Информационные базы данных – основа формирования адаптивных систем контроля вредных организмов в ампелоценозах Крыма

Защита растений в настоящее время переживает период активной цифровизации, которая затрагивает самые различные стороны ее деятельности и предполагает формирование баз фитосанитарных данных, электронных определителей, использование искусственного интеллекта (создание и обучение нейронных сетей), разработку программного обеспечения, использование беспилотных летательных аппаратов, автоматических агрометеостанций и, в целом, создание систем поддержки принятия решений. Формирование информационных баз данных является первым и очень важным этапом в создании системы принятия решений, что позволяет с необходимой достоверностью отслеживать многолетние и сезонные изменения в структуре биоты агроценозов, прогнозировать фитосанитарные риски, разрабатывать адаптивные системы защиты, а также оперативно и обоснованно вносить в них коррективы. В 2015-2019 гг. на плодоносящих промышленных насаждениях основных виноградарских зон Крыма – Южнобережной, Горно-долинной, Юго-западной и Центральной степной, проведено изучение структур энтомо-, акаро- и патокомплексов винограда. Наблюдения велись на типичных для каждого региона виноградниках технических и столовых сортов. Установлено развитие более 20 заболеваний грибной и бактериальной этиологии, поражающие надземные и подземные органы виноградных растений. Получены новые данные о зональных особенностях формирования и изменения патокомплексов ампелоценозов Крыма, их структуре, значениях индексов встречаемости разных видов патогенов, интенсивности поражения вегетативных и генеративных органов виноградных растений. Таким образом, накоплен материал для формирования информационной базы данных по структуре зональных патокомплексов ампелоценозов Крыма. По результатам исследований структуры зональных комплексов членистоногих вредителей винограда сформирована информационная база данных «Структура энтомоакарокомплексов фитофагов ампелоценозов основных зон виноградарства Крыма» (АААА-Г20-620051990003-5), в которой приведен аннотированный список 55 видов фитофагов винограда. В базе данных представлены материалы по сравнительной характеристике зональных комплексов фитофагов ампелоценозов Крыма по видовому богатству, таксономической и экологической характеристикам, а также частоте встречаемости исследуемых видов.

1. Алейникова Н.В., Борисенко М.Н., Галкина Е.С., Радионовская Я.Э. Современные тенденции развития вредных организмов в ампелоценозах Крыма // Плодоводство и виноградарство Юга России. 2016. № 42 (06). С. 119-133. [Aleinikova N.V., Borisenko M.N., Galkina E.S., Radionovskaya Ya.E. Modern trends of pests development in the ampelocenoses of the Crimea. Fruit growing and viticulture of South Russia. 2016. 42 (06): 119-133]

2. Лебедева Н.В., Криволуцкий Д.А. География и мониторинг биоразнообразия. М.: Изд-во Научного и учебно-методического центра, 2002. 255 с. [Lebedeva N.V., Krivolutsky D.A. Geography and monitoring of biodiversity. Section. M.: Publishing house of scientific and educational-methodical center, 2002. 255 p.]

3. Гричанов И.Я. Опыт фитосанитарного картирования и районирования в России // Защита и карантин растений. 2019. № 11. С. 11-13. [Grichanov I.Ya. Experience of phytosanitary mapping and regionalization in Russia. Plant protection and Quarantine. 2019. 11: 11-13]

4. Иванченко В.И., Баранова Н.В., Корсакова С.П., Рыбалко Е.А. Оптимизация размещения столовых сортов винограда в зависимости от агроэкологических ресурсов АР Крым: Тематический сборник. Ялта: НИВиВ «Магарач», 2010. 60 с. [Ivanchenko V.I. Baranova N.V., Korsakova S.P., Rybalko E.A. Optimization of distribution of table grape varieties depending on the agroecological resources of the Autonomous Republic of Crimea: Thematic collection. Yalta: NIV&W Magarach, 2010. 60 p.]

5. Мельник Ю.Ф., Мельник С.І., Агафонов М.Ф. та інші. Виноградний кадастр України / Київ, 2010. 97 с. [Melnik Yu.F., Melnik S.I., Agafonov M.F. et al. Grape cadastre of Ukraine. Kiev, 2010. 97 p. (in Ukrainian)]

6. Радионовская Я.Э., Диденко Л.В. Методические рекомендации по фитосанитарному мониторингу комплекса цикадовых на виноградных насаждениях Крыма. Ялта: ГБУ РК «ННИИВиВ «Магарач», 2015. 24 с. [Radionovskaya Ya.E., Didenko L.V. Methodical recommendations for phytosanitary monitoring of the complex of leaf-hoppers on vine plantations of the Crimea. Yalta: FSBSI Magarach, 2015. 24 p.]

