｓｔｉｃ、指数和Ｗｅｉｂｕｌ植病流行模型，而且具有一定的生物学意义和应用价值。此外，作者使用正交表法给出了该模型参数的估计和在水稻纹枯病流行中的一个应用实例。
李成文[4]（2007）在《植物病害流行时间模拟与预测系统Epitimulator开发及应用》文中研究指明植物病害流行的时间动态是流行学研究的中心课题之一，主要研究病害流行的季节发展曲线、定量描述的数学模型、流行速率及其影响因素。在植物病害流行的时间动态的研究中，众多的数学函数被引入，其中的理查德函数，虽然在理论上证明了其具有通用性，但是由于理查德函数的形状参数m的筛选和模型的检验参数的计算的工作量非常大，且在一般的统计软件和植物病害流行学的软件上很少有理查德函数计算函数，所以理查德函数在植物病害流行上很少应用。因此编写一个能简便快捷计算出理查德函数，并能进行其他相关操作的软件对于推广理查德函数在植物病害流行的应用具有重要的意义。本研究使用瀑布模型（waterfall model）的软件开发模型，研制出植物病害流行时间预测系统软件Epitimulator。软件程序中使用“黄金分割法（0.618优选法）”筛选理查德模型（Richards）形状参数m的最佳值，然后使用这个最佳m值计算出模型中其它参数；对于指数（exponential）、单分子（monomolecular）、逻辑斯蒂（logistic）和龚伯兹（Gompertz）函数则直接进行曲线回归分析算出模型中的参数值。软件编写采用了VB语言，在VB6.0上进行编译，在明智软件安装系统（Wise Installation System，WIS）上打包。软件经过反复的调试、修改和完善，运行稳定。现已开发出的软件功能主要包括模型的参数拟合、拟合模型和拟合曲线图形输出、以及利用拟合模型进行作物病害发生量与发生期预报。该软件可以在Windows 98及以上版本上安装使用。软件数据输入方便，可以直接调入Access数据文件，也可以在软件运行之初直接键入数据；模型计算和输出快捷，软件运行一次所需时间小于0.1S；软件运行中显示界面直观友好，输出的模拟模型数据可以直接粘贴到Excel进行相应的编辑，而输出的拟合曲线图形可以直接以位图（bmp）格式保存。在完成了Epitimulator软件研制和调试后，应用此软件拟合茶树叶枯病菌和空心莲子草镰刀菌生长动态曲线及水稻纹枯病、玉米大斑病和小麦白粉病的流行动态曲线，以检测软件的性能。1、两种植物病原真菌的生长动态拟合：使用多种模型拟合空心莲子草镰刀菌（Fusarium philoxeroides）和茶树叶枯病菌（Colletotrichum camelliae）的分生孢子的萌发曲线和菌落生长曲线，结果表明Gompertz、logistic、Richards三种模型都可以用来拟合分生孢子的萌发曲线和菌落生长曲线，其中Richards最为优秀，证明Richards函数是拟合真菌生长的最佳理论函数，拟合得到的最佳拟合模型分别是：x=[1-1.8985exp（-0.3193t）]0.8808（m=-0.1354，R=0.9544，x2=0.0344）①x=[1-39.6891exp（-1.5695t）]3.6881（m=0.7289，R=0.9688，x2=0.0334）②x=[1+2.3145exp（-0.4011t）]-4.0635（m=1.2461，R=0.9896，x2=0.0113）③x=[1+2.2990exp（-0.4445t）]-4.0635（m=1.2461，R=0.9907，x2=0.0131）④（注：模型①和②是空心莲子草镰刀菌和茶树叶枯病菌孢子萌发进展曲线拟合模型；模型③和④是分别是这两种病菌的菌落生长曲线拟合模型。）2、水稻纹枯病流行时间动态的拟合：通过田间小区试验获得水稻生长季节中纹枯病（Rhizoctonia solani）相对严重度（x）随时间（t）而变化的动态消长曲线，用Epitimulator软件计算出monomolecular、logistic、Gompertz和Richards拟合模型。根据各模型的检验参数分析比较四种理论函数对纹枯病进展曲线的拟合性，发现monomolecular函数的拟合性最差；Gompertz函数优于logistic函数；当确定适当形状参数m值时，用Richards函数可获得纹枯病发展动态的最优拟合模型，其决定系数最高，而卡方值和均方根误差值最小。在实验中设置了6个纹枯病接种处理，拟合得到的病害曲线Richards拟合模型分别是：x=[1-1.0706exp（-0.0105t）]1.8403（m=0.4566，R=0.9927，x2=0.0016）x=[1+0.1874 exp（-0.2139t）]-20.5699（m=1.0486，R=0.9822，x2=0.0109）x=[1-0.6957exp（-0.0174t）]3.6881（m=0.7289，R=0.9875，x2=0.0100）x=[1-0.6903 exp（-0.2103t）]3.6881（m=0.7300，R=0.9885，x2=0.0109）x=[1-0.2492exp（-0.0282t）]13.6142（m=0.9265，R=0.9862，x2=0.0166）x=[1+0.6364exp（-0.0432t）]-8.0703（m=1.1239，R=0.9812，x2=0.0227）3、玉米大斑病（Exserohilum turcium）和小麦白粉病（Blumeria graminis）流行时间动态模拟：玉米大斑病和小麦白粉病的进展曲线的拟合结果证明，当确定最好的形状参数（m）值时，用Richards函数可以获得最优的拟合模型。在用Epitimulator对比分析玉米大斑病和小麦白粉病在不同品种上发生的程度时，发现沈单14和沈农1号品种对玉米大斑病感病性相差不大，小麦白粉病在豫麦41、温2570优系小麦品种上初期发展较慢，而在豫麦13、豫麦18初期发展较快。拟合得到沈单14、沈农1玉米上大斑病的拟合模型为：x=[1+75.1064exp（-0.1107t）]-0.7135（m=2.4015，R=0.9833，x2=0.0246）x=[1+0.2123exp（-0.0466t）]-20.6238（m=1.0485，R=0.9881，x2=0.0171）拟合得到豫麦41、温2540、豫麦13、豫麦18小麦的白粉病的拟合模型为：x=[1+1.5412×1018exp（-0.7559t）]-0.1150（m=9.6808，R=0.9851，x2=0.0037）x=[1+1.2404×1014exp（-0.5081t）]-0.1179（m=9.4835 R=0.9656，x2=0.0060）x=[1+9.4269 exp（-0.0785t）]-1.5610（m=1.6406，R=0.9977，x2=0.0026）x=[1+6.2364exp（-0.0672t）]-1.7698（m=1.5650，R=0.9317，x2=0.0683）4、应用软件预测水稻纹枯病和玉米大斑病的发生：用水稻稻瘟病和玉米大斑病发展曲线中的前期观察数据，运行Epitimulator获得Richaxds拟合模型，然后对作物生长后期的两种病害进行预测。结果表明：模型对水稻稻瘟病、玉米大斑病的发生时间和发生严重度的短期预测具有很高的准确性，预测的平均准确度分别为93.4％和94.6％。
薛腾[5]（2009）在《辽宁玉米纹枯病流行动态及其预测预警研究》文中研究说明玉米（Zea mays L.）是辽宁省第一大粮食作物,具有重要的经济价值和社会价值。近年来,玉米纹枯病（Rhizoctonia solani Kiihn）的发生与危害呈逐年加重的趋势,给玉米生产造成重大损失。尤其在为提高玉米产量而大力推广新型丰产栽培模式以实现增密增产目标的形势下,玉米纹枯病更成为辽宁玉米高产、丰产的主要限制因素之一。为明晰辽宁不同生态区玉米纹枯病发生的基本情况和病害灾变规律,本研究对病害的发生和流行动态进行了系统调查和监测,结合田间人工接种试验,明确了玉米纹枯病流行的时空动态,并研究了新型丰产栽培模式对纹枯病及叶斑病流行动态的影响,在此基础上构建了病害时空流行动态模拟模型及产量损失估计模型,取得的具体成果如下:1.对辽宁省不同生态区玉米纹枯病的发生情况进行了系统调查和监测。调查结果表明:一般年份,辽宁省玉米纹枯病的发病率在40%-85%,严重年份部分地区的发病率高达90%以上,已由次要病害上升为玉米生产上新的威胁。虽然纹枯病在各生态区均有发生,但发病率和病情指数在地区间和年份间存在显着差异。在丹东、大连等辽南湿润区,病害的发病率常年在80%以上,已成为限制当地玉米生产的最重要的病害之一。2.对采自11个代表地区124株病原菌进行了菌丝融合群鉴定。鉴定结果表明:AGl-IA融合亚群是辽宁省玉米纹枯病的优势菌群,占所有分离菌株的97.6%,另有3株分离自大连瓦房店病害标样的菌株属于AG4-HGI融合亚群,这是首次在在辽宁省玉米纹枯病标样上分离到除AGl-IA融合亚群以外的菌株。3.连续2年对14个辽宁主栽玉米品种进行了纹枯病抗病性鉴定。鉴定结果表明:供试品种中没有高抗或抗病品种,多数表现为感病或高感。