CC BY
49
УДК 632.92: 57.087
Канд. биол. наук Л.Е. КОЛЕСНИКОВ
(СПбГАУ, kleon9@yandex.ru)
ИСПОЛЬЗОВАНИЕ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ В АНАЛИЗЕ ФИТОСАНИТАРНОГО СОСТОЯНИЯ АГРОЦЕНОЗОВ
В настоящее время посевы сельскохозяйственных культур характеризуются низкой стабильностью фитосанитарного состояния. Усовершенствование защиты растений от вредных организмов может быть осуществлено на основе принципиально новой стратегии, основанной на системном управлении агроэкосистемами. Это позволит, в частности, создать стабильные в фитосанитарном отношении агроэкосистемы, повысить урожайность культурных растений, создать условия, благоприятные для растений и неблагоприятные для вредных организмов [1].
В современных условиях стало возможным осуществлять проведение фитосанитарного мониторинга на качественно ином уровне благодаря применению новейших способов работы с информацией на каждом его этапе [2,3].
Создание и модификация баз данных является одной из наиболее востребованных технологий прикладной разработки информационных систем в области защиты растений в отечественной и мировой практике. Так, лишь в ВИЗР за последнее десятилетие создано около десятка новых веб-ресурсов, характеризующих фитосанитарную ситуацию в России [4]. База данных, содержащая сведения об основных вредителях и болезнях сельскохозяйственных культур, представлена на сайте AgroFlora.ru. Создана электронная информационная система PQR ЕОКЗР по карантину растений. В базе данных Agris представлена информация, посвященная вопросам сельского хозяйства и смежных областей.
На данный момент в России в научных разработках задействовано 15 коллекций грибов, размещенных в сводном каталоге непатогенных микроорганизмов, 12 из которых на протяжении многих лет участвовали в различных научных программах совместно с Всероссийской коллекцией микроорганизмов. В последнее время активно развивается база данных Генетического банка (GenBank), база данных по номенклатуре и таксономии грибов Index Fungorum и MycoBank, информационная система по штаммам микроорганизмов StrainInfo [5].
В настоящее время в мире разработано и широко используется большое количество экспертных систем управления защиты растений [6]. Чаще всего за рубежом они обозначаются как системы поддержки правильных решений СППР-DSS (ProPLANTExpert, PLANT-Plus. Landbrugsinfo и др.).
Цель исследования - совершенствование методов анализа фитосанитарного состояния посевов сельскохозяйственных культур с использованием современных средств компьютерной обработки данных (на примере яровой мягкой пшеницы).
Материалы, методы и объекты исследования. В качестве растительного материала исследований были использованы сорта и линии яровой мягкой пшеницы, предоставленные отделом генетических ресурсов пшениц ФГБНУ ФИЦ «Всероссийский институт генетических ресурсов растений».
При проведении фитопатологических исследований важными показателями, характеризующими фитосанитарное состояние посевов сельскохозяйственных культур, являются интенсивность развития и распространенность возбудителей болезней.
Интенсивность развития болезни, определяемая площадью органа растения (листа, стебля и др.), пораженной инфекционными структурами патогена (пустулы, пятна и т.п.), может быть определена условно (по соответствующим, преимущественно визуальным шкалам учета) или с использованием расчетных методов.
Например, общеизвестно, что действительная интенсивность развития возбудителей болезней (например, септориоза и мучнистой росы) может быть установлена с помощью фитопатологической линейки, которую приготавливают из полиэтиленовой пленки (рис.1).
ММ | I I I I I I I I I I I I I I I I I I I I I I I
20««--------------------
15" =—: :==: :=i: :==: :i==
ю-—::-—::::::::::::::
5 q™ ztzz
¿<: 1: 1: 1: 11:111:: I: I: I:::
2.5 10 20 30 40 50 мм Цена деления 2.5 мм.