7. Мэгарран Э. Экологическое разнообразие и его измерение: пер. с англ. М.: Мир, 1992. 184 с. [Magarran E. Ecological diversity and its testing. Trans. from Eng. M.: Mir. 1992. 184 p.]

8. Павлюшин В.А., Вилкова Н.А., Сухорученко Г.И., Тютерев С.Л., Нефедова Л.И. Новая парадигма развития защиты растений и ее концептуальное научно-практическое решение // Вестник защиты растений. 2016. Том 89, № 3. С. 126-127. [Pavlyushin V.A., Vilkova N.A., Sukhoruchenko G.I., Tyuterev S.L., Nefedova L.I. New paradigm of plant protection development and concept of its scientific and practical resolution. Plant protection news. 2016. 89 (3): 126-127]

9. Песенко Ю.А. Принципы и методы количественного анализа в фаунистических исследованиях. М., 1982. 287 с. [Pesenko Yu.A. Principles and methods of quantitative analysis in faunal research. M, 1982. 287 p.]

10. Санин С.С., Ибрагимов Т.З. Цифровые технологии в защите растений // Защита и карантин растений. 2019. № 9. С. 3-7. [Sanin S.S., Ibragimov T.Z. Digital technologies in plant protection. Plant protection and Quarantine. 2019. 9: 3-7]

11. Юрченко Е. Г., Якуба Г. В, Мищенко И. Г., Холод Н. А., Насонов А. И., Савчук Н.В. Изучение микопатосистем многолетних агроценозов на основе биоценотического методологического подхода // Научные труды СКФНЦСВВ. 2018. Том 15. С. 79-84. [Yurchenko E.G., Yakuba G.V., Mishchenko I.G., Kholod N.A., Nasonov A.I., Savchuk N.V. Study of mycopatosystems of perennial agrocenoses on the basis of biocenotic methodological approach. Scientific works of NCFSCHVW. 2018. 15: 79-84]

12. Al-Saddik H., Simon, J.C. & Cointault, F. Assessment of the optimal spectral bands for designing a sensor for vineyard disease detection: the case of ‘Flavescence dorée’// Precision Agric. 2019. Vol. 20. P.398-422. https://doi.org/10.1007/s11119-018-9594-1

13. Buffara, Cláudia Regina Scapin, Angelotti, Francislene, Vieira, Rafael Augusto, Bogo, Amauri, Tessmann, Dauri José, & Bem, Betina Perreira de. Elaboration and validation of a diagrammatic scale to assess downy mildew severity in grapevine // Ciência Rural. 2014. Vol. 44 (8). P. 1384-1391. https://doi.org/10.1590/0103-8478cr20131548

14. Dadras Javan, F., Samadzadegan, F., Seyed Pourazar, S.H. et al. UAV-based multispectral imagery for fast Citrus Greening detection // J Plant Dis Prot. 2019. Vol. 126. P. 307-318. https://doi.org/10.1007/s41348-019-00234-8.

15. Del Ponte EM, Pethybridge SJ, Bock CH, Michereff SJ, Machado FJ, Spolti P Standard area diagrams for aiding severity estimation: scientometrics, pathosystems, and methodological trends in the last 25 years // Phytopathol. 2017. Vol. 107 (10). P.1161-1174. https://doi.org/10.1094/PHYTO-02-17-0069-FI.

16. Knauer U., Matros A., Petrovic T. et al. Improved classification accuracy of powdery mildew infection levels of wine grapes by spatial-spectral analysis of hyperspectral images // Plant Methods. Vol. 13. 2017. https://doi.org/10.1186/s13007-017-0198-y

17. Marcel Essling; Suzanne McKay; Paul R. Petrie. Fungicide programs used to manage powdery mildew (Erysiphe necator) in Australian vineyards // Crop Protection. 2021. Vol. 139. P. 105369. http://doi.org/10.1016/j.cropro.2020.105369.

18. Oerke EC., Mahlein AK., Steiner U. Proximal Sensing of Plant Diseases. In: Gullino M., Bonants P. (eds) Detection and Diagnostics of Plant Pathogens. Plant Pathology in the 21st Century (Contributions to the 9th International Congress), vol 5. Springer, Dordrecht First Online19 August 2014. https://doi.org/10.1007/978-94-017-9020-8_4.

19. Proximal Sensing of Plant Diseases. In: Gullino M., Bonants P. (eds) Detection and Diagnostics of Plant Pathogens. Plant Pathology in the 21st Century (Contributions to the 9th International Congress), vol 5. Springer, Dordrecht First Online19 August 2014. https://doi.org/10.1007/978-94-017-9020-8_4.

20. Sheng Hung Lee, Shiou Ruei Lin, Shih Fang Chen. Identification of tea foliar diseases and pest damage under practical field conditions using a convolutional neural network // Plant Pathology. 2020. https://doi.org/10.1111/ppa.13251.