В статье представлена новая модель PI-HGRU (physics-informed hybrid gated recurrent unit) для прогнозирования распространения пирикуляриоза (рисового грибка) в пространстве и времени. Модель сочетает дифференциальные уравнения, описывающие динамику передачи болезни, с гибридной архитектурой на основе гейтированных рекуррентных блоков (GRU), что позволяет объединить механистические знания эпидемиологии с обучением на данных. Для обучения и оценки использован многолетний набор данных (2000–2016 гг.) по 16 крупным рисоводческим провинциям Южного Китая, включающий полевые наблюдения, данные дистанционного зондирования, метеорологические и почвенные характеристики. Для обработки нерегулярных интервалов наблюдений и разной длины временных рядов применён подход со скользящим временным окном, а также проведён анализ чувствительности для выбора оптимальных параметров окна и задержки. Результаты показали, что PI-HGRU значительно превосходит чисто data-driven модель HGRU: коэффициент корреляции r² улучшен на 22,8%, а RMSE и MAE снижены на 10,2% и 18,0% соответственно. Анализ промежуточных переменных выявил интерпретируемую связь между скоростью передачи β(t) и условиями окружающей среды, что подтверждает способность модели объяснять механизмы распространения болезни. Работа демонстрирует, что интеграция эпидемиологических механизмов в глубокое обучение повышает точность, стабильность и интерпретируемость прогнозов, что важно для крупномасштабного мониторинга и точного управления болезнями сельскохозяйственных культур.