Рис.1. Фитопатологическая линейка
Фитопатологическую линейку накладывают на лист и рассчитывают его размер. После чего подсчитывают число занятых пораженными участками малых квадратов площадью 6,3 мм2 (2,5мм*2,5мм). Интенсивность болезни определяют, подставив полученные значения в
формулу:
Ив = 6,3 т: 100%,
где Иб - интенсивность болезни на листе, %; n - количество малых квадратов с симптомами болезни; N - площадь листа, см2.
Для листьев злаков величина площади листа определяется по формуле:
S=0,7ld,
где l - длина, мм; d - ширина у основания, мм.
Таким образом, интенсивность болезни на листе злаков определяется по формуле:
n
Иб= 9—100% ld .
Несколько отличается расчет интенсивности болезни для ржавчины злаков. Сначала устанавливают площадь одной пустулы. Для определения данного показателя необходимо воспользоваться окулярным и объективным микрометрами. Следует измерить пустулы, например, бурой ржавчины по двум диаметрам с помощью окулярного микрометра, осуществить перевод безразмерных единиц измерения (линий окулярного микрометра) в единицы измерения метрический системы (мм или мкм) и рассчитать площадь пустулы (Sn) в предположении об ее эллиптической форме:
?
где а и b -значения полуосей эллипса (в линиях окулярного микрометра), тг = 3,14 (const), m -масштабный коэффициент микроскопа.
Установив площадь одной пустулы (0,25; 0,5; 0,75; 1 мм2 и т.д.), подсчитывают среднее число пустул в малом квадрате. Затем их число перемножают на площадь пустулы, делят на 6,3 мм2 и выражают в %.
& 6.3
где Sn - площадь одной пустулы, мм2; N - среднее количество пустул в одном квадрате (малом).
Действительную (расчетную) интенсивность развития болезни возможно определить с помощью профессиональных программ анализа изображений, таких как ВидеоТест
Морфология, Аргус-Bio, а также с использованием графического редактора изображений GNU Image Manipulation Program (GIMP).
При проведении лабораторных и вегетационных опытов, связанных с заражением растений, в частности, уредоспорами возбудителя бурой ржавчины, целесообразно использование камеры Горяева для расчета инфекционной нагрузки. Камера Горяева состоит из толстого предметного стекла с нанесенной на него микроскопической сеткой (рис.2).
При работе с камерой Горяева ее рабочая поверхность должна быть чистой и сухой. Недопустимо наличие пузырей воздуха на сетке камеры, так как это мешает точности опыта. Для расчета концентрации уредоспор в 1 мл жидкости с помощью пипетки из емкости берут 1-2 капли и помещают в счетную камеру Горяева. Далее используют следующую методику: если объем камеры равен 0,9 мм3 (0,0009 см3), то число уредоспор N в 1 мл исследуемой суспензии составит: N = n/0,0009, где n - число зарегистрированных уредоспор в сетке камеры.
Результаты исследования. Алгоритм компьютерной обработки данных фитопатологических исследований предусматривает создание электронной базы данных исследования; компьютерный анализ данных с использованием методов математической статистики; представление результатов исследования в численном и/или графическом виде; обобщение материалов исследования и их представление в форме отчетной документации, презентаций (в системе Microsoft Power Point) и т.п.
На начальных этапах обработки данных опыта в электронных таблицах пакетов прикладных программ, например Excel, SPSS, Statistica создается база данных в форме кодировочных таблиц, отражающих количественные связи между переменными опыта и отдельными факторами (год исследования, район обследования, географические особенности местности, выявленные болезни и т.п.).
За период с 1995 г. по настоящее время в электронных таблицах пакета прикладных программ SPSS создана оригинальная база данных, включающая измерения агронометрических, фитопатологических, фитоиммунологических характеристик более 1100 сортов и линий яровой мягкой пшеницы с учетом фотометрического и элементного статуса образцов (рис.3).
Предварительная обработка данных эксперимента предусматривает использование методов описательной статистики. Например, достоверные различия между средними значениями интенсивности развития болезней, измеренными на сортах различного происхождения, определяют с использованием 95%-доверительных интервалов, а также с применением критерия Стьюдента.
