Системный подход к моделированию развития листостебельных грибных инфекций пшеницы

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.

листостебельные грибные инфекции, пшеница, бурая ржавчина, механистические модели роста растений, параметрическая идентификация моделей

1. Зубаирова У.С., Пененко А.В., Николаев С.В. Моделирование роста и развития растительных тканей в формализме L-систем. Вавиловский журнал генетики и селекции. 2012;16(4/1): 816-824.

2. Санин С.С. Контроль болезней сельскохозяйственных растений – важнейший фактор интенсификации растениеводства. Вестник защиты растений. 2010;1:3-14.

3. Сколотнева Е.С., Леонова И.Н., Букатич Е.Ю., Салина Е.А. Методические подходы к идентификации эффективных генов, определяющих устойчивость пшеницы к комплексу грибных заболеваний. Вавиловский журнал генетики и селекции. 2017;21(7): 862-869. DOI 10.18699/VJ17.307.

4. Торнли Д.Г.М. Математические модели в физиологии растений. Киев: Наук. думка, 1982.

5. Arrow K.J., Hurwicz L., Uzawa H. Constraint qualifications in maximization problems. Naval Res. Log. Quarterly. 1961;8(2):175-191. DOI 10.1002/nav.3800080206.

6. Audsley E., Milne A., Paveley N. A foliar disease model for use in wheat disease management decision support systems. Ann. Appl. Biol. 2005;147(2):161-172. DOI 10.1111/j.1744-7348.2005.00023.x.

7. Bailey B.N., Stoll R., Pardyjak E.R., Mahaffee W.F. Effect of vegetative canopy architecture on vertical transport of massless particles. Atmos. Environ. 2014;95:480-489. DOI 10.1016/j.atmosenv.2014.06.058.

8. Balmant W., Sugai-Guérios M.H., Coradin J.H., Krieger N., Furigo Junior A., Mitchell D.A. A model for growth of a single fungal hypha based on well-mixed tanks in series: simulation of nutrient and vesicle transport in aerial reproductive hyphae. PloS One. 2015;10(3): e0120307. DOI 10.1371/journal.pone.0120307.

9. Bancal M.O., Robert C., Ney B. Modelling wheat growth and yield losses from late epidemics of foliar diseases using loss of green leaf area per layer and pre-anthesis reserves. Ann. Bot. 2007;100(4):777789. DOI 10.1093/aob/mcm163.

10. Bannari A., Morin D., Bonn F., Huete A.R. A review of vegetation indices. Remote Sens. Rev. 1995;13(1-2):95-120. DOI 10.1080/02757259509532298.

11. Bolton M.D., Kolmer J.A., Garvin D.F. Wheat leaf rust caused by Puccinia triticina. Mol. Plant Pathol. 2008;9(5):563-575. DOI 10.1111/J.1364-3703.2008.00487.X.

12. Boudon F., Pradal P., Cokelaer T., Prusinkiewicz P., Godin C. L-py: an L-system simulation framework for modeling plant architecture development based on a dynamic language. Front. Plant Sci. 2012; 3(76). DOI 10.3389/fpls.2012.00076.

13. Bravo C., Moshou D., West J., McCartney A., Ramon H. Early disease detection in wheat fields using spectral reflectance. Biosyst. Eng. 2003;84(2):137-145. DOI 10.1016/S1537-5110(02)00269-6.

14. Brisson N., Gary C., Justes E., Roche R., Mary B., Ripoche D., Zimmer D., Sierra J., Bertuzzi P., Burger P., Bussière F. An overview of the crop model STICS. Eur. J. Agron. 2003;18(3-4):309-332. DOI 10.1016/S1161-0301(02)00110-7.

15. Cabrera-Bosquet L., Molero G., Stellacci A., Bort J., Nogues S., ArausJ. NDVI as a potential tool for predicting biomass, plant nitrogen content and growth in wheat genotypes subjected to different water and nitrogen conditions. Cereal Res. Commun. 2011;39(1):147-159. DOI 10.1556/CRC.39.2011.1.15.

