Съвременни подходи за диагностика и контрол на болестите по зеленчуковите култури в условията на климатични промени

Резюме

Климатичните промени значително променят динамиката на болестите по зеленчуковите култури, като водят до по-бързо развитие на патогените, по-висока преживяемост на инокулума и по-чести епидемични прояви. Повишените температури, екстремните валежи и периодите на засушаване създават условия, които улесняват инфекциите от вируси, бактерии и гъбни патогени. В тези условия традиционните диагностични методи често са недостатъчни поради припокриване на симптомите и стрес-индуцирани промени. Съвременните подходи включват бързи имунохроматографски тестове, молекулярни методи, хиперспектрална диагностика, дронови технологии и прогнозни модели. Ефективното управление на болестите изисква интегриран подход, включващ устойчиви сортове, биофунгициди, биостимулатори и оптимизирани агротехнически практики. Комбинацията от традиционни и модерни диагностични инструменти, подкрепена от експертна фитопатологична оценка, е ключът към устойчиво производство в условията на климатични промени.

Болестите по растенията продължават да бъдат едно от най-сериозните предизвикателства пред съвременното земеделие, като ежегодно причиняват значителни загуби в добива, качеството и устойчивостта на агросистемите. Според Fang and Ramasamy (2015) загубите, предизвикани от патогени, „варират между 20% и 40%“ и представляват ключов фактор, който застрашава глобалната продоволствена сигурност. В условията на климатични промени, интензивни производствени системи и глобализирани търговски потоци рискът от епидемии, поява на нови раси и разпространение на инвазивни патогени нараства значително (Juroszek & von Tiedemann, 2011).

Ефективното управление на болестите изисква две взаимно свързани направления: прецизна и навременна диагностика и устойчиви стратегии за контрол, интегриращи биологични, агротехнически, химични и дигитални подходи. През последните десетилетия диагностиката претърпя дълбока трансформация – от визуална оценка и микроскопия към молекулярни методи, високопроизводителни фенотипни платформи, дистанционни сензори и алгоритми за дълбоко обучение. Както отбелязват Balodi et al. (2017), „науката за диагностика на болестите е еволюирала от визуална инспекция към високочувствителни серологични и молекулярни техники“, което значително повишава точността и скоростта на откриване.

Паралелно с това концепцията за контрол на болестите се измества от едностранчиви химически решения към интегрирано, екологично и еволюционно обосновано управление. He et al. (2016) подчертават, че устойчивото управление трябва да „създава условия, благоприятни за растежа на растенията и неблагоприятни за възпроизводството и еволюцията на патогените“, като комбинира Resistance, Avoidance, Elimination, Remediation (RAER). Новите тенденции включват биоконтрол, растителни екстракти, генетични подходи, прогностични модели и дигитални системи за подпомагане на решенията (Mukhtar et al., 2023).

В този контекст се обобщават съвременните научни постижения в две ключови направления:

(1) диагностика на болестите по растенията, включително класически, оптични и AI‑базирани методи;

(2) контрол и интегрирано управление, разглеждащо екологични, биологични, генетични и технологични подходи.

Този двоен фокус позволява да се проследи как напредъкът в диагностиката подпомага по-прецизното, устойчиво и адаптивно управление на болестите в условията на динамично променящи се агроекосистеми.

Ефективната диагностика е фундаментът на всяка стратегия за управление на болестите. Тя определя правилното решение, минимизира загубите и позволява ранна намеса за контрол. Както подчертават Balodi et al., (2017), „науката за диагностика на болестите е еволюирала от визуална инспекция… към високочувствителни серологични и молекулярни техники“. Съвременните подходи могат да бъдат групирани в три основни направления: класически лабораторни методи, оптични и дистанционни технологии и изкуствен интелект.

Серологичните техники като ELISA, имунофлуоресценция и бързи имунохроматографски тестове остават широко използвани поради своята специфичност и приложимост в полеви условия. ELISA е сред най-разпространените методи, като „визуалната промяна на цвета позволява лесно откриване“ (Fang & Ramasamy, 2015). Въпреки това чувствителността при бактериални патогени е ограничена.

Молекулярните методи, особено PCR и неговите варианти (nested, multiplex, real time), предлагат най-висока точност. Balodi et al., (2017) отбелязват, че PCR базираните анализи са „специфични, чувствителни, ефективни, бързи и сравнително икономични“. Real time PCR позволява количествена оценка и е особено ценен при семенен контрол и карантинни патогени.