Для построения гистограммы (рис. 4), отражающей влияние происхождения сортов мягкой пшеницы на интенсивность развития мучнистой росы, следует последовательно нажать пиктограммы в окне программы SPSS: графика - столбики - простые и далее
осуществить ввод в открывшееся меню переменных, отражающих развитие мучнистой росы на предфлаговой листовой поверхности образцов, и задать категориальную ось -происхождение образцов. Если помимо средних значений на гистограммах следует отразить 95%-доверительные интервалы, то необходимо в параметрах графика выбрать опцию -показать столбики ошибок.
Год Образец Образец^ Рт Yr Образец_ Lr Образец_ Yr Образец_ Рт Образе ц_5г Происхожд ение M_FL108 M_PRFL108 M_FL408 M_FL808
604 8,00 74-, 00 74.00 74,00 74,00 74,00 74,00 9,00
60S 9,00 74,00 74 0 0 74,00 74,00 74,00 74,00 9,00
БОБ 10,00 74,00 74,00 74,00 74,00 74,00 74,00 9,00 10,00 5.33 8,33 5,00
607 11,00 74,00 74.00 74,00 74,00 74,00 74,00 9,00
606 12,00 74,00 74.00 74,00 74,00 74,00 74,00 9,00 14,25 27,75 17.00 13,75
609 13,00 74,00 74,00 74,00 74,00 74,00 74,00 9,00 12,13 16,54 12,67 9,38
610 7.00 75,00 75.00 75,00 75,00 75,00 75,00 9.00
611 S.00 75,00 75.00 75,00 75,00 75,00 75,00 9.00
612 9,00 75.00 75.00 75,00 75,00 75,00 75.00 9,00
613 10.00 75.00 75.00 75,00 75,00 75,00 75.00 9,00
Б14 11,00 75.00 75.00 75,00 75,00 75,00 75.00 9,00
615 12,00 75,00 76.00 75,00 75,00 75,00 75,00 9,00 10,00 31.25 12,31 15,50
616 13,00 75.00 76.00 75,00 75,00 75,00 75.00 9,00 10,00 31.25 12,31 15,50
617 7,00 76,00 76,00 76,00 76,00 76,00 76,00 5,00
616 6,00 76,00 76,00 76,00 76,00 76,00 76,00 5,00 5,00 1,00
619 9,00 76,00 76,00 76,00 76,00 76,00 76,00 5,00 5,00 25.00
620 10.00 76,00 76,00 76,00 76,00 76,00 76,00 5,00 4,20 11,38 6.25 11.84
621 11.00 76,00 76,00 76,00 76,00 76,00 76,00 5.00 13,75 42,50 41,25 31,82
622 12,00 76,00 76,00 76,00 76,00 76,00 76,00 5,00 19,75 47,75 19,16 61,25
623 13,00 76.00 76,00 76,00 76,00 76,00 76.00 5,00 12,57 33,88 15,33 26.18
Рис. 3. Скриншот экрана компьютера с изображением кодировочной матрицы данных мониторинга развития болезней пшеницы с учетом биолого-географических характеристик образцов
в среде IBM SPSS Statistics (version 21)
п CL
30,00'
20,00'
10,00
Происхождение
Рис. 4. Особенности развития возбудителя мучнистой росы на предфлаговой листовой поверхности мягкой пшеницы различного происхождения (Пушкин, 2001-2016 гг.)
По данным 95%-доверительных интервалов для средних значений развития мучнистой росы, можно сделать вывод, что наибольшей восприимчивостью к болезни
обладали образцы, полученные из Ближнего и Среднего Востока (Сирии, Омана, Непала, Ирана, Афганистана, Израиля) и из Азии (Японии, Индии, Китая, Монголии).
С целью выбора оценочных критериев параметрического или непараметрического статистического анализа необходимо установить вероятность того, что данная выборка принадлежит или не принадлежит к генеральной совокупности с нормальным распределением. Для этого используют критерий Колмогорова-Смирнова. Эмпирическое распределение признается несущественно отклоняющимся от нормального в тех случаях, когда Я <1,36. Выявление адекватного метода расчета критерия Стьюдента для независимых выборок в предположении о равенстве значений дисперсий или отсутствии равенства данных совокупности проводили на основе расчета критерия Левина (Levene's Test).