16. Campbell G.S., Norman J.M. An Introduction to Environmental Biophysics. New York: Springer-Verlag, 1998.

17. Caubel J., Launay M., Lannou C., Brisson N. Generic response functions to simulate climate-based processes in models for the development of airborne fungal crop pathogens. Ecol. Model. 2012; 242:92104. DOI 10.1016/j.ecolmodel.2012.05.012.

18. Caubel J., Launay M., Ripoche D., Gouache D., Buis S., Huard F., Huber L., Brun F., Bancal M.O. Climate change effects on leaf rust of wheat: Implementing a coupled crop-disease model in a French regional application. Eur. J. Agron. 2017;90:53-66. DOI 10.1016/j.eja.2017.07.004.

19. Chamecki M. An analytical model for dispersion of biological particles emitted from area sources: Inclusion of dispersion in the crosswind direction. Agric. For. Meteorol. 2012;157:30-38. DOI 10.1016/j.agrformet.2012.01.010.

20. Chamecki M., Dufault N.S., Isard S.A. Atmospheric dispersion of wheat rust spores: a new theoretical framework to interpret field data and estimate downwind dispersion. J. Appl. Meteor. Climatol. 2012; 51(3):672-685. DOI 10.1175/JAMC-D-11-0172.1.

21. Chelle M., Andrieu B. Radiative models for architectural modeling. Agronomie. 1999;19(3-4):225-240. https://hal.archives-ouvertes.fr/hal-00885926/document.

22. Constantin J., Beaudoin N., Launay M., Duval J., Mary B. Long-term nitrogen dynamics in various catch crop scenarios: test and simulations with STICS model in a temperate climate. Agric. Ecosyst. Environ. 2012;147:36-46. DOI 10.1016/j.agee.2011.06.006.

23. Cowger C., Wallace L.D., Mundt C.C. Velocity of spread of wheat stripe rust epidemics. Phytopathology. 2005;95(9):972-982. DOI 10.1094/PHYTO-95-0972.

24. De Wolf E.D., Isard S.A. Disease cycle approach to plant disease prediction. Annu. Rev. Phytopathol. 2007;45(1):203-220. DOI 10.1146/annurev.phyto.44.070505.143329.

25. Donatelli M., Magarey R.D., Bregaglio S., Willocquet L., Whish J.P., Savary S. Modelling the impacts of pests and diseases on agricultural systems. Agric. Syst. 2017;155:213-224. DOI 10.1016/j.agsy.2017.01.019.

26. Duthie J.A. Models of the response of foliar parasites to the combined effects of temperature and duration of wetness. Phytopathology. 1997;87(11):1088-1095. DOI 10.1094/PHYTO.1997.87.11.1088.

27. El Jarroudi M., Kouadio L., Giraud F., Delfosse P., Tychon B. Brown rust disease control in winter wheat: II. Exploring the optimization of fungicide sprays through a decision support system. Environ. Sci. Pollut. Res. 2014;21(7):4809-4818. DOI 10.1007/s11356-014-2557-9.

28. Forrester J.W. Principles of Systems. Cambridge, Massachusetts, USA: Wright-Allen Press Inc., 1968. Fournier C., Andrieu B. A 3D architectural and process-based model of maize development. Ann. Bot. 1998;81(2):233-250. DOI 10.1006/anbo.1997.0549.

29. Gates D.M. Biophysical Ecology. New York: Springer-Verlag, 1980. Jing Q., Jégo G., Bélanger G., Chantigny M.H., Rochette P. Simulation of water and nitrogen balances in a perennial forage system using the STICS model. Field Crops Res. 2017;201:10-18. DOI 10.1016/j.fcr.2016.10.017.

30. Junk J., Kouadio L., Delfosse P., El Jarroudi M. Effects of regional climate change on brown rust disease in winter wheat. Clim. Change. 2016;135(3-4):439-451. DOI 10.1007/s10584-015-1587-8.

31. Kolmer J. Leaf rust of wheat: pathogen biology, variation and host resistance. Forests. 2013;4(1):70-84. DOI 10.3390/f4010070.