Фенотипните платформи (хлорофилна флуоресценция, хиперспектрално и термално изображение) осигуряват неразрушимо и многократно наблюдение. Според Balodi et al., (2017) „тези методи са недеструктивни… и позволяват визуализиране на локализирани реакции“. Хиперспектралната диагностика е особено перспективна за ранно откриване, тъй като улавя физиологични промени преди появата на видими симптоми.

Fang и Ramasamy (2015) подчертават, че хиперспектралните техники „се използват широко за идентифициране на болести чрез промени в отражателната способност“. Термографията и флуоресценцията допълват анализа, но са чувствителни към външни условия и често изискват комбиниране с други методи.

През последните години дълбокото обучение се превърна в ключов инструмент за автоматично разпознаване на болести. Li et al., (2021) отбелязват, че „дълбокото обучение избягва недостатъците на ръчния избор на признаци… и прави извличането на признаци по-обективно“. CNN‑архитектури като AlexNet, GoogLeNet, ResNet и DenseNet постигат точности над 95–99% върху контролирани набори от данни. Saleem et al., (2019) показват, че GoogLeNet превъзхожда AlexNet при PlantVillage, а Demilie (2024) заключава, че CNN „често са предпочитаният избор… поради способността им да улавят пространствени йерархии“. Въпреки това реалните полски условия остават предизвикателство и изискват по-сложни модели, комбинирани с дистанционни сензори и прогностични системи.

Съвременните стратегии за контрол се развиват от химически доминирани подходи към интегрирани, екологично ориентирани и еволюционно устойчиви системи. Основната цел е да се намали натискът от патогени, като същевременно се запази продуктивността и екологичният баланс.

Климатичните промени променят епидемиологията на болестите и изискват адаптивни стратегии. Juroszek и von Tiedemann (2011) отбелязват, че „предотвратяващите мерки… могат да станат особено важни в бъдеще“. Mukhtar et al., (2023) подчертават, че IPDM е „най-подходящият и релевантен метод при настоящите обстоятелства“ . Новите тенденции включват: растителни екстракти – напр. Lantana camara, чиито екстракти „потискат растежа на Pyricularia oryzae и Xanthomonas spp.“; генетични подходи – експресия на регулатори като AtMYB12, който „повишава нивата на флавоноиди и устойчивостта към няколко патогена“; pathogen derived resistance (PDR) – трансгенни стратегии срещу вируси.

Диагностиката и AI‑базираните системи подпомагат управлението чрез: ранно откриване и локализиране на огнища; намаляване на ненужните третирания; интеграция с прогнозни модели; мониторинг на ефективността и резистентността.

Както отбелязва Demilie (2024), Machine Learning и Deep Learning „подобряват производителността и скоростта на детекция и класификация“, което ги прави ключов компонент на модерните IPM системи.

Синергията между модерната диагностика и интегрираното управление създава нови възможности за прецизно, ефективно и екологично устойчиво земеделие. Тази комбинация позволява не само намаляване на загубите, но и изграждане на по-устойчиви агросистеми, способни да отговорят на предизвикателствата на бъдещето.

Материали и методи

Основните патогени по зеленчуковите култури, са вируси (TSWV, ToMV, PMMoV, PVY), бактерии (Xanthomonas, Pseudomonas, Clavibacter) и гъбни патогени като Phytophthora, Fusarium, Verticillium, Alternaria и Botrytis (Фигура 1).

Фигура 1. Симптоми на мана по картофи, вертицилийно увяхване по пипер, бактерийни петна по пипер, бактерийно струпясване по домати

Климатични промени водят до „повишени температури → по-бързо развитие на патогени“ и „по-дълги вегетационни периоди → повече цикли на инфекция“. За целите на диагностиката са използвани както традиционни, така и модерни методи. Първоначалната оценка е визуална диагностика, която е бърза, но субективна, тъй като „симптомите могат да се припокриват между различни патогени или абиотични фактори“. Микроскопията е приложена за наблюдение на морфологични структури, като в някои случаи са използвани специфични оцветявания. За изолиране на бактерии и гъби са използвани култивиращи среди, докато вирусите са диагностицирани чрез имунохроматографски тестове.

Бързите имунохроматографски тестове са: AgriStrip® (BIOREBA), Pocket Diagnostic® и LOEWE®FAST, които позволяват откриване на вируси, бактерии и някои гъбни патогени в рамките на 5–10 минути и са „подходящи за поле и лаборатория“ (Фигура 2).