不同品种在抗性上存在着显着性差异,其中,丹玉88和屯玉42在2年的试验中均表现为中抗。此外,各品种抗病性不同年份间存在显着差异,气候条件是造成差异的根本原因,对品种的抗病鉴定不能依据一年的数据进行判断,要综合多年的数据分析,才能反映品种的实际抗性水平。4.对病情指数随时间的增长情况进行了模拟,得到了可以反映病害在沈阳地区发生与流行的时间动态的生物数学模型。模拟结果表明:Logistic模型和Gompertz模型能够较好地反映病情指数的变化趋势。无论是品种间还是年度间,Logistic模型的拟合度都要优于Gompertz模型,是模拟玉米纹枯病流行时间动态的最佳模型。模型的表达式为:Xt=（?）,（R2=0.9953）。5.通过连续2年的试验,对玉米纹枯病的空间传播方式进行了研究。首次证明:玉米纹枯病在田间单一生长季内不存在空间传播,或传播距离很短,不能依靠气生菌丝或病健叶接触向邻近植株扩展蔓延,是否可以通过落入土中的菌核经雨水反溅进行空间传播有待进一步验证。这与其他学者的结论和教科书的描述截然不同。试验还首次对玉米纹枯病不同时期的空间分布型进行了研究,结果表明病株在整个生长季内均表现为随机分布,试验结果验证了上述结论。6.首次对玉米纹枯病在不同栽培模式下的流行动态进行了系统研究。研究表明:新型丰产栽培模式之间以及与常规模式之间病害的病情指数存在显着性差异,严重程度从高到低依次为:双株紧靠>双株定向>常规栽培>稀密交错>大垅双行>二比空。不同栽培模式间在病害的指数增长期流行速率不同,二比空和大垄双行的增长速率显着低于其他栽培模式,这是导致发病严重程度明显低于其他栽培模式的根本原因。由试验结果可知,各栽培模式下的病株率基本相同,增长情况也大体一致,这主要是由于纹枯病在田间不存在空间传播再侵染所导致。病株率相同,而病情指数不同,表明病株的病害级别不同。主要原因是新型栽培模式创造了良好的通风透光条件,降低了田间的温湿度,减缓了病菌扩展的速度,从而降低了发病程度。7.对以玉米灰斑病为代表的玉米叶斑病在不同栽培模式下的流行动态进行了研究。结果表明:玉米灰斑病在不同栽培模式下的时间动态大致相同,呈典型的“S”型曲线,且各栽培模式的病情指数也基本一致,没有显着差别,说明新型栽培模式对玉米叶斑病的时间流行动态没有显着影响。玉米灰斑病的空间传播表现为中心式传播规律,幂函数模型Y=a（x2+y2）b、含有x2+y2形式的圆型分布模型和含有a（x2+y2）+bx+cy+d形式的椭圆型分布模型,是反映病害空间增长过程和分布情况的最佳模型。病害的空间传播受寄主空间分布和风向风速的影响较大,而新型栽培模式良好的通风条件和密植栽培形式,增加了孢子的传播距离,提高了孢子着落在寄主叶片上的概率,促进了叶斑病的传播。8.对玉米纹枯病引致玉米产量损失的机制进行了研究,并在此基础上构建了玉米纹枯病产量损失估计模型。玉米纹枯病引致产量损失的主要机制是降低籽粒饱满度和果穗的结实率。在病害影响下,百粒重和行粒数等产量性状在不发病与病害2级、3级、4级之间有显着差异,在3级与4级间的差异尤为显着,表明病斑越接近穗位,病害对产量的影响越大,尤其是影响到以穗位为中心的棒三叶时表现尤为敏感。拟合不同模拟模型的研究结果表明,三次多项式模型（Cubic model）是模拟病害级别与产量损失率之间关系的最佳模型,模型表达式为:Y=-0.678x3+5.211x2-1.388x+14.733,而幂指数模型是模拟病情指数与产量损失之间关系的最佳模型,模型表达式为:Y=0.969*x0.919。
王子迎,吴芳芳,檀根甲[6]（2000）在《生态位理论及其在植物病害研究中的应用前景(综述)》文中提出本文对 Grinnell （ 1 91 7） ,Elton （ 1 92 7）和 Hutchinson （ 1 957）的生态位概念进行综合评述 ,分析了植物病害系统中病原微生物的功能作用的特殊性 ,并在此基础上结合生态位的本质含义提出一个针对植物病害系统中病原物的生态位定义 ,即“在一定的植物病害系统中 ,某种病原物在其病害循环的每个时段上的全部生态学过程中所具有的功能地位 ,称为该病原物在该植物病害系统中的生态位”,并进一步提出植物病害病原微生物生态位功能效率的测度指标为侵染效率。依据生态位的多维超体积模型 ,提出了在构件水平运用多维逼进和生态位动态分析的策略测度病原微生物的生态位 ,并列举对病原微生物生态位构造比较重要的资源维。在文末展望生态位理论在植物病害研究中的应用前景 ,内容涉及种间、种内竞争 ,病害分布型式及原因 ,病害流行的主导因素分析和病害的人工进化规律等
王奥霖[7]（2021）在《田间空气中小麦白粉菌分生孢子的动态监测及远程传播气流轨迹分析》文中进行了进一步梳理本研究于2019年和2020年利用病菌孢子捕捉器技术,监测了河北廊坊和河南原阳不同试验点及不同品种田间空气中小麦白粉菌分生孢子浓度的季节变化动态,在此基础上建立了分别基于病菌分生孢子不同定量技术（显微镜病菌孢子计数技术和Real-time PCR病菌孢子定量技术）用于白粉病田间病情的估计模型,并对所建模型进行了比较分析;同时本研究还利于HYSPLIT-4模式研究了小麦白粉病菌的区间远程传播路径,特别是我国广大平原麦区的菌源来源情况,这些研究为明确不同尺度下（田块或大区）小麦白粉病菌的传播路径或传播规律奠定了基础。获得的主要结论包括:1.两年度两个试验点不同品种田间空气中白粉菌分生孢子的季节动态大多表现为其病菌分生孢子浓度均随病情的发展先逐渐增多并会出现几次明显的峰值,最后在灌浆后期逐渐减小。但廊坊2019年‘京双16’和原阳2020年‘百农207’孢子浓度最大值出现在灌浆初期;廊坊2020年‘京双16’和‘石4185’出现在抽穗期,而‘保丰104’出现在扬花期。2.两年度两试验点田间空气中白粉菌分生孢子季节动态的时间序列分析结果存在一定的差异,其中廊坊2019年‘京双16’符合ARIMA（2,0,2）模型;廊坊2020年‘京双16’符合ARIMA（1,1,0）模型,‘石4185’和‘保丰104’则分别符合ARIMA（2,1,2）和ARIMA（0,1,1）模型,原阳2020年‘百农207’符合ARIMA（0,0,1）模型。3.田间空气中病菌分生孢子浓度、田间病情、气象因子相关性分析结果显示,2020年廊坊试验点3个品种的田间空气中病菌孢子浓度与相对湿度显着或极显着正相关,与风速和太阳辐射负相关且大多达到显着或极显着水平;两年度两个试验点不同品种田间病情均与温度显着或极显着正相关;两年度两个试验点不同品种调查日期前和调查日期一周前累计病菌孢子浓度与田间病情存在显着或极显着的线性和对数关系。4.基于相关分析的结果分别建立了基于气象参数、基于累计孢子浓度或基于气象参数和累计孢子浓度的白粉病估计模型。其中基于病菌孢子浓度的模型只有病原菌量一个变量参数,更方便适用于田间小麦白粉病的估计。但不同年度两个试验点不同品种基于累计孢子浓度的病情估计模型存在一定差异,两年度同一高感品种‘京双16’上也存在显着性差异,同一年度、两个试验点的高感品种上大多不存在显着性差异,但高感与高抗品种之间存在显着性差异。5.2020年度廊坊不同品种基于Real-time PCR孢子定量技术与显微孢子计数技术的田间空气中孢子浓度监测结果呈极显着正相关,建立了基于Real-time PCR病菌孢子定量技术监测田间空气中孢子浓度的方法,并组建了相应的田间白粉病估计模型。6.菌源区秋季流行期的正向气流轨迹分析结果显示,湖北郧西、郧阳,河南林州、济源、巩义、灵宝、西峡、洛宁、栾川,陕西临渭、眉县、长武、陇县、合阳、户县的模拟点其气团向外输送的路径较为复杂,其中湖北郧西、郧阳的气团主要向鄂西北山区输送;河南林州、济源的气团主要向正北的冀南和豫北东部运输,西峡、洛宁、栾川的气团主要向东南方向的低矮山区和陕南地区输送;陕西临渭、眉县、长武、陇县、合阳、户县的气团主要向关中平原中西部和陇东地区输送。7.菌源区春季流行期的正向气流轨迹分析结果显示,其代表性的点位模拟湖北郧西,河南林州、巩义和灵宝,陕西眉县、陇县和临渭的春季菌源分别在低、中、高空向外传播的正向气流轨迹:1)湖北郧西春季低空气团主要向鄂西北山区和陕南方向输送,中空气团主要运输至陕西关中平原东部、鄂西北和豫西南,高空气团主要运输至陕西关中东部、河南南阳和湖北江汉平原麦区。2)河南林州、巩义和灵宝春季的低空气团主要向北运输,林州的气团向河南北部和冀南运输,巩义的气团向河南中北部运输,而灵宝的气团向河南中西部和陕西关中东部运输;林州中空气团主要向河南北部、河北南部、山东西部运输,巩义主要向河南北部、河北、山东南部和河南西南部运输,而灵宝的气团主要在豫西南地区运输;河南林州、巩义和灵宝的高空气团主要向东南方向运输,气团经过河南的大部分平原麦区,此外还可运输至河北、山东、安徽、江苏等地的平原麦区。3)陕西临渭、陇县和眉县的春季低空气团运输方向偏北和偏西,眉县和陇县的气团主要向陕西西部运输,临渭的气团向关中平原腹地和渭北地区运输;春季中空气团轨迹路径较为复杂,眉县点位主要运输至陕南、渭北和关中平原中部,临渭点位主要运输至渭北、陕南、关中平原东部和豫西南地区;陕西临渭、陇县和眉县春季高空气团总体上向东运输,气团经过陕西大部分平原麦区,并可运输至湖北和河南的部分平原麦区。8.非菌源区的春季流行区的后向气流轨迹结果显示,（1）其代表点江苏东海春季低空气团主要来自山东和安徽;中空主要来自河南和山东两地;高空主要来自山东、河南和安徽。（2）浙江平湖春季低空气团主要来自省内;中空气团主要来自安徽和江苏;高空气团均来自安徽。9.通过病害秋季流行期和春季流行期的代表点的气流轨迹分析,陕西、湖北两省的菌源除了存在省内传播外,可能还存在双向的传播交流,而河南的菌源除了本地传播和与河北的菌源交流外,可能会向山东、安徽、江苏、湖北等地的平原麦区传播。气流轨迹分析结果总体上与小麦白粉菌群体遗传多样性获得的区间亲缘关系结果比较吻合。
