基于孢子捕捉和实时定量PCR技术的小麦条锈病传播规律与监测预警研究

Wheat stripe rust caused by Puccinia striiformis f. sp. tritici is an important disaster in wheat production in China. It is a typical airborne and epidemic disease of wheat. At present, efficient monitoring and prediction of the disease are still through large-scale field investigation combined with meteorological data and experts' experiences. The method has shortcomings of time-consuming and low efficiency. In this study, the dynamic change of urediniospore quantity and its dispersal route in air of the main epidemic region, and the primary inoculum source will be studied and estimated through spore trapping and real-time quantitative PCR based on RNA level. Meanwhile, the weather factors in micro-climate will be recorded through an automatic weather station installed in the field. The prediction model of wheat stripe rust will be established based on urediniospore quantity and the key meteorological factors in order to improve the prediction accuracy of the disease and serve for the prediction and scientific control of wheat stripe rust.

小麦条锈病是影响我国小麦安全生产的重要生物灾害，是典型的气传流行性病害。目前，有效监测预警小麦条锈病的方法仍然是采用田间大面积病情普查，并结合气象数据和专家经验进行的，存在耗时费工、效率低下等问题。本研究将在前期小麦条锈菌传播规律研究结果的基础上，通过孢子捕捉和实时定量PCR技术，研究我国小麦条锈病主要流行区系内空气中条锈菌夏孢子数量的动态变化规律及其远程传播路线，准确估计初始菌源数量，并结合田间小气候因素及条锈病病情监测结果，建立基于孢子捕捉数量和田间小气候关键因子的小麦条锈病预测模型，提高预测预报的准确率，以期为小麦条锈病的科学防控提供服务。

小麦条锈病是影响我国小麦安全生产的重要生物灾害，是典型的气传流行性病害。目前，有效监测预警小麦条锈病的方法仍然是采用田间大面积病情普查，并结合气象数据和专家经验进行的，存在耗时费工、效率低下等问题。本研究是在前期小麦条锈菌传播规律等研究结果的基础上，通过孢子捕捉和实时定量PCR技术，研究了我国小麦条锈病主要流行区系内空气中条锈菌夏孢子数量的动态变化规律，明确了小麦条锈病流行关键因素，并结合田间小气候因素、条锈菌夏孢子密度、条锈病病情等结果，建立了基于孢子捕捉数量和田间小气候因子的流行程度、发病面积、越冬概率预测模型，并对模型进行准确性评价，提高了对小麦条锈病预测预报的准确率。主要研究结果：.1. 建立并优化了条锈菌夏孢子TaqMan-qPCR定量技术体系，以及空气中夏孢子密度N与实时荧光定量PCR Ct值的数量关系模型。.2. 发明了一种旋转式的病原菌孢子捕捉仪，并在我国小麦条锈病主要流行路线上选择甘肃天水秦州区、甘肃平凉泾川县、湖北襄阳樊城区、四川绵阳游仙区、陕西咸阳武功县和陕西汉中宁强县，安装了孢子捕捉仪器，定期（一般为7天）收集条锈菌孢子捕捉样品，并进行条锈病夏孢子定量研究。.3. 通过对条锈菌夏孢子数量监测点的连续2年系统监测，初步明确了甘肃天水秦州区、甘肃平凉泾川县、湖北襄阳樊城区、四川绵阳游仙区、陕西咸阳武功县和陕西汉中宁强县条锈菌夏孢子数量动态变化规律。.4. 利用积累的多年条锈病发生流行程度数据，结合空气中孢子密度及相关气象因素，采用BP神经网络、多元线性回归、概率预测等方法，建立基于孢子数量和气象因素的流行程度、发病面积、越冬概率预测模型，通过对2021年的预测，并与实际发生情况比较，预测准确度在80%以上。以期能为小麦条锈病的科学防控提供技术支撑。