Фигура 2. Бързи имунохроматографски тестове: AgriStrip® (BIOREBA), Pocket Diagnostic® и LOEWE®FAST

За потвърждаване на резултатите са препоръчителни молекулярни методи (PCR, qPCR, LAMP), отличаващи се с „много висока чувствителност“ и „висока специфичност“, но изискващи специализирана лаборатория. Широка употреба намират хиперспектрални методи за ранно откриване на инфекции и оценка на физиологичен стрес, като технологията е определена като „неинвазивна, бърза и мащабируема“. Дронове с RGB, мултиспектрални, хиперспектрални и термални сензори са използвани за мониторинг на полета, картиране на болести и оценка на биомаса. Прогнозни модели, базирани на температура, влажност, валежи и микроклимат, са използвани за предвиждане на риска от инфекции и оптимизиране на времето за третиране. Широко застъпени в зеленчукопроизводството са биофунгициди (напр. Bacillus subtilis, Trichoderma harzianum, Pythium oligandrum), биостимулатори (аминокиселини, водорасли, хуминови киселини) и химични фунгициди (медни препарати, Mancozeb, Azoxystrobin, Difenoconazole и др.).

Резултати

Ясно изразено е влиянието на климатичните промени върху динамиката на патогените и честотата на болестите по зеленчуковите култури. Повишените температури ускоряват развитието на множество патогени, а по-топлите зими увеличават преживяемостта на инокулума. Екстремните валежи създават благоприятни условия за развитие на гъбни и бактериални болести, като „висока влажност > 90% ускорява спорулацията“, а дъждовните капки подпомагат разпространението на бактерии на големи разстояния. Засушаването води до физиологичен стрес и микропукнатини по листата и корените, които улесняват проникването на патогени — „сухият стрес причинява микропукнатини… входни врати за бактерии“. При Verticillium dahliae е установено, че микросклероциите се активират по-лесно след поливане след сух период, което увеличава риска от инфекция.

Диагностичните методи показват различна ефективност в зависимост от условията и целите на анализа. Бързите имунохроматографски тестове демонстрират висока специфичност и са особено полезни за полски проверки, докато молекулярните методи осигуряват най-висока точност и позволяват откриване на патогени дори при липса на симптоми. Хиперспектралната диагностика успешно различава биотични от абиотични промени и позволява ранно откриване на инфекции. Дроновете и дистанционните сензори се доказват като ефективен инструмент за мониторинг на големи площи, идентифициране на стресови зони и подпомагане на прецизното земеделие.

Биофунгицидите показват най-добра ефективност при превантивно приложение, като Trichoderma harzianum и Pythium oligandrum демонстрират силен антагонизъм срещу Fusarium, Rhizoctonia и Phytophthora (Таблица 1).

Биостимулаторите подобряват устойчивостта към стрес и подпомагат възстановяването на растенията след неблагоприятни условия (Таблица 2).

Химичните фунгициди остават важен елемент от контрола, като медните препарати са най-ефективни срещу бактериални болести, а системните фунгициди като Azoxystrobin и Difenoconazole показват висока ефективност срещу Alternaria, Oidium и Peronospora (Таблица 3).

Интегрираният подход (IPM) води до най-добри резултати, особено когато се комбинират мониторинг, биологични средства, фунгициди и устойчиви сортове.

Най-ефективната стратегия включва съчетаване на мониторинг, прогнозни модели, бърза диагностика, биологични и химични средства, както и използване на устойчиви сортове. Само чрез интеграция на тези елементи може да се гарантира стабилност на производството, намаляване на загубите и повишаване на устойчивостта на агросистемите към бъдещи климатични предизвикателства.

Литературни източници

1. Balodi, R., Bisht, S., Ghatak, A., & Rao, K. H. (2017). Plant disease diagnosis: Technological advancements and challenges. Indian Phytopathology, 70(3), 275–281.
2. Demilie, W. B. (2024). Plant disease detection and classification techniques: A comparative study of the performances. Journal of Big Data, 11, 5.
3. Fang, Y., & Ramasamy, R. P. (2015). Current and prospective methods for plant disease detection. Biosensors, 5, 537–561.
4. He, D., Zhan, J., & Xie, L. (2016). Problems, challenges and future of plant disease management: From an ecological point of view. Journal of Integrative Agriculture, 15(4), 705–715.
5. Juroszek, P., & von Tiedemann, A. (2011). Potential strategies and future requirements for plant disease management under a changing climate. Plant Pathology, 60, 100–112.
6. Li, L., Zhang, S., & Wang, B. (2021). Plant disease detection and classification by deep learning: A review. IEEE Access, 9, 56683–56700.
7. Mukhtar, T., Vagelas, I., & Javaid, A. (2023). New trends in integrated plant disease management. Frontiers in Agronomy, 4, 1104122.
8. Saleem, M. H., Potgieter, J., & Arif, K. M. (2019). Plant disease detection and classification by deep learning. Plants, 8(11), 468.