姚志凤[8]（2019）在《小麦条锈病早期检测与预测预报关键技术研究》文中研究指明小麦条锈病是影响我国小麦优质、高产的重要真菌性气传病害,具有分布广、流行性强、危害大等特点。加强对小麦条锈病的早期检测和预测预报,对于减少经济损失、控制农药滥用、保证粮食安全具有重要的意义。本研究利用光谱分析、图像处理、GIS及机器学习等新一代信息技术手段与传统植物保护技术融合的方式,探究小麦条锈病的发病机理、病害光谱特征和传播规律,开展基于热红外和高光谱技术的小麦条锈病早期快速诊断、病害识别与严重度评估,基于Arc GIS和拉格朗日混合单粒子轨迹模型的小麦条锈病夏孢子时空动态分布,基于生境信息的智能化预测预报技术研究,以期为小麦条锈病早期诊断和预测预报提供新思路、新方法和新途径。论文主要内容与结论如下:（1）提出了一种基于热红外成像技术的小麦条锈病早期检测方法,实现了小麦条锈病潜育期叶片的快速、无损检测。利用热红外成像技术连续16天采集小麦样本的热图像,探究小麦叶片温度在早期病害胁迫下的变化响应。结果发现,热红外图像可在接种后第6天将受到侵染但未显症的小麦植株与健康植株区分开来,较肉眼观察提前了4天;且随接种天数的增加,健康小麦叶片平均温度和最大温差无明显变化,而接种病菌的小麦叶片的平均温度呈逐渐下降趋势,最大温差则逐渐增大,接种后第16天,接种叶片的平均温度比健康叶片低2.22℃,最大温差比健康叶片高1.8℃。（2）针对小麦条锈病病情严重度主要依靠植保专家根据经验目测定级,存在劳动强度大、效率低的问题,提出了一种基于热红外成像技术的小麦条锈病严重度定量评估方法。在对不同严重度的小麦条锈病叶片的热红外图像有效增强的基础上,分别采用最大类间方差法和温差阈值法提取染病区域,并根据条锈病染病区域占总叶片面积的比例对小麦条锈病病害严重程度进行评估。通过计算64个样本的染病面积占比,并与实际植保人员目测的病情严重度进行拟合分析表明,本文方法检测的病害严重度与实际病害程度相关系数R在0.97以上,说明基于热红外图像的方法可以成功提取小麦植株的病害区域并用于小麦条锈病严重度的评估分析,为小麦病害严重度评估提供了一种新的方法。（3）提出了一种基于高光谱成像技术的小麦条锈病早期检测方法。连续采集不同侵染天数下小麦叶片的高光谱图像和相应的叶绿素含量,通过化学计量法研究小麦条锈病早期胁迫阶段,叶片的叶绿素含量与高光谱信息的响应特性,并建立了基于PCA-BPNN的小麦叶片叶绿素的预测模型,校正集决定系数RC2和预测集决定系数RP2分别为0.921和0.918。同时,利用数字图像处理技术,绘制小麦条锈病潜育期的叶绿素可视化分布图,实现了小麦病害早期侵染检测的可视化。结果表明,基于高光谱的小麦条锈病可视化检测方法可在条锈病侵染后第6天检测到小麦病斑,较肉眼观察提前了34天。（4）针对小麦条锈病与白粉病在田间常常混合发生,却因病源和发病机理不同而需要鉴别区分和对症下药的问题,提出了一种基于高光谱成像技术的小麦不同病害的诊断与鉴别方法。利用HyperSIS高光谱成像系统采集小麦条锈病、白粉病和小麦健康叶片的光谱数据,通过PCA、SPA、CSAR等方法提取光谱特征,建立LS-SVM和ELM病害分类模型,并对模型进行识别试验。结果表明,PCA-ELM识别模型最优,对校正集和预测集的预测准确率分别为99.58%和100.00%,且该模型仅包含560nm、680nm和758nm 3个波段,为开发便携式小麦病害鉴别仪器提供了依据。（5）小麦条锈病病原菌孢子随气流传播是病害大规模爆发流行的根源,针对这一特点,提出了一种基于夏孢子时空动态分布的小麦条锈病预测模型。利用Arc GIS和全球再分析数据,建立基于拉格朗日混合单粒子轨迹的数值模型,对小麦条锈病夏孢子进行大区域长时间序列的传播轨迹和沉降模拟。结果表明,小麦条锈病夏孢子的传播呈现本地传播与省际间相互传播两种方式,既存在本地迭代进化,也存在不同省市间交叉扩散,为我国小麦条锈病周年侵染循环理论提供了高空气流的佐证;同时,单次的小麦条锈病外传轨迹与沉降分析,可用于突发性天气下,即时模拟预报空中病菌孢子的扩散趋势,为条锈病的短期预报提供支持;而大尺度长时间序列的多次传播轨迹聚类、沉降叠加分析,为气传性小麦条锈病病害远程传播的中长期预测提供了一种新思路。（6）针对现有模型多以数理统计分析为主,预测稳定性差的问题,提出了一种基于生境信息的小麦条锈病预测模型。在对小麦病害生境信息相关性分析和有效降维的基础上,分别建立了反向传播网络和支持向量机的小麦条锈病预测模型,并通过遗传算法和粒子群算法优化网络参数和结构,最终建立GA-BP和PSO-SVM的预测模型。结果发现,两个模型的校正集的准确率均为100.00%,但在预测集的准确率上,PSO-SVM优于GA-BP模型,且平均耗时更短,表明基于SR-PSO-SVM的小麦条锈病预测模型更适用于小麦条锈病流行程度的中长期预测。
李海霞[9]（2007）在《匍匐翦股颖褐斑病预测模型的建立与评价》文中研究说明褐斑病（brown patch）是匍匐翦股颖（Agrostis stolonifera）草坪草上发生的一种危害严重的病害，目前主要采取的防治措施是化学防治和管理措施防治，除了在经济上造成损失以外，有些化学药剂对人和环境还可能造成危害。本研究从病害流行预测的角度考虑，进行了如下研究：一、对已建的两个预测模型（F96和S94）进行病害发生期预测检验；二、建立褐斑病流行的气象预测模型；三、结合管理措施建立褐斑病流行的综合预测模型。主要研究结果如下：1、对已建的两个预测模型（F96和S94）利用2005年7月至8月北京地区高尔夫球场果岭匍匐翦股颖草坪上现场观测的气象数据和病害发生数据进行预测准确率检验。结果表明，F96的两个预测指标中，E2m的错误预测率FAR为0.43，预测可能发生值POD为0.22，预测成功指数CSI为0.19。E2h的错误预测率FAR为0.27，预测可能发生值POD为0.44，预测成功指数CSI为0.38。S94错误预测率FAR为0.20，预测可能发生值POD为0.67，预测成功指数CSI为0.57。表现出的预测准确率都较低。2、对褐斑病流行预测模型中所需的气象因子来源（现场观测气象数据和气象预报数据）进行比较试验，结果显示，现场观测的气象数据与气象预报数据之间存在极显着的相关性。利用这两个来源的气象数据进行模型预测时，预测结果之间也表现出极显着的相关性。表明在褐斑病流行气象预测模型中可以用气象预报数据代替现场观测气象数据进行病害预测。3、利用2005年气象数据和病害发生数据，建立了褐斑病发生期气象预测模型：Y=1／[1+e（5.179+0.346T-0.156RH）]（T为最低日温，RH为日平均相对湿度）。模型经过预测准确率检验，表明预测成功率很高，可以在试验地进行应用。最低日温、日均温和日平均相对湿度与褐斑病发病率和病情指数间存在显着的相关关系，但还不足以充分地预测褐斑病的发病率和病情指数。病情指数与发病率之间相关性显着，得出二者的线性回归模型为Y=0.67X-1.303（Y为病情指数，X为发病率）。4、对管理措施中的三个因子（修剪频率、修剪高度和施纯N量）与褐斑病的相关性进行试验，结果显示，施纯N量和修剪高度对褐斑病发病率和病情指数存在显着影响，可以作为预测褐斑病发生的因子参与预测模型的建立。修剪频率影响较小，建立模型时不予以采纳。5、将施纯N量、修剪高度和日均温、日平均相对湿度结合起来，建立了匍匐翦股颖褐斑病发病率和病情指数的预测模型。发病率预测模型为X=-82.195+3.736N-3.305H+4.476T+0.405RH病情指数预测模型为Y=-41.8+2.656N-1.774H+1.819T+0.33RH其中X为褐斑病发病率，Y为褐斑病病情指数，H为修剪高度，N为施纯N量，T为日均温，RH为日平均相对湿度。
