Главная страница
Навигация по странице:

  • Метеопатологический долгосрочный сезонный прогноз

  • Курс лекций для студентов специальности 250201 Лесное хозяйство и направления 250100 Лесное дело Красноярск, 2011


    Скачать 1.11 Mb.
    НазваниеКурс лекций для студентов специальности 250201 Лесное хозяйство и направления 250100 Лесное дело Красноярск, 2011
    Анкорlektsii (1).doc
    Дата21.09.2017
    Размер1.11 Mb.
    Формат файлаdoc
    Имя файлаlektsii (1).doc
    ТипКурс лекций
    #8898
    страница38 из 44
    1   ...   34   35   36   37   38   39   40   41   ...   44

    3. Долгосрочный сезонный прогноз болезней растений


    При этом прогнозе развитие болезни предсказывается с упреждением 1-10 месяцев в зависимости от специфики патогенеза и имеющихся исходных цифровых данных.

    Такой прогноз используется в целях планирования и обоснования необходимости проведения профилактических и защитных мероприятий. Биологическая сущность этого прогноза основана на ряде показателей, из которых основными служат: количество заразного начала, которое может обеспечить развитие болезни в наступающем вегетационном сезоне, предрасположение растений к инфекции, что определяется во многом погодными условиями и климатическими факторами, а также хозяйственной деятельностью человека.

    Методически долгосрочный сезонный прогноз болезней растений осуществляется посредством расчетов математических формул, отображающих связи между заболеванием в данном вегетационном периоде и предшествующими погодными факторами (математическое моделирование).

    Принципиально разработка математических моделей долгосрочного сезонного прогноза болезней растений основывается на метеопатологической или метеобиологической основах.

    Метеопатологический прогноз предусматривает в качестве основного прогностического показателя суммарный индекс из нормированных значений погодных факторов, оказывающих комплексное влияние на развитие болезни. Математический расчет такого прогноза основан на ретроспективном анализе связи предшествующей погоды и интенсивности развития болезни в текущем году. Из факторов погоды предшествующего периода чаще всего используют температуру воздуха и сумму осадков. В ряде случаев можно использовать и такие метеорологические показатели как: баланс влаги, число дней с осадками, относительная влажность воздуха, температура почвы, высота снежного покрова и др. Таким образом, на основе многолетних данных (за 10-12 лет) устанавливаются коррелятивные связи между отдельными показателями погоды и проявлением болезни в наступающем сезоне с последующим подбором такого сочетания погоды, которое бы имело с болезнью очень высокую, практически функциональную связь.

    В настоящее время в практике защиты растений на этом принципе разрабатываются и используются для долгосрочного прогноза уравнения линейной регрессии у= а+вх, где y – прогнозируемое развитие болезни; х- суммарный индекс погоды (предикторов), представляющий собой сочетание погодных факторов; а,в –коэффициенты уравнения.

    В лесной фитопатологии математическое моделирование начало развиваться относительно недавно. Метеопатологический долгосрочный сезонный прогноз разработан пока лишь для некоторых болезней: соснового вертуна - южная Карелия - В.И. Крутов, шютте обыкновенное - для условий Белоруссии - Н.И. Якимов.

    Модели долгосрочного прогноза болезней растений, разработанные на метеопатологической основе, имеют существенный недостаток. Дело в том, что подбор предикторов делается механически без их четкого биологического обоснования. При этом предполагается, что такое сочетание условий оказывает комплексное влияние на заразное начало, на растения, на последующую экологическую обстановку. Такое использование предикторов текущего года, не имеющих биологического обоснования, но статистически связанных с погодными факторами прогнозируемого периода, приводит к снижению надежности прогноза. Указанный недостаток устраняется при метеобиологическом подходе, при котором используются только те факторы внешней среды, влияние которых на отдельные этапы эпифитотийного процесса очевидно. Предварительный отбор таких предикторов делается посредством логической модели, в основу которой положены сведения о патогенезе. Логическая модель представляет собой схему причинно-следственных связей, отражающих зависимость развития данного заболевания от условий агротехники и погоды. Причем, чем глубже знания о причинах и сущности болезни, тем совершеннее и логическая модель. После отбора биологически обоснованных предикторов строятся математические модели, которые представляют множественное линейное корреляционное уравнение. В нем учитывается совместное влияние отобранных предикторов на развитие болезни. Общий вид уравнения следующий:

    (1) (2)= а+вх1+сх2±σ,

    где а, в, с - постоянные коэффициенты, численные значения которых получаются при вычислении;

    х1 и х2- прогностические факторы (предикторы),

    σ- ошибка уравнения, то есть прогноз ставится в определенных пределах с учетом тенденции изменения ситуации.

    Как правило, такие модели более стабильны во времени и имеют меньше риска вовлечения в прогностические связи случайных показателей, что значительно повышает качество прогноза.

    Такая модель разработана Аминевым П.И. для предсказания развития шютте обыкновенного сосны в условиях Северо-Запада страны.

    Возможны и другие подходы к прогнозированию интенсивности поражения патогенами древесных растений в наступающем вегетационном сезоне. В.К. Мороз предложил метод долгосрочного прогнозирования развития снежного шютте сосны в культурах. Основой для составления прогноза служат данные, характеризующие степень и давность поражения. При учете очагов болезни по давности их развития определяют общее количество вновь возникших очагов N1 и количество очагов, действовавших в прошлом году N2. Отношение N1 к N2 показывает коэффициент развития болезни (К.р.). Для определения развития шютте снежного в следующем году по найденному коэффициенту развития болезни пользуются специальной номограммой.
    1   ...   34   35   36   37   38   39   40   41   ...   44


    написать администратору сайта