Представление результатов дисперсионного анализа измерений фитопатологических показателей включает определение многомерных (показатель Пиллая, Pillai Trace) и одномерных критериев (F-критерий) для оценки, например, многолетней вариабельности развития бурой ржавчины на сортах пшеницы по годам проведения мониторинга.
С целью ранжирования большого массива данных измерений фитопатологического опыта в группы со сходными параметрами, а также выявления факторов, влияющих на их вариабельность, используют многомерные методы статистики: кластерный, дискриминантный, факторный анализ, многомерное шкалирование. Установление взаимосвязей между показателями, например, характеризующими патогенез растений и природно-климатические условия возделывания культуры, осуществляют с использованием методов параметрического и непараметрического корреляционного анализа с вычислением коэффициентов корреляции Пирсона (R), Спирмена (Spearmen Rank Order Correlations, S) и Кендалла (Kendall Tau Correlations).
Одной из актуальных задач фитосанитарного контроля является оценка динамики развития болезни. Для определения средневременной интенсивности развития болезни Q за период фитосанитарного мониторинга, характеризуемой, например, числом пустул ржавчинных грибов, целесообразно использовать формулу (1):
5 = Л _ (1)
Th~Ti
где Ti - время первого обследования; Ть - время последнего обследования; f(x) -функция, характеризующая изменение болезни с течением времени.
В выражении (1) функция /(ж) может быть найдена посредством регрессионного анализа, цель которого заключается в том, чтобы на основании экспериментальных данных выразить зависимую переменную в виде некоторой математической функции от независимых переменных, то есть построить регрессионную модель.
Например, нами за период мониторинга развития бурой ржавчины пшеницы на сорте Саратовская 29 произведена оценка интенсивности пустулообразования возбудителя на флаговых листьях растений по 9-ти дням учета. Результаты учета представлены в таблице. Необходимо определить средневременное развитие болезни. В данном случае полиномиальная регрессионная зависимость числа пустул возбудителя (у) от срока учета (х) имеет вид: y= -30,3961+2,36979x-0,000452036x2. Тогда средневременное развитие болезни Q будет равно:
Таблица. Динамика пустолообразования возбудителя бурой ржавчины пшеницы на флаговых листьях сорта Саратовская (2017 г.)
Показатель День учета (сут.) Средневременное развитие болезни
10 14 18 21 25 30 33 35 38
Число пустул 0,2 (ai) 0,8 (a2) 3,4 (аз) 15,6 (а4) 26,8 (а5) 44,0 (аб) 46,0 (ат) 80,6 Ы 37,0 (а9) 26,2
В фитопатологической практике для оценки средневременного развития болезни можно воспользоваться формулой, в которой учтены некоторые элементы формулы трапеций (метод приближенного вычисления интеграла):
[0(1,) + 0(1,+,)]
Q = EAt.
2(tn - ti)
(2)
где п - число учетов; Д1, - промежуток времени между 0-м и ^+1)-м учетами; Q(ti) -значение функции Q при 0-м учете; Q(ti+l) - значение Q при (i+1)-м учете.
Для приведенного в таблице временного интервала учета количества пустул патогена на листовой поверхности растения (а1,...,а9 - число пустул патогена на 10,...,38 день учета) выражение формулы (2) может быть упрощено до следующего многочлена:
(а-1--л5) _ . (¿3 -аЬ) , об + <
■ + J ■
7) |2а7+а8)|3(Д8+Д9)]125
222 22222 Подставляя в полученный многочлен значения чисел пустул, соответствующих определенному дню учета патогенеза, получим средневременное развитие болезни, равное 26,4 пустулы.
Th
В формуле 1 величина | ^Хс1х представляет собой площадь под кривой развития
71
болезни Sб. В связи с тем что функция Дх) часто бывает неизвестной, величина Sб может быть найдена графически, путем суммирования площадей треугольников и прямоугольников, составляющих общую площадь под кривой развития болезни.