李文学[10]（2019）在《贺兰山东麓酿酒葡萄霜霉病流行预测方法研究》文中认为由葡萄生单（?）霉Plasmopara viticola引起的葡萄霜霉病是葡萄叶部重要的病害,也是贺兰山东麓酿酒葡萄种植区发生普遍且最为严重的病害,严重制约着贺兰山东麓酿酒葡萄的优质和高产。尽管国内外学者、专家对贺兰山东麓葡萄霜霉病的病原学、发生与防治做了大量研究,但对贺兰山东麓酿酒葡萄霜霉病的监测预测方法仍缺乏系统研究。为此,本研究利用孢子捕捉、实时荧光定量PCR（real-time PCR）和地理信息系统（GIS）,从时间、空间两个层面开展酿酒葡萄霜霉病监测预测技术研究,以期为贺兰山东麓酿酒葡萄霜霉病的早期预警和防控提供科学的理论依据。研究结果如下:（1）2016-2018年葡萄生长期,对贺兰山东麓酿酒葡萄种植区3个典型葡萄园的酿酒葡萄霜霉病田间自然发病情况进行了系统调查。利用Linear,Quadratic,Growth,Cubic,S,Exponential及Logistic等11种数学模型模拟了贺兰山东麓酿酒葡萄霜霉病季节流行时间动态曲线,明确Logistic增长模型能够较好反映贺兰山东麓酿酒葡萄种植区葡萄霜霉病流行时间动态情况,准确率高（R2≥0.946）。推导了贺兰山东麓酿酒葡萄种植区葡萄霜霉病指数增长期为7月22日至8月8日,最高病情指数为0.98;逻辑斯蒂增长期为8月9日至10月10日,最高病情指数为47.69;衰退期为10月11日至葡萄生育期末,但年季节流行的最高病情指数小于60。指数增长期表观侵染速率最高（r=0.1266）,为药剂防治的最佳时期。不同酿酒葡萄品种间葡萄霜霉病的发生程度有差异,但都符合Logistic增长模型。初步明确了贺兰山东麓酿酒葡萄霜霉病的发生流行动态模型,为贺兰山东麓酿酒葡萄霜霉病的早期预警提供理论依据。（2）研究贺兰山东麓酿酒葡萄霜霉病菌孢子囊的田间扩散规律,揭示葡萄霜霉病田间流行机制,为该病害的预测预报和防控提供理论依据。于2016-2018年在贺兰山东麓酿酒葡萄园,采用定量风流孢子捕捉仪捕获田间葡萄霜霉病菌孢子囊的方法,监测孢子囊田间扩散动态,并结合田间病情指数和气象因子探讨孢子囊的扩散规律,评估贺兰山东麓酿酒葡萄霜霉病的流行程度和主要气候影响因子。研究结果表明,葡萄霜霉病菌孢子囊全天有两个扩散高峰,分别为10:00和24:00;孢子囊扩散在垂直方向上主要分布在近地面冠层,在水平方向上受葡萄叶幕阻隔影响形成多个孢子囊捕获中心;孢子囊扩散季节动态曲线呈倒“U”型。田间病情、温度、湿度和叶面湿润时间与田间孢子囊扩散相关,是影响酿酒葡萄霜霉病菌孢子囊扩散的重要因素;田间孢子囊扩散数量与田间病情、前7 d平均相对湿度和前7 d平均叶面湿润时数呈极显着相关,相关系数为-0.374、-0.394、-0.473,与当日平均温度和当日叶面湿润时数呈显着相关,相关系数为-0.290、-0.305。定量风流捕孢法可用于贺兰山东麓酿酒葡萄霜霉病菌孢子囊的田间扩散规律研究,通过测定葡萄霜霉病菌孢子囊扩散数量,并结合气象数据分析,可以预测葡萄霜霉病田间发生情况,为早期预警和有效防控提供新思路。（3）构建葡萄霜霉病菌（P.viticola）的实时荧光定量PCR检测体系,为葡萄霜霉病的早期诊断和预测预报提供依据。依据GenB ank中葡萄霜霉病菌cox2基因序列设计1对特异性引物（F-cox-Pv/R-Pv）,建立并优化常规PCR和real-time PCR反应体系,利用包括葡萄霜霉病菌在内的多种葡萄及其他作物病原菌和拮抗菌的菌丝DNA进行常规PCR和real-time PCR特异性检测,并对灵敏度和可重复性进行评价,并运用已构建的real-time PCR体系对人工接种葡萄霜霉病菌的潜育期叶片内病原菌DNA进行定量检测,利用SPSS 19.0软件分析接种时间与叶片内葡萄霜霉病菌潜伏侵染量的关系。研究结果表明,设计的引物特异性高,常规PCR仅对葡萄霜霉病菌DNA有扩增条带,为139bp;real-time PCR检测结果表明该对引物对葡萄霜霉病菌有唯一的产物吸收峰,对其他供试菌株均未检测到产物吸收峰。常规PCR检测的灵敏度为10 pg·μL-1,real-time PCR的灵敏度可达到0.1 pg μL-1,是常规PCR检测灵敏度的100倍。以携带目的基因片段的重组质粒为标准品,构建real-time PCR循环阈值（Ct,x）与模板浓度（y）的线性关系,标准曲线为y=42.27-3.36x,相关系数R2=0.997,扩增效率为98.50%,线性范围达7个数量级,在2.4×103～2.4×109 copies/μL呈现良好的线性关系。对人工接种葡萄霜霉病菌的潜育期叶片内病原菌DNA进行real-time PCR检测,结果表明叶片内病原菌潜伏侵染量（y0随接种时间x）的变化呈指数关系增长,y=6.34×104·e0.084x,相关系数R2=0.936。该real-time PCR检测体系在接种6h后就可以检测到葡萄霜霉病菌DNA,检测量为5.68×104 copies/μL病原菌DNA。构建的葡萄霜霉病菌real-time PCR检测体系的灵敏度远高于常规PCR,且特异性强、重复性好,其Ct值与模板浓度呈较好的线性关系,扩增效率高,可用于定量检测葡萄霜霉病菌的潜伏侵染量,为葡萄霜霉病的早期诊断和预测预报提供依据。（4）运用地理信息系统和地统计学分析方法对2017年贺兰山东麓酿酒葡萄种植区3个尺度不同时期的葡萄霜霉病发生程度进行了空间结构分析,并基于不同模型的普通Kriging插值法模拟了3个尺度不同时期的葡萄霜霉病发生程度的空间分布。结果表明:3个尺度下,葡萄霜霉病在不同发生时期（始发期、盛发初期和盛发中期）均显示出明显不同的空间结构,其半变异函数主要为指数型和高斯型;3个尺度的葡萄霜霉病田间发生量空间格局不同,在小尺度和中尺度下,在176.8～328.9 m的范围呈较好的空间自相关,为聚集分布;大尺度的空间高变异受随机因素影响较大,空间自相关较弱;空间分布模拟较好地从时间、空间两个角度直观地展示了酿酒葡萄霜霉病田间发生程度的动态变化,呈现了贺兰山东麓酿酒葡萄霜霉病的发生程度和发生范围。利用GIS技术研究不同尺度下不同发生时期葡萄霜霉病的发生蔓延规律,能够较好地在较大区域为葡萄霜霉病的防控提供依据。（5）以贺兰山东麓酿酒葡萄种植区为研究区域,运用GIS技术,结合构建的葡萄霜霉病盛发期的预测预报模型:y=-34.40+1.82x0+0.64x1+2.37x2（y:田间病情指数;x0:前15日前葡萄霜霉病病情指数;x1:前15d的平均田间湿润时间;x2:前15d的平均温差）,利用地理信息软件平台ArcGIS 10.2对贺兰山东麓酿酒葡萄霜霉病盛发期的发生量进行了预测和实测模拟,结果表明:基于GIS的贺兰山东麓酿酒葡萄霜霉病预测预报技术,预测结果直观,预测和实测结果基本一致,随机抽样检验准确率为76.60%。基于GIS的贺兰山东麓酿酒葡萄霜霉病预测预报技术能够较好地反映贺兰山东麓酿酒葡萄种植区50.14万hm2的葡萄霜霉病不同发生程度和高效统计不同发生程度面积及其比例。
二、生存模型及其在植物病害流行中的应用（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、生存模型及其在植物病害流行中的应用（论文提纲范文）
（2）小麦白粉病的遥感监测及捕捉器中孢子的Real-time PCR定量检测（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 小麦白粉病概述 |
| 1.1.1 小麦白粉病的发生和危害 |
| 1.1.2 小麦白粉病的症状 |
| 1.1.3 小麦白粉病的发生规律 |
| 1.1.4 小麦白粉病的预测预报 |
| 1.1.5 小麦白粉病的防治 |
| 1.2 遥感在植物病害监测上的应用 |
| 1.2.1 遥感监测植物病害的原理 |
| 1.2.2 遥感在植物病害监测中的研究进展 |
| 1.2.3 遥感估计植物病害产量损失 |
| 1.2.4 遥感技术在禾谷类白粉病监测上的研究 |
| 1.3 空气中病原菌孢子浓度的监测方法 |
| 1.3.1 玻片法 |
| 1.3.2 旋转胶棒孢子捕捉器 |
| 1.3.3 定容式孢子捕捉器 |
| 1.3.4 移动式孢子捕捉器 |
| 1.4 定容式孢子捕捉器中孢子的检测和定量技术 |
| 1.4.1 基于显微镜技术的空气中病原菌孢子浓度的监测 |
| 1.4.2 基于 PCR 技术的空气中病原菌孢子的检测 |
| 1.4.3 基于 Real-time PCR 技术的空气中病原菌孢子浓度的检测和定量 |
| 1.5 研究内容和拟解决的关键问题 |
| 1.5.1 研究内容 |
| 1.5.2 拟解决的关键问题 |
| 1.6 本研究的目的和意义 |
| 第二章 不同种植密度下小麦白粉病的地面高光谱遥感监测 |
| 2.1 材料与方法 |
| 2.1.1 试验材料 |
| 2.1.2 菌种的扩繁 |
| 2.1.3 田间试验设计 |
| 2.1.4 接种方法 |
| 2.1.5 光谱测量 |
| 2.1.6 病害调查 |
| 2.1.7 数据分析 |
| 2.2 结果与分析 |
| 2.2.1 田间病害流行过程 |
| 2.2.3 小麦冠层光谱反射率和白粉病病情之间的关系 |
| 2.2.4 一阶导数光谱与病情之间的关系 |
| 2.2.5 植被指数与病情之间的关系 |
| 2.2.6 基于光谱参数的病害估计模型 |
| 2.3 结论与讨论 |
| 第三章 不同种植密度下小麦白粉病的无人机数字图像监测 |
| 3.1 材料与方法 |
| 3.1.1 田间小区设计 |