32. Krause R.A., Massie L.B. Predictive systems: modern approaches to disease control. Annu. Rev. Phytopathol. 1975;13(1):31-47. DOI 10.1146/annurev.py.13.090175.000335.

33. Lammoglia S.K., Makowski D., Moeys J., Justes E., Barriuso E., Mamy L. Sensitivity analysis of the STICS-MACRO model to identify cropping practices reducing pesticides losses. Sci. Total Environ. 2017a;580:117-129. DOI 10.1016/j.scitotenv.2016.10.010.

34. Lammoglia S.K., Moeys J., Barriuso E., Larsbo M., Marín-Benito J.M., Justes E., Alletto L., Ubertosi M., Nicolardot B., MunierJolain N., Mamy L. Sequential use of the STICS crop model and of the MACRO pesticide fate model to simulate pesticides leaching in cropping systems. Environ. Sci. Pollution Res. 2017b;24(8):68956909. DOI 10.1007/s11356-016-6842-7.

35. Landsberg J., Sands P. Physiological Ecology of Forest Production. V. 4: Principles, Processes and Models. Cambridge, Massachusetts, USA: Academic Press, 2010.

36. Leffelaar P.A., Ferrari T.J. Some elements of dynamic simulation. Simulation and Systems Management in Crop Protection. Wageningen: Pudoc, 1989;19-45.

37. Lew R.R. How does a hypha grow? The biophysics of pressurized growth in fungi. Nat. Rev. Microbiol. 2011;9(7):509. DOI 10.1038/nrmicro2591.

38. MacLean H., Dochain D., Waters G., Dixon M., Chaerle L., Van Der Straeten D. Identification of simple mass balance models for plant growth-Towards food production on manned space missions. Proc. CAB11. 2010;43(6):335-340. DOI 10.3182/20100707-3-BE2012.0028.

39. Madden L.V. Botanical epidemiology: some key advances and its continuing role in disease management. Eur. J. Plant Pathol. 2006;115: 3-23. DOI 10.1007/s10658-005-1229-5.

40. Magarey R.D., Sutton T.B., Thayer C.L. A simple generic infection model for foliar fungal plant pathogens. Phytopathology. 2005; 95(1):92-100. DOI 10.1094/PHYTO-95-0092.

41. Mahlein A.K., Rumpf T., Welke P., Dehne H.W., Plumer L., Steiner U., Oerke E.C. Development of spectral indices for detecting and identifying plant diseases. Remote Sens. Environ. 2013;128:21-30. DOI 10.1016/j.rse.2012.09.019.

42. McCartney H.A., Fitt B.D.L., West J.S. Dispersal of foliar plant pathogens: mechanisms, gradients and spatial patterns. The Epidemiology of Plant Diseases. Amsterdam: Springer, 2006;159-192. https://link.springer.com/content/pdf/10.1007/1-4020-4581-6_6.pdf.

43. Miller N.E., Stoll R., Mahaffee W.F., Pardyjak E.R. Mean and turbulent flow statistics in a trellised agricultural canopy. Boundary-Layer Meteor. 2017;165(1):113-143. DOI 10.1007/s10546-017-0265-y.

44. Mundt C.C., Sackett K.E., Wallace L.D. Landscape heterogeneity and disease spread: experimental approaches with a plant pathogen. Ecol. Appl. 2011;21(2):321-328. DOI 10.1890/10-1004.1.

45. Pan Z., Li X., Yang X.B., Andrade D., Xue L., McKinney N. Prediction of plant diseases through modelling and monitoring airborne pathogen dispersal. Plant Sciences Reviews. 2010. CABI, 191. 2010. DOI 10.1079/PAVSNNR20105018.

46. Pradal C., Dufour-Kowalski S., Boudon F., Fournier C., Godin C. OpenAlea: a visual programming and component-based software platform for plant modelling. Funct. Plant Biol. 2008;35(10):751760. DOI 10.1071/FP08084.

47. Robert C., Bancal M.O., Ney B., Lannou C. Wheat leaf photosynthesis loss due to leaf rust, with respect to lesion development and leaf nitrogen status. New Phytol. 2005;165(1):227-241. DOI 10.1111/j.1469-8137.2004.01237.x.