Например, степень поражения возбудителем мучнистой росы восприимчивого сорта пшеницы Ленинградка по дням учета составляла: 1 день -10%, 4 день - 30%, 8 день - 70% (рис. 5). Необходимо определить площадь под кривой развития болезни Sб и средневременное развитие болезни
Степень поралания ['£■)
Срок
3 4 8 У4«™
(суО
Рис. 5. Определение площади под кривой развития болезни с помощью вычисления площадей
прямоугольников и треугольников (2017 г.)
Как следует из рис.5, площадь под кривой развития болезни Sб представляет собой сумму площадей двух прямоугольников и двух треугольников: Sб = 81+82+83+84.=
(3*10) + (1*3*20) + (4*30) + (-1*4*50) = 280%. Тогда средневременное развитие болезни Q
составит 40%.
Стандартная ошибка средневременного значения 8д может быть определена по формуле:
1
SQ = 1
Q 2(tn -Д/
At2Sj(t,) + 2 (At: + At;+1)2SQ(t1) + Atn - 1SQ(tn), (3)
1=2
гдеSQ(ti) - значение функции SQ при (i)-M учете, SQ(tn) - значение SQ при n-м
учете. Вычисление стандартной ошибки средневременного значения может быть выполнено с помощью средств электронных таблиц Excel (рис. 6).
Стат. показатель Сорт 2003 2004 2005 2006 2007 2003-2007
Среднее ' 27,33 г 33,78 ' 38,89 г 38,83 г 40,11 35.80
Ст, ошибка 1 2,17 2,60 1,93 (J6A2+K8A2+L6A2+M6ft2+N6A2)A0, 5)/5
Среднее 2 27,33 1 32,56 ' 38,89 г 40,11 г 38,89 35.56
Ст. ошибка 2,17 2,86 1,93 1,93 1,93 г 0.98
Среднее 3 ' 29,11 ' 32,56 ' 37,67 ' 38,89 40,11 35,67
Ст, ошибка 1,93 2,86 1,83 1,93 1,93 г 0,95
Среднее 4 ' 23,33 ' 30,33 ' 29,11 г 27.Б7 ' 28,89 28.87
Ст. ошибка 2,93 3,54 2,34 2,61 3,24 1,33
Рис. 6. Скриншот экрана компьютера с изображением электронной таблицы в среде Microsoft Excel 2017 со среднемноголетними данными мониторинга развития бурой ржавчины пшеницы (2003-2007 гг.)
Выводы. Представленные выше методики анализа данных фитосанитарного состояния агроценоза, в частности, яровой мягкой пшеницы, включая широкий спектр компьютерных технологий по формированию электронных баз данных, методов статистического анализа и математического моделирования являются незаменимым инструментом современных научных изысканий как фундаментального, так и прикладного характера, и могут быть востребованы при проведении исследований по защите растений различной направленности.
Литература
1. Новожилов К.В. Фитосанитарная оптимизация растениеводства // Защита и карантин растений. - 1998. - № 8. - С. 15-17.
2. Гричанов И.Я. Современные информационные технологии фитосанитарного мониторинга//Базы данных и информационные технологии в диагностике, мониторинге и прогнозе важнейших сорных растений, вредителей и болезней растений: тезисы докладов международной конференции (Санкт-Петербург - Пушкин, 14-17 июня 2010). - СПб., 2010. - С. 10-11.
3. Санин С.С. Фитосанитарная экспертиза - основа управляемой защиты растений//Современные системы и методы фитосанитарной экспертизы и управления защитой растений: Материалы международной конференции с элементами научной школы для молодых ученых, аспирантов и студентов (Большие Вяземы, Московской области 2427 ноября 2015г.). - Большие Вяземы, 2015. - С.4-14.
4. Фролов А.Н. Научно-образовательные информационные ресурсы по защите растений в Рунете // Базы данных и информационные технологии в диагностике, мониторинге и прогнозе важнейших сорных растений, вредителей и болезней растений: тезисы докладов
международной конференции (Санкт-Петербург - Пушкин, 14-17 июня 2010). - СПб., 2010. - C. 29-30.