| 3.1.2 无人机遥感系统的组成及数据采集 |
| 3.1.3 数字图像处理 |
| 3.1.4 数据分析 |
| 3.2 结果与分析 |
| 3.2.1 距地面 200m 图像颜色特征与小麦白粉病病情的关系 |
| 3.2.2 距地面 300m 图像颜色特征与小麦白粉病病情的关系 |
| 3.2.3 距地面 400m 图像颜色特征与小麦白粉病病情的关系 |
| 3.3 结论与讨论 |
| 第四章 基于遥感技术的小麦白粉病产量损失估计研究 |
| 4.1 材料与方法 |
| 4.1.1 田间试验设计 |
| 4.1.2 田间高光谱测量 |
| 4.1.3 数字图像获取及其处理 |
| 4.1.4 病害调查 |
| 4.1.5 产量、千粒重及籽粒蛋白质含量的测定 |
| 4.1.6 数据分析 |
| 4.2 结果与分析 |
| 4.2.1 白粉病发生后对小麦籽粒产量、千粒重和蛋白质含量的影响 |
| 4.2.2 不同生育时期病情指数与产量、千粒重和籽粒蛋白质含量的关系 |
| 4.2.3 小麦产量损失率与白粉病病情的关系 |
| 4.2.4 籽粒千粒重损失率与白粉病病情的关系 |
| 4.2.5 籽粒蛋白质含量损失率与白粉病病情的关系 |
| 4.2.6 不同生育时期地面光谱参数与产量的关系 |
| 4.2.7 基于地面高光谱参数的产量损失率（%）的估计模型 |
| 4.2.8 不同生育时期地面高光谱参数与千粒重的关系 |
| 4.2.9 基于地面高光谱参数的千粒重损失率（%）的估计模型 |
| 4.2.10 不同生育时期地面高光谱参数与蛋白质含量的关系 |
| 4.2.11 基于地面高光谱参数的蛋白质含量损失率（%）的估计模型 |
| 4.2.12 距地面不同高度数字图像与产量的关系 |
| 4.2.13 距地面不同高度数字图像与千粒重的关系 |
| 4.2.14 距地面不同高度数字图像与蛋白质含量的关系 |
| 4.3 结论与讨论 |
| 第五章 空气中白粉菌分生孢子浓度的变化动态及与环境和病情的关系 |
| 5.1 材料与方法 |
| 5.1.1 试验地位置和田间接种 |
| 5.1.2 空气中病原菌孢子的收集 |
| 5.1.3 气象数据采集 |
| 5.1.4 病害调查 |
| 5.1.5 数据分析 |
| 5.2 结果与分析 |
| 5.2.1 田间病害流行 |
| 5.2.2 空气中白粉菌分生孢子浓度的日变化动态 |
| 5.2.3 数据 Boxcox 转换 |
| 5.2.4 白粉菌分生孢子浓度与气象因子的关系 |
| 5.2.5 时间序列分析 |
| 5.2.6 空气中白粉菌分生孢子浓度的日变化动态 |
| 5.2.7 冠层内外白粉菌分生孢子浓度的变化动态 |
| 5.2.8 基于气象因子的小麦白粉病估计模型 |
| 5.2.9 基于空气中白粉菌分生孢子浓度的小麦白粉病估计模型 |
| 5.2.10 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 |
| 5.2.11 模型的检验 |
| 5.3 结论与讨论 |
| 第六章 Real-time PCR 技术定量检测捕捉器中小麦白粉菌分生孢子浓度 |
| 6.1 材料及设备 |
| 6.1.1 试验材料 |
| 6.1.2 主要试验仪器及试剂 |
| 6.2 试验方法 |
| 6.2.1 供试小麦白粉菌菌株的收集 |
| 6.2.2 捕捉带上白粉菌分生孢子 DNA 的提取 |
| 6.2.3 常规 PCR 反应 |
| 6.2.4 Real-time PCR 反应 |
| 6.2.5 标准曲线的制作 |
| 6.2.6 Real-time PCR 和传统计数方法比较 |
| 6.2.7 数据分析 |
| 6.3 结果与分析 |
| 6.3.1 CTAB 法提取捕捉带上小麦白粉菌分生孢子 DNA |
| 6.3.2 Omega 试剂盒法提取捕捉带上小麦白粉菌分生孢子 DNA |
| 6.3.3 田间捕捉带上孢子的 PCR 检测 |
| 6.3.4 标准曲线的建立 |
| 6.3.5 田间捕捉带样品标准曲线的建立 |
| 6.3.6 Real-time PCR 和显微计数方法的比较 |
| 6.3.7 Real-time PCR 技术定量检测捕捉器中小麦白粉菌分生孢子浓度 |
| 6.4 结论与讨论 |
| 第七章 全文结论 |
| 7.1 不同种植密度下小麦白粉病的地面高光谱遥感监测 |
| 7.2 不同种植密度下小麦白粉病的无人机数字图像监测 |
| 7.3 基于遥感技术的小麦白粉病产量损失估计研究 |
| 7.4 空气中白粉菌分生孢子浓度的变化动态及与环境和病情的关系 |
| 7.5 Real-time PCR 技术定量检测捕捉器中小麦白粉菌分生孢子浓度 |
| 参考文献 |
| 致谢 |
| 作者简历 |
（3）植物病害流行的生存模型及其参数估计（论文提纲范文）
| 1 植病流行生存模型的导出 |
| 2 模型的参数估计及应用实例 |
| 2.1 参数估计 |
| 2.2 应用实例 |
（4）植物病害流行时间模拟与预测系统Epitimulator开发及应用（论文提纲范文）
| 摘要 |
| 英文摘要 |
| 第一章 文献综述 |
| 1.1 季节流行动态常用函数介绍与应用 |
| 1.1.1 指数增长函数(exponential growth function) |
| 1.1.2 单分子函数(Monomolecular function) |
| 1.1.3 龚伯兹函数(Gompertz function) |
| 1.1.4 逻辑斯蒂增长函数(Logistic growth function) |
| 1.1.5 韦布尔函数(Weibull function) |
| 1.1.6 理查德函数(Richards function) |
| 1.2 病害流行相关软件 |
| 1.2.1 侵染概率模拟程序 |
| 1.2.2 病害流行结构分析模拟程序 |
| 1.2.3 病害发生程度及分布的模拟 |
| 1.2.4 植物病害时空流行动态模拟软件 |
| 1.2.5 小麦条锈病预测软件 |
| 1.2.6 安徽省主要小麦病害预测及管理系统 |
| 1.2.7 苹果黑星病流行程度预测软件 |
| 1.3 常用的统计计算软件 |
| 1.3.1 Excel的模型使用与扩展 |
| 1.3.2 SPSS中模型使用与扩展 |
| 1.3.3 SAS统计分析系统 |
| 第二章 引言 |
| 第三章 Epitimulator软件开发 |
| 3.1 软件开发可行性分析 |
| 3.1.1 系统开发目标 |
| 3.1.2 开发Epitimulator的基本要求 |
| 3.1.3 可行性分析结论 |
| 3.2 软件需求分析 |
| 3.2.1 软件的综合要求 |
| 3.3 软件设计与编码 |
| 3.3.1 界面设计 |
| 3.3.2 算法设计 |
| 3.3.3 编码 |
| 3.4 软件编译与测试 |
| 3.5 结论与讨论 |
| 第四章 真菌孢子萌发与菌落生长曲线的模型拟合 |
| 4.1 材料与方法 |
| 4.1.1 供试材料 |
| 4.1.2 实验方法 |
| 4.2 结果与分析 |
| 4.2.1 空心莲子草镰刀菌分生孢子萌发拟合 |
| 4.2.2 茶树叶枯病菌分生孢子萌发拟合 |
| 4.2.3 空心莲子草镰刀菌菌落面积拟合 |
| 4.2.4 茶树叶枯病菌菌落面积拟合 |
| 4.3 结论与讨论 |
| 4.3.1 真菌孢子萌发的进展规律及曲线的模型拟合 |
| 4.3.2 菌落生长规律和曲线的模型拟合 |
| 第五章 水稻纹枯病流行的时间动态模拟 |
| 5.1 材料与方法 |
| 5.1.1 供试材料 |
| 5.1.2 实验方法 |
| 5.2 结果与分析 |
| 5.2.1 纹枯病的发生和发展 |
| 5.2.2 病害进展曲线与模拟 |
| 5.2.3 水稻纹枯病的最佳拟合模型 |
| 5.2.4 相同接种量的拟合曲线 |
| 5.2.5 接种量对水稻纹枯病流行的影响 |
| 5.3 结论与讨论 |
| 第六章 玉米大斑病和小麦白粉病流行时间动态模拟 |
| 6.1 材料与方法 |
| 6.1.1 供试材料 |
| 6.1.2 实验方法 |
| 6.2 结果与分析 |
| 6.2.1 玉米大斑病的最优拟合模型 |
| 6.2.2 玉米品种间的流行拟合模型对比 |
| 6.2.3 小麦白粉病的最优拟合模型 |
| 6.2.4 小麦品种间的流行拟合模型对比 |
| 6.3 结论与讨论 |
| 第七章 应用软件预测水稻纹枯病和玉米大斑病的发生 |
| 7.1 材料与方法 |
| 7.1.1 供试材料 |
| 7.1.2 试验方法 |
| 7.2 结果与分析 |
| 7.2.1 水稻纹枯病的Richards模型拟合 |
| 7.2.2 水稻纹枯病流行时间动态预测 |
| 7.2.3 玉米大斑病的Richards模型拟合 |
| 7.2.4 玉米大斑病流行时间动态预测 |
| 7.3 结论与讨论 |
| 第八章 结论与展望 |