48. Robert C., Fournier C., Andrieu B., Ney B. Coupling a 3D virtual wheat (Triticum aestivum) plant model with a Septoria tritici epidemic model (Septo3D): a new approach to investigate plant – pathogen interactions linked to canopy architecture. Funct. Plant Biol. 2008;35(10):997-1013. DOI 10.1071/FP08066.

49. Rossi V., Racca P., Giosue S., Pancaldi D., Alberti I. A simulation model for the development of brown rust epidemics in winter wheat. Eur. J. Plant Pathol. 1997;103(5):453-465. DOI 10.1023/A:1008677407661.

50. Savary S., Nelson A.D., Djurle A., Esker P.D., Sparks A., Amorim L., Filho A.B., Caffi T., Castilla N., Garrett K., McRoberts N., Rossi V., Yuen J., Willocquet L. Concepts, approaches, and avenues for modelling crop health and crop losses. Eur. J. Agron. 2018. DOI 10.1016/j.eja.2018.04.003.

51. Savary S., Stetkiewicz S., Brun F., Willocquet L. Modelling and mapping potential epidemics of wheat diseases – examples on leaf rust and Septoria tritici blotch using EPIWHEAT. Eur. J. Plant Pathol. 2015;142(4):771-790. DOI 10.1007/s10658-015-0650-7.

52. Setten L.M., Lendoiro N., Favret E.A. Wheat leaf rust fungus: RIMAPS analysis to detect germ-tube orientation pattern. Microsc. Microanal. 2015;21(S3):227-228. DOI 10.1017/S1431927615001932.

53. Simulation of Ecophysiological Processes of Growth in Several Annual Crops. Ed. by F.W.T. Penning de Vries, D.M. Jansen, H.F.M. ten Berge, A. Bakema. V. 29. Wageningen: Pudoc, 1989.

54. Sugai-Guérios M.H., Balmant W., Krieger N., Junior A.F., Mitchell D.A. Colonization of solid particles by Rhizopus oligosporus and Aspergillus oryzae in solid-state fermentation involves two types of penetrative hyphae: A model-based study on how these hyphae grow. Biochem. Eng. J. 2016;114:173-182. DOI 10.1016/j.bej.2016.07.005.

55. Tribouillois H., Constantin J., Justes E. Analysis and modeling of cover crop emergence: Accuracy of a static model and the dynamic STICS soil-crop model. Eur. J. Agron. 2018;93:73-81. DOI 10.1016/j.eja.2017.12.004.

56. Verdier N. Hierarchy: A short history of a word in western thought. Ed. D. Pumain. Hierarchy in Natural and Social Sciences. Dordrecht: Springer, 2006;13-37.

57. Wallach D., Makowski D., Jones J.W., Brun F. Working with Dynamic Crop Models: Methods, Tools and Examples for Agriculture and Environment. London: Academic Press, 2014. Watson D.J. Comparative physiological studies on the growth of field crops: I. Variation in net assimilation rate and leaf area between species and varieties and within and between years. Ann. Bot. 1947;11: 41-76.

58. Yin X., Struik P.C. Crop systems biology: where are we and where to go? Crop Systems Biology: Narrowing the Gaps between Crop Modelling and Genetics. Springer Int. Publ., 2016. DOI 10.1007/978-3319-20562-5_10.

59. Zadoks J.C., Chang T.T., Konzak C.F. A Decimal code for the growth stage of cereals. Weed Res. 1974;14(6):415-421. DOI 10.1111/j.1365-3180.1974.tb01084.x.

60. Zhu X., Song Q., Ort D.R. Elements of a dynamic systems model of canopy photosynthesis. Curr. Opin. Plant Biol. 2012;15(3):237-244. DOI 10.1016/j.pbi.2012.01.010.

61. Zhu X., Zhang G., Tholen D., Wang Y., Xin C., Song Q. the next generation models for crops and agro-ecosystems. Sci. China Inf. Sci. 2011;54(3):589-597. DOI 10.1007/s11432-011-4197-8.