5. Озерская С.М. Грибы в коллекциях культур: фундаментальные и прикладные аспекты: Автореферат доктора биологических наук. - М., 2012. - 50 с.
6. Ибрагимов Т.З., Санин С.С. Фитосанитарная экспертиза поля и системы поддержки принятия решений // Защита и карантин растений, 2015. - C. 18-21.
Literatura
1. Novozhilov K.V. Fitosanitarnaia optimizatciia rastenievodstva // Zashchita i karantin rastenii'. -1998. - № 8. - S. 15-17.
2. Grichanov I.Ia. Sovremenny'e informatcionny'e tekhnologii fitosanitarnogo monitoringa//Bazy' danny'kh i informatcionny'e tekhnologii v diagnostike, monitoringe i prognoze vazhnei'shikh sorny'kh rastenii', vreditelei' i boleznei' rastenii': tezisy' docladov mezhdunarodnoi' konferentcii (Sankt-Peterburg - Pushkin, 14-17 iiunia 2010). - SPb., 2010. - C. 10-11.
3. Sanin S.S. Fitosanitarnaia e'kspertiza - osnova upravliaemoi' zashchity' rastenii'//Sovremenny'e sistemy' i metody' fitosanitarnoi' e'kspertizy' i upravleniia zashchitoi' rastenii': Materialy' mezhdunarodnoi' konferentcii s e'lementami nauchnoi' shkoly' dlia molody'kh ucheny'kh, aspirantov i studentov (Bol'shie Viazemy', Moskovskoi' oblasti 24-27 noiabria 2015g.). -Bol'shie Viazemy', 2015. - C.4-14.
4. Frolov A.N. Nauchno-obrazovatel'ny'e informatcionny'e resursy' po zashchite rastenii' v Runete // Bazy' danny'kh i informatcionny'e tekhnologii v diagnostike, monitoringe i prognoze vazhnei'shikh sorny'kh rastenii', vreditelei' i boleznei' rastenii': tezisy' docladov mezhdunarodnoi' konferentcii (Sankt-Peterburg - Pushkin, 14-17 iiunia 2010). - SPb., 2010. - C. 29-30.
5. Ozerskaia S.M. Griby' v kollektciiakh kul'tur: fundamental'ny'e i pricladny'e aspekty': Avtoreferat doktora biologicheskikh nauk. - M., 2012. - 50 s.
6. Ibragimov T.Z., Sanin S.S. Fitosanitarnaia e'kspertiza polia i sistemy' podderzhki priniatiia reshenii // Zashchita i karantin rastenii', 2015. - C. 18-21.
УДК 632.122.1:631.445.2
Канд. биол. наук М.А. ЕФРЕМОВА (СПбГАУ, marina_efremova@mail.ru) Канд. с.-х. наук Т.В. РОДИЧЕВА (СПбГАУ, trodicheva@mail.ru) Аспирант А.А. АКАТОВА (СПбГАУ, akatova1993@bk.ru)
СРАВНИТЕЛЬНЫЙ АНАЛИЗ СОДЕРЖАНИЯ РАДИОНУКЛИДОВ В ПОЧВАХ ЛУЖСКОГО РАЙОНА ЛЕНИНГРАДСКОЙ ОБЛАСТИ
Флора и фауна Земли подвергается непрерывному облучению, которое обуславливается в основном естественными терригенными источниками радиации. К терригенным естественным радионуклидам относятся радионуклиды уранового и ториевого семейств. Содержание естественных радионуклидов в почве определяется химическим составом почвообразующих пород, который значительно варьирует в пределах земной коры. Так, в почвах, сформировавшихся на продуктах выветривания кислых горных пород, радиоактивных элементов больше, чем в почвах, образовавшихся на основных и ультраосновных породах. Известно, что естественные радионуклиды дополнительно поступают на земную поверхность при добыче и переработке урановых руд, неуранового минерального сырья и ископаемого топлива. При этом большая часть техногенного потока концентрируется в отходах и отвалах, значительное количество рассеивается в биосфере со строительными материалами, удобрениями и мелиорантами [1].