| 8.1 结论 |
| 8.1.1 Epitimulator软件性能 |
| 8.1.2 Epitimulator软件应用 |
| 8.2 展望 |
| 参考文献 |
| 附录1 拟合模型 |
| 附录2 真菌孢子萌发与菌落生长数据 |
| 附录3 Epitimulator软件主要操作界面 |
| 附录4 文献资料数据 |
| 附录5 Epitimulator源程序 |
| 致谢 |
| 在学期间所发表的文章 |
（5）辽宁玉米纹枯病流行动态及其预测预警研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 玉米纹枯病及农业模拟模型研究进展 |
| 第一节 玉米纹枯病研究进展 |
| 1 玉米纹枯病的分布及危害 |
| 2 玉米纹枯病的症状表现及分级标准 |
| 3 病原学 |
| 4 玉米纹枯病的侵染循环和侵染途径 |
| 5 玉米纹枯病的流行规律 |
| 6 玉米纹枯病的致病机理、抗病机制及抗性遗传研究 |
| 7 玉米纹枯病的防治 |
| 第二节 模拟模型在植物病害预测和管理中的应用 |
| 1 模拟模型的概念 |
| 2 模拟模型的类型 |
| 3 农业模拟模型的特点及功能 |
| 4 农业模拟模型的研究进展 |
| 5 本研究的目的及意义 |
| 第二章 辽宁玉米纹枯病流行动态监测及病原学基础研究 |
| 第一节 辽宁不同生态区玉米纹枯病田间病情监测 |
| 1 材料与方法 |
| 2 结果与分析 |
| 3 结论与讨论 |
| 第二节 辽宁玉米纹枯病病原菌菌丝融合群鉴定 |
| 1 材料与方法 |
| 2 结果与分析 |
| 3 结论与讨论 |
| 第三节 辽宁主栽玉米品种对玉米纹枯病的抗病性鉴定 |
| 1 材料与方法 |
| 2 结果与分析 |
| 3 结论与讨论 |
| 第三章 玉米纹枯病流行的时空动态研究 |
| 第一节 玉米纹枯病时间流行动态研究 |
| 1 材料与方法 |
| 2 结果与分析 |
| 3 结论与讨论 |
| 第二节 玉米纹枯病空间流行动态研究 |
| 1 材料和方法 |
| 2 结果与分析 |
| 3 结论与讨论 |
| 第四章 不同栽培模式对玉米纹枯病及灰斑病流行动态的影响 |
| 第一节 不同栽培模式对玉米纹枯病流行动态的影响 |
| 1 部分新型玉米丰产栽培模式简介 |
| 2 材料与方法 |
| 3 结果与分析 |
| 4 结论与讨论 |
| 第二节 不同栽培模式对玉米灰斑病流行动态的影响 |
| 1 材料和方法 |
| 2 结果与分析 |
| 3 结论与讨论 |
| 第五章 玉米纹枯病产量损失的定量研究 |
| 第一节 玉米纹枯病对玉米产量的影响 |
| 1 材料与方法 |
| 2 结果与分析 |
| 3 玉米纹枯病对玉米产量性状影响的方差分析 |
| 4 结论与讨论 |
| 第二节 玉米纹枯病产量损失分析及损失估计模型的构建 |
| 1 玉米纹枯病产量损失分析 |
| 2 玉米纹枯病产量损失估计模型的构建 |
| 3 结论与讨论 |
| 参考文献 |
| 附录 |
| 致谢 |
| 攻读博士学位期间发表文章 |
（6）生态位理论及其在植物病害研究中的应用前景(综述)（论文提纲范文）
| 1 具代表性的三种生态位观点 |
| 1.1 Grinnell的生态位观点 |
| 1.2 Elton的生态位观点 Charles Elton (1927) [23]是这样描述生态位的: |
| 1.3 Hutchinson的生态位观点 |
| 2 植物病害系统中病原微生物生态位的定义、功能效率指标和测度方法 |
| 2.1 病原物的功能过程 |
| 2.2 植物病害系统中病原物生态位的定义 |
| 2.3 病原微生物生态位的功能效率指标 |
| 2.4 病原微生物生态位的测度 |
| 2.4.1 病原物生态位的测度策略 |
| 2.4.2 病原物生态位的实测方法 |
| 2.4.3 病原物生态位研究的几个重要资源维 |
| 2.4.4 病原物生态位的进一步确定 |
| 3 生态位理论在植物病害研究中的应用前景 |
（7）田间空气中小麦白粉菌分生孢子的动态监测及远程传播气流轨迹分析（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 小麦白粉病概述 |
| 1.1.1 小麦白粉病的发生和为害 |
| 1.1.2 小麦白粉病的发生流行规律 |
| 1.2 空气中植物病原菌孢子的动态及相关研究 |
| 1.2.1 空气中病原菌孢子浓度的动态监测方法 |
| 1.2.2 利用定容式孢子捕捉器监测病原菌孢子数量和浓度 |
| 1.2.3 定容式孢子捕捉器中病原菌孢子浓度的检测和定量技术 |
| 1.2.4 气象因素对病原菌孢子动态的影响 |
| 1.2.5 空气中病原孢子浓度与田间病情的关系 |
| 1.3 病原菌孢子远距离或区间传播规律的研究 |
| 1.3.1 病原菌孢子远距离传播的影响因素 |
| 1.3.2 基于田间病害调查的病原菌孢子远距离传播研究 |
| 1.3.3 基于病菌群体遗传多样性和区间亲缘关系分析的病原孢子远距离或区间传播研究 |
| 1.3.4 气流轨迹分析的相关研究 |
| 1.3.5 基于气流轨迹分析的病原菌孢子远距离传播研究 |
| 1.3.6 小麦白粉菌分生孢子远距离传播研究 |
| 1.4 研究目的和意义 |
| 第二章 田间白粉菌分生孢子浓度变化动态监测及与关键气象因子和病情的关系 |
| 2.1 材料与方法 |
| 2.1.1 试验地点和田间试验设计及小麦品种和田间白粉病接种诱发 |
| 2.1.2 空气中白粉菌病菌孢子的捕捉及病害调查 |
| 2.1.3 气象数据获取 |
| 2.1.4 试验数据分析方法 |
| 2.2 结果与分析 |
| 2.2.1 不同地点不同年份病害的田间发生流行动态 |
| 2.2.2 田间白粉菌分生孢子浓度变化动态 |
| 2.2.3 数据正态性检验 |
| 2.2.4 白粉菌分生孢子浓度与气象因子的相关性分析 |
| 2.2.5 分生孢子浓度季节变化的时间序列分析 |
| 2.2.6 基于关键气象因子的小麦白粉病估计模型 |
| 2.2.7 基于空气中白粉菌分生孢子浓度的小麦白粉病估计模型 |
| 2.2.8 基于关键气象因子和空气中白粉菌分生孢子浓度的小麦白粉病估计模型 |
| 2.3 结论与讨论 |
| 第三章 基于Real-time PCR技术的田间孢子动态监测及与气象和病情的关系 |
| 3.1 材料及仪器设备 |
| 3.1.1 试验材料 |
| 3.1.2 试验仪器及试剂 |
| 3.2 试验方法 |
| 3.2.1 试验所用小麦白粉混合菌的获取 |
| 3.2.2 制备室内孢子捕捉带及提取室内和田间捕捉带上白粉菌分生孢子的DNA |
| 3.2.3 常规PCR反应 |
| 3.2.4 Real-time PCR反应 |
| 3.2.5 制作Real-time PCR病菌孢子定量技术的标准曲线 |
| 3.2.6 Real-time PCR病菌孢子定量技术和显微孢子计数技术结果的相关性验证 |
| 3.2.7 数据分析 |
| 3.3 结果与分析 |
| 3.3.1 捕捉带上小麦白粉菌分生孢子DNA的常规PCR检测 |
| 3.3.2 建立捕捉带上白粉菌病菌孢子定量技术的标准曲线 |
| 3.3.3 基于Real-time PCR病菌孢子定量和显微孢子计数技术两种方法所得孢子数量的相关性验证 |
| 3.3.4 基于Real-time PCR病菌孢子定量技术的田间孢子捕捉带上小麦白粉菌分生孢子浓度的检测 |
| 3.3.5 基于Real-time PCR病菌孢子定量技术的白粉菌分生孢子浓度与气象参数的相关性分析 |
| 3.3.6 基于孢子浓度(Real-time PCR病菌孢子定量技术)的小麦白粉病估计模型 |
| 3.3.7 基于气象参数和孢子浓度(Real-time PCR病菌孢子定量技术)的小麦白粉病估计模型 |
| 3.4 结论与讨论 |
| 第四章 模型的比较 |
| 4.1 比较两年度两个试验点不同品种仅基于空气中白粉菌分生孢子浓度的病情估计模型 |
| 4.2 比较两年度两个试验点不同品种基于不同参数的病情估计模型 |
| 4.3 基于两种技术获取的孢子浓度所建模型的比较分析 |
| 4.4 结论与讨论 |
| 第五章 小麦白粉病菌孢子远距离传播气流轨迹分析 |
| 5.1 材料与方法 |
| 5.1.1 高空气象资料 |
| 5.1.2 HYSPLIT模式及Traj Stat使用简介 |
| 5.1.3 病菌传播气流轨迹模拟起始点的选取和相关参数的设置 |
| 5.2 气流轨迹模拟结果与分析 |
| 5.2.1 湖北越夏菌源秋季和春季传播的气流轨迹分析 |
| 5.2.2 河南越夏菌源秋季和春季传播的气流轨迹分析 |
| 5.2.3 陕西越夏菌源秋季和春季传播的气流轨迹分析 |
| 5.2.4 江苏春季菌源来源的气流轨迹分析 |
| 5.2.5 浙江春季菌源来源的气流轨迹分析 |
| 5.2.6 逆向气流轨迹的气流流场分析 |
