В настоящее время в России и в мире интенсивно ведутся работы по исследованию механизмов патогенеза заболеваний растений и их распространения в посевах. Прежде всего это связано со значительным влиянием патогенов на урожай. На территории Западной Сибири в посевах яровой и озимой пшеницы практически ежегодно регистрируются бурая ржавчина и мучнистая роса, а в отдельные годы степень поражения достигает эпифитотийного уровня. Методы мониторинга состояния посевов развиваются с целью прогнозирования их динамики и планирования агротехнологических мероприятий для управления состоянием растений в посевах, в том числе при развитии грибной инфекции. Существенной составной частью систем планирования и управления состоянием посевов являются модели развития листостебельной грибной инфекции (например, бурой ржавчины) в посевах пшеницы. Математические модели позволяют проводить вычислительные эксперименты для получения прогнозов относительно динамики рисков инфекций при разных сценариях глобальных погодных изменений. Такое назначение моделей предполагает их иерархическую структуру, характерную для многоуровневых систем моделирования. В  настоящем обзоре представлены модели развития листостебельных грибных инфекций на примере ржавчинных заболеваний в посевах зерновых культур и сформулированы методические подходы системного моделирования, которые можно применять при использовании и/или адаптации существующих моделей и их блоков и разработке на их основе собственных моделей. В статье также предлагается структура иерархической системы моделей развития листостебельной инфекции, дается обзор составляющих систему блоков, обсуждаются вопросы параметрической адаптации подмоделей. Представлены разработанные к настоящему времени модели роста и развития растений, учитывающие различную степень детализации описания процессов морфогенеза. Такие модели лежат и в основе описания взаимодействий патоген–хозяин, представленных в виде модулей. Для каждого из модулей можно использовать уже разработанные и описанные модели базовых процессов для отдельных растений или посевов с учетом имеющихся экспериментальных данных.