| 5.3 结论与讨论 |
| 第六章 全文结论 |
| 6.1 田间白粉菌分生孢子浓度变化动态监测及关键气象因子和病情的关系 |
| 6.2 基于 Real-time PCR 技术的田间孢子动态监测及与气象和病情的关系 |
| 6.3 模型比较 |
| 6.4 小麦白粉病菌孢子远距离传播气流轨迹分析 |
| 参考文献 |
| 致谢 |
| 作者简历 |
（8）小麦条锈病早期检测与预测预报关键技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 缩略词表 |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 国内外研究现状 |
| 1.2.1 小麦条锈病研究概况 |
| 1.2.2 作物病害的检测与诊断研究现状 |
| 1.2.3 作物病害预测预报技术研究现状 |
| 1.3 存在问题分析 |
| 1.4 主要研究内容 |
| 1.5 研究方法及技术路线 |
| 1.5.1 研究方法 |
| 1.5.2 技术路线 |
| 1.6 论文组织结构 |
| 第2章 材料与方法 |
| 2.1 试验材料 |
| 2.2 实验设备 |
| 2.2.1 热红外成像系统 |
| 2.2.2 高光谱成像系统 |
| 2.2.3 显微成像系统 |
| 2.2.4 SPAD-502 叶绿素仪 |
| 2.3 数据分析技术与方法 |
| 2.3.1 光谱分析技术 |
| 2.3.2 光谱数据预处理方法 |
| 2.3.3 光谱特征波段选择 |
| 2.4 模型构建与分析 |
| 2.4.1 模型构建方法 |
| 2.4.2 模型优化算法 |
| 2.4.3 模型评价指标 |
| 2.5 数据分析软件 |
| 2.6 本章小结 |
| 第3章 基于热红外图像的小麦条锈病早期检测 |
| 3.1 引言 |
| 3.2 供试样本与数据采集 |
| 3.2.1 供试小麦样本 |
| 3.2.2 热红外图像采集 |
| 3.2.3 显微图像采集 |
| 3.3 基于热红外图像的小麦条锈病早期识别方法 |
| 3.3.1 样本接种区域的温度提取 |
| 3.3.2 数据处理方法 |
| 3.3.3 小麦叶片热红外图像变化 |
| 3.3.4 小麦叶片表面温度变化 |
| 3.3.5 小麦叶片显微图像变化 |
| 3.4 基于热红外图像的小麦条锈病严重度评估 |
| 3.4.1 小麦病害严重度划分与数据获取 |
| 3.4.2 热红外图像预处理 |
| 3.4.3 热红外图像的病斑区域提取 |
| 3.4.4 病害分级结果与分析 |
| 3.5 本章小结 |
| 第4章 基于高光谱图像的小麦条锈病检测与鉴别 |
| 4.1 引言 |
| 4.2 供试样本与数据采集 |
| 4.2.1 供试小麦样本 |
| 4.2.2 光谱图像采集 |
| 4.2.3 叶绿素含量测定 |
| 4.3 基于高光谱成像技术的小麦条锈病早期诊断 |
| 4.3.1 高光谱图像预处理 |
| 4.3.2 不同侵染天数的小麦叶片光谱曲线分析 |
| 4.3.3 特征波长选取 |
| 4.3.4 叶绿素含量预测模型 |
| 4.3.5 SPAD的可视化分布 |
| 4.4 基于高光谱成像技术的小麦条锈病与白粉病鉴别 |
| 4.4.1 光谱预处理和样品划分 |
| 4.4.2 光谱特征分析 |
| 4.4.3 特征波长提取 |
| 4.4.4 病害种类判别模型的建立与比较分析 |
| 4.4.5 小麦病害显微图像分析 |
| 4.5 本章小结 |
| 第5章 条锈病夏孢子远程传播与沉降模拟 |
| 5.1 引言 |
| 5.2 供试数据与资料 |
| 5.2.1 数据与资料 |
| 5.2.2 HYSPLIT模型简介 |
| 5.2.3 模型构建与参数设置 |
| 5.3 模拟结果与分析 |
| 5.3.1 条锈病夏孢子运行轨迹分析 |
| 5.3.2 条锈病夏孢子沉降浓度分析 |
| 5.4 本章小结 |
| 第6章 基于生境信息的小麦条锈病预测分析 |
| 6.1 引言 |
| 6.2 材料与方法 |
| 6.2.1 病情数据与气象资料 |
| 6.2.2 数据降维处理 |
| 6.3 预测模型与分析 |
| 6.3.1 基于遗传-神经网络的预测模型分析 |
| 6.3.2 基于粒子群-支持向量机的预测模型分析 |
| 6.3.3 模型综合比较与评价 |
| 6.4 本章小结 |
| 第7章 结论与展望 |
| 7.1 结论 |
| 7.2 创新点 |
| 7.3 展望 |
| 参考文献 |
| 致谢 |
| 个人简历 |
（9）匍匐翦股颖褐斑病预测模型的建立与评价（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 目录 |
| 1 引言 |
| 1.1 前言 |
| 1.2 研究综述 |
| 1.2.1 褐斑病的发生及其侵染规律研究 |
| 1.2.1.1 褐斑病的发生及其症状 |
| 1.2.1.2 褐斑病的主要侵染来源 |
| 1.2.1.3 褐斑病病原菌的种类、形状及其特征 |
| 1.2.1.4 褐斑病病原菌的生物学特性 |
| 1.2.2 褐斑病的防治 |
| 1.2.2.1 栽培管理措施 |
| 1.2.2.2 化学防治 |
| 1.2.2.3 综合防治措施 |
| 1.2.2.4 褐斑病的流行规律及预测预报研究 |
| 1.2.3 植物病害流行学研究 |
| 1.2.4 存在的问题及发展趋势 |
| 1.3 研究的主要内容和技术路线 |
| 1.3.1 研究的主要内容 |
| 1.3.2 技术路线 |
| 2 两个预测模型的检验 |
| 2.1 材料与方法 |
| 2.1.1 自然条件 |
| 2.1.2 试验地概况 |
| 2.1.3 试验方法 |
| 2.1.3.1 褐斑病发生的观测记录 |
| 2.1.3.2 气象因子的观测记录 |
| 2.1.3.3 草坪的养护管理 |
| 2.2 结果与分析 |
| 2.2.1 气象数据统计处理 |
| 2.2.1.1 2005年7月1日至8月31日试验地观测记录的气象数据 |
| 2.2.1.2 2005年7月1日至8月31日气象预报统计的气象数据 |
| 2.2.2 褐斑病流行预测及实际观测 |
| 2.2.2.1 各预测模型利用不同数据源得出的褐斑病流行预测值 |
| 2.2.2.2 实际观测褐斑病发生情况 |
| 2.2.2.3 褐斑病病害持续期 |
| 2.2.3 模型预测结果分析 |
| 2.2.3.1 F96产生的两个预测指数(E2m i和E2h) |
| 2.2.3.2 S94 |
| 2.2.4 病害流行预测模型的判断指数 |
| 2.2.4.1 E2m i的三个判断指数 |
| 2.2.4.2 E2h的三个判断指数 |
| 2.2.4.3 S94的三个判断指数 |
| 2.2.5 各预测模型在病害化学防治中的表现 |
| 2.2.5.1 第一种方案的喷施计划 |
| 2.2.5.2 第二种方案的喷施计划 |
| 2.2.6 将E2m i和E2h预测阈值降至5.5的预测结果 |
| 2.2.6.1 E2m i |
| 2.2.6.2 E2h |
| 2.2.7 利用气象预报资料进行病害预测与利用试验地观测气象数据进行病害预测的相关性分析 |
| 2.2.7.1 两个来源气象数据中的最低日温的相关性分析 |
| 2.2.7.2 两个气象来源的平均相对湿度的相关性分析 |
| 2.2.7.3 E2m采用两个来源的气象数据产生的病害预测发生值的相关性分析 |
| 2.3 结论和讨论 |
| 2.3.1 E2m、E2h和S94的预测能力 |
| 2.3.1.1 E2m的预测能力 |
| 2.3.1.2 E2h的预测能力 |
| 2.3.1.3 S94的预测能力 |
| 2.3.2 不同气象数据来源之间的相关性 |
| 2.3.3 讨论 |
| 3 气象因子预测褐斑病流行的预测模型的建立 |
| 3.1 预测褐斑病发生期的短期预测模型 |
| 3.1.1 材料与方法 |
| 3.1.2 结果与分析 |
| 3.1.2.1 气象数据与褐斑病发生时期的记录 |
| 3.1.2.2 数据的分析处理 |
| 3.2 预测褐斑病流行程度的短期预测模型 |
| 3.2.1 材料与方法 |
| 3.2.1.1 供试材料 |
| 3.2.1.2 试验方法 |
| 3.2.2 结果与分析 |
| 3.2.2.1 相关性分析 |
| 3.2.2.2 褐斑病发生程度气象预测模型的建立 |
| 3.2.2.3 褐斑病发病率与病情指数的回归模型的建立 |
| 3.3 结论与讨论 |
| 3.3.1 结论 |
| 3.3.1.1 气象因子预测褐斑病发生期的短期预测模型 |
| 3.3.1.2 气象因子预测褐斑病发生程度的短期预测模型 |
| 3.3.1.3 褐斑病发病率与病情指数间的回归模型 |
| 3.3.2 讨论 |
| 4 褐斑病发生期预测模型检验 |
| 4.1 材料和方法 |
| 4.2 结果与分析 |
| 4.2.1 模型预测结果与实际观测结果 |
| 4.2.2 褐斑病病害持续期 |
| 4.2.3 模型预测结果分析 |
| 4.2.4 预测模型的判断指数 |
| 4.3 结论和讨论 |
| 4.3.1 结论 |
| 4.3.2 讨论 |
| 5 影响褐斑病流行的管理因子的选择 |
| 5.1 材料与方法 |
| 5.1.1 试验草坪草的准备 |
| 5.1.1.1 草种的准备 |
| 5.1.1.2 种植土壤的准备 |
| 5.1.1.3 草坪播种 |
| 5.1.1.4 花盆中草坪草的栽培管理 |
| 5.1.2 病原菌的鉴定和培养 |
| 5.1.2.1 菌株样本采集 |
| 5.1.2.2 病原菌的分离培养 |
| 5.1.2.3 病原菌的反接种 |
| 5.1.2.4 病原菌的鉴定 |
| 5.1.3 试验方法 |
| 5.1.3.1 试验设计 |
| 5.1.3.2 处理方法 |
| 5.2 结果与分析 |
| 5.2.1 病原菌的鉴定 |
| 5.2.1.1 菌落观察 |
| 5.2.1.2 显微镜下观察 |
| 5.2.1.3 病原菌的确定 |
| 5.2.2 管理因子的选择 |
| 5.2.2.1 供试土壤的pH及养分含量 |
| 5.2.2.2 正交试验结果 |
| 5.3 结论和讨论 |
| 5.3.1 结论 |
| 5.3.2 讨论 |
| 6 匍匐翦股颖褐斑病流行综合预测模型的建立 |
| 6.1 材料和方法 |
| 6.1.1 试验草坪的建植 |
| 6.1.2 病原菌的培养 |
| 6.1.3 试验方法 |
| 6.1.3.1 试验设计 |
| 6.1.3.2 试验方法 |
| 6.2 结果与分析 |
| 6.3 结论与讨论 |
| 6.3.1 结论 |
| 6.3.2 讨论 |
| 7 结论与讨论 |
| 7.1 结论 |
| 7.2 讨论 |
| 参考文献 |
| 个人简介 |
| 导师简介 |
| 成果清单 |
| 致谢 |
（10）贺兰山东麓酿酒葡萄霜霉病流行预测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 文献综述 |
| 1.1 葡萄霜霉病的分布和危害 |
| 1.2 葡萄霜霉病的症状和病原 |
| 1.3 葡萄霜霉病的侵染循环 |
| 1.3.1 初次侵染 |
| 1.3.2 再次侵染 |
| 1.3.3 越冬 |
| 1.3.4 传播 |
| 1.4 葡萄霜霉病的发生和流行规律 |
| 1.4.1 病原菌的致病性 |
| 1.4.2 品种抗性 |
| 1.4.3 气象条件 |
| 1.4.4 栽培条件 |
| 1.5 葡萄霜霉病防治 |
| 1.5.1 抗病品种的选育和利用 |
| 1.5.2 农业防治 |
| 1.5.3 化学防治 |
| 1.5.4 生物防治 |
| 1.6 葡萄霜霉病的预测测报技术 |
| 1.6.1 预测模型的建立 |
| 1.6.2 定量风流式孢子捕捉 |
| 1.6.3 实时荧光定量PCR |
| 1.6.4 地理信息系统 |
| 1.7 贺兰山东麓葡萄霜霉病的研究进展 |
| 1.7.1 贺兰山东麓酿酒葡萄种植区概况 |
| 1.7.2 贺兰山东麓葡萄霜霉病的发生与防治 |
| 1.8 目的意义 |
| 1.9 技术路线 |
| 第二章 贺兰山东麓酿酒葡萄霜霉病季节流行时间动态模型的建立 |
| 2.1 试验区概况 |
| 2.2 方法 |
| 2.2.1 葡萄霜霉病的田间病情调查 |
| 2.2.2 葡萄霜霉病季节流行时间动态模型的建立 |
| 2.2.3 葡萄霜霉病季节流行时间动态模型的验证 |
| 2.3 结果与分析 |
| 2.3.1 贺兰山东麓酿酒葡萄霜霉病季节流行曲线 |
| 2.3.2 酿酒葡萄霜霉病季节流行时间动态模型的建立与检验 |
| 2.3.3 酿酒葡萄霜霉病流行时期的推导 |
| 2.4 讨论 |
| 第三章 贺兰山东麓酿酒葡萄霜霉病菌孢子囊扩散动态及其与田间病情的相关性分析 |
| 3.1 研究区概况与试验仪器 |
| 3.1.1 研究区概况 |
| 3.1.2 试验仪器 |
| 3.2 方法 |
| 3.2.1 葡萄霜霉病菌孢子囊的捕捉与计数 |
| 3.2.2 孢子囊的空间分布观察 |
| 3.2.3 孢子囊的全天扩散动态观察 |
| 3.2.4 孢子囊的季节扩散动态 |
| 3.2.5 葡萄霜霉病的调查方法和分级标准 |
| 3.2.6 葡萄霜霉病菌孢子囊季节扩散动态与田间病情的相关性 |
| 3.2.7 气象因子与葡萄霜霉病菌孢子囊季节扩散动态和田间病情的相关性 |
| 3.2.8 数据处理 |
| 3.3 结果与分析 |
| 3.3.1 葡萄霜霉病菌孢子囊的空间分布动态 |
| 3.3.2 葡萄霜霉病菌孢子囊全天扩散动态 |
| 3.3.3 葡萄霜霉病菌孢子囊季节扩散动态 |
| 3.3.4 葡萄霜霉病菌孢子囊季节扩散动态与田间病情的相关性 |
| 3.3.5 气象因子与葡萄霜霉病菌孢子囊季节扩散动态和田间病情的相关性 |
| 3.4 讨论 |
| 第四章 葡萄霜霉病菌实时荧光定量PCR检测体系的建立与潜育期病原菌含量的测定 |
| 4.1 材料 |
| 4.1.1 仪器和试剂 |
| 4.1.2 供试材料 |
| 4.2 方法 |
| 4.2.1 样品DNA的提取 |
| 4.2.2 引物的设计与合成及特异性检查 |
| 4.2.3 优化real-time PCR反应条件及灵敏性检测 |
| 4.2.4 重组质粒的制备 |
| 4.2.5 Real-time PCR标准曲线绘制及方法有效性检验 |
| 4.2.6 Real-time PCR定量检测接种后叶片中病原菌含量 |
| 4.2.7 数据处理 |
| 4.3 结果与分析 |
| 4.3.1 引物特异性验证 |
| 4.3.2 引物灵敏度检测 |
| 4.3.3 Real-time PCR反应退火温度的优化 |
| 4.3.4 Real-time PCR标准曲线的建立及方法有效性检验 |
| 4.3.5 潜育期叶片中病原菌的real-time PCR定量测定 |
| 4.4 讨论 |
| 第五章 基于ArcGIS的贺兰山东麓酿酒葡萄霜霉病田间空间格局与分布模拟 |
| 5.1 研究区概况 |
| 5.2 方法 |
| 5.2.1 采样区域的网格化及空间地理数据库的建立 |
| 5.2.2 酿酒葡萄霜霉病的空间格局地统计分析 |
| 5.2.3 半变异函数最优模型的构建 |
| 5.2.4 酿酒葡萄霜霉病空间分布的模拟 |
| 5.3 结果与分析 |
| 5.3.1 酿酒葡萄霜霉病发生量最优模型的构建 |
| 5.3.2 酿酒葡萄霜霉病发生量的空间结构分析 |
| 5.3.3 酿酒葡萄霜霉病田间发生的空间分布模拟 |
| 5.4 讨论 |
| 第六章 基于ArcGIS的贺兰山东麓酿酒葡萄霜霉病发生流行的预测预报技术初步研究 |
| 6.1 样点布设和数据采集 |
| 6.2 方法 |
| 6.2.1 葡萄霜霉病发生程度的划分 |
| 6.2.2 酿酒葡萄霜霉病盛发期GIS预测预报模型的建立 |
| 6.2.3 贺兰山东麓酿酒葡萄霜霉病盛发期发生程度的空间模拟 |
| 6.3 结果与分析 |
| 6.3.1 样点布设和数据库的建立 |
| 6.3.2 贺兰山东麓酿酒葡萄霜霉病盛发期预测预报模型的建立 |
| 6.3.3 基于GIS的贺兰山东麓酿酒葡萄霜霉病盛发期空间分布模拟 |
| 6.3.4 贺兰山东麓酿酒葡萄霜霉病预测值和实测值符合率检验 |
| 6.4 讨论 |
| 第七章 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简历 |
四、生存模型及其在植物病害流行中的应用（论文参考文献）
- [1]生存模型及其在植物病害流行中的应用[J]. 吴坚,吴炳熙,张长勤. 工科数学, 1993(04)
- [2]小麦白粉病的遥感监测及捕捉器中孢子的Real-time PCR定量检测[D]. 曹学仁. 中国农业科学院, 2012(10)
- [3]植物病害流行的生存模型及其参数估计[J]. 吴坚. 南京农业大学学报, 1998(04)
- [4]植物病害流行时间模拟与预测系统Epitimulator开发及应用[D]. 李成文. 西南大学, 2007(06)
- [5]辽宁玉米纹枯病流行动态及其预测预警研究[D]. 薛腾. 沈阳农业大学, 2009(12)
- [6]生态位理论及其在植物病害研究中的应用前景(综述)[J]. 王子迎,吴芳芳,檀根甲. 安徽农业大学学报, 2000(03)
- [7]田间空气中小麦白粉菌分生孢子的动态监测及远程传播气流轨迹分析[D]. 王奥霖. 中国农业科学院, 2021
- [8]小麦条锈病早期检测与预测预报关键技术研究[D]. 姚志凤. 西北农林科技大学, 2019(02)
- [9]匍匐翦股颖褐斑病预测模型的建立与评价[D]. 李海霞. 北京林业大学, 2007(02)
- [10]贺兰山东麓酿酒葡萄霜霉病流行预测方法研究[D]. 李文学. 宁夏大学, 2019