تعداد نشریات | 31 |
تعداد شمارهها | 748 |
تعداد مقالات | 7,112 |
تعداد مشاهده مقاله | 10,246,361 |
تعداد دریافت فایل اصل مقاله | 6,899,979 |
بررسی امکان پیش آگاهی بیماری بادزدگی فوزاریومی سنبله گندم بر اساس عامل های آب و هوایی و زراعی | ||
تحقیقات غلات | ||
دوره 11، شماره 3، آذر 1400، صفحه 225-241 اصل مقاله (506.34 K) | ||
نوع مقاله: مقاله پژوهشی | ||
شناسه دیجیتال (DOI): 10.22124/cr.2022.20998.1698 | ||
نویسندگان | ||
محمد علی آقاجانی* 1؛ حسین براری2؛ حسین کربلایی خیاوی3 | ||
1دانشیار پژوهش، بخش تحقیقات گیاه پزشکی، مرکز تحقیقات کشاورزی و منابع طبیعی استان گلستان، گرگان، ایران | ||
2استادیار پژوهش، بخش تحقیقات گیاهپزشکی، مرکز تحقیقات کشاورزی و منابع طبیعی استان مازندران، ساری، ایران | ||
3استادیار پژوهش، بخش تحقیقات گیاه پزشکی، مرکز تحقیقات کشاورزی و منابع طبیعی استان اردبیل، اردبیل، ایران | ||
چکیده | ||
بیماری بادزدگی فوزاریومی سنبله یکی از مهمترین بیماریهای گندم و یکی از بیماریهای بسیار پراهمیت برای پیشآگاهی محسوب میشود. تحقیق حاضر بهمنظور تعیین ارتباط آماری میان وقوع بیماری و متغیرهای آب و هوایی و زراعی بهمدت سه سال (سالهای زراعی 95-94، 96-95 و 97-96) در استانهای گلستان، مازندران و اردبیل انجام شد. بدین منظور، در مزارع گندم موجود در اطراف ایستگاههای هواشناسی، مشخصات زراعی و شدت بیماری یادداشتبرداری شد. تعداد نه داده آب و هوایی روزانه به 30 متغیر دورهای تبدیل شد. تلفیق تاریخهای شروع مرحله گلدهی و طول این دوره در سالها و مناطق مختلف نیز بهصورت 11 متغیر تقویم زمانی و آب و هوایی محاسبه شد و در تحلیلهای آماری مورد استفاده قرار گرفت. نتایج آزمون همبستگی متغیرهای یادشده با بیماری نشان داد که بهترین پنجره زمانی برای پیشآگاهی بیماری، B020 (20 روز قبل از گلدهی) بود و متغیرهای میانگین دمای بیشینه، تعداد روزهای بارانی، تعداد روزهای خشک، میانگین نسبت ویژه دمایی مرطوب و تعداد روزهای بارانی با رطوبت نسبی بالاتر از 80 درصد، بالاترین همبستگی را با بیماری داشتند. نتایج تجزیه رگرسیون لجستیک و تابع تشخیص برای متغیرهای منتخب بهصورت مستقل، دوتایی و سهتایی نشان داد که بهترین متغیر پیشگو بهصورت مستقل، میانگین دمای بیشینه بود. بهترین ترکیب دوتایی از متغیرهای پیشگو نیز با استفاده از متغیرهای میانگین دمای بیشینه و تعداد روزهای بارانی با رطوبت نسبی بالاتر از 80 درصد بهدست آمد و افزودن متغیر میانگین نسبت ویژه دمایی مرطوب به این دو متغیر، افزایش معنیداری در کارایی پیشبینی مدل ایجاد نکرد. بنابراین دو متغیر میانگین دمای بیشینه و تعداد روزهای بارانی با رطوبت نسبی بالاتر از 80 درصد در پنجره 20 روزه قبل از گلدهی، بهعنوان بهترین مدل برای پیشبینی بیماری بادزدگی فوزاریومی سنبله گندم معرفی شدند. | ||
کلیدواژهها | ||
مدلسازی؛ وقوع بیماری؛ Fusarium graminearum | ||
مراجع | ||
Abedi-Tizaki, M. 2016. Study on population structure, genetic diversity and spatial distribution of mycotoxin contamination of Fusarium graminearum isolated from wheat in the north and west of Iran. Ph. D. Dissertation. BU-Ali Sina University, Hamadan, Iran. (In Persian).##Aghajani, M.A. 2008. Spraying the wheat field after the anthesis. Extension of Plant Protection 3: 68-69. (In Persian).##Aghajani, M. A., Forotan, A. and Kazemi, H. 2016. Management of Fusarium head blight of wheat. Applied Instruction. Iranian Research Institute of Plant Protection. (In Persian).##De Wolf, E. D., Madden, L. V. and Lipps, P. E. 2003. Risk assessment models for wheat Fusarium head blight epidemics based on within-season weather data. Phytopathology 93: 428-435.##De Wolf, E., Lipps, P., Miller, D., Knight, P., Molineros, J., Francl, L., and Madden, L. V. 2004. Evaluation of prediction models for wheat Fusarium head blight in the US. In: Canty, S. M., Boring, T., Versdahl, K., Wardwell, J. and Ward, R. W. (Eds.). Second International Symposium on Fusarium Head Blight Incorporating the 8th European Fusarium Seminar. Michigan State University, Orlando, FL, USA.##Ireta, M. J. and Gilchrist, S. 1994. Fusarium head scab of wheat (Fusariu graminearum Schwabe). CIMMYT, Mexico, D.F.##Kokcheli, H., Aghajani, M. A. and Dehghan, M. A. 2013. The effect of different fungicides and spraying times on Fusarium head blight of wheat. M. Sc. Dissertation. Damghan Branch, Islamic Azad University, Damghan, Iran. (In Persian).##Kriss, A. B., Paul, P. A. and Madden, L. V. 2010. Relationship between yearly fluctuations in Fusarium head blight intensity and environmental variables: A window-pane analysis. Phytopathology 100: 784-797.##Kriss, A. B., Paul, P. A., Xu, X., Nicholson, P., Doohan, F. M., Hornok, L., Rietini, A., Edwards, S. G. and Madden, L. V. 2012. Quantification of the relationship between the environment and Fusarium head blight, Fusarium pathogen density, and mycotoxins in winter wheat in Europe. European Journal of Plant Pathology 133: 975-993.##Madden, L. V., Lipps, P. E. and Wolf, E. D. 2004. Developing forecasting systems for Fusarium head blight. In: Canty, S. M., Boring, T., Versdahl, K., Wardwell, J. and Ward, R. W. (Eds.). Second International Symposium on Fusarium Head Blight Incorporating the 8th European Fusarium Seminar. Michigan State University, Orlando, FL, USA.##Mazhari, M. 2016. Study of temperature on mycelial growth of wheat scab agent (Fusarium graminearum) by statistical models. M. Sc. Dissertation. Sari Agricultural Sciences and Natural Resources University, Sari, Iran. (In Persian).##Moschini, R. C., Pioli, R., Carmona, M. and Sacchi, O. 2001. Empirical prediction of wheat head blight in the northern Argentinean pampas region. Crop Science 41: 1541-1545.##Rossi, V., Giosuè, S., Pattori, E., Spanna, F. and Vecchio, A. D. 2003. A model estimating the risk of Fusarium head blight on wheat. EPPO Bulletin 33: 421-425.##Safaei, N. and Alizadeh, A. 2006. Evaluation of temporal progress models of Fusarium head blight diseases of wheat and presenting a forecasting model in Golestan province. Iranian Journal of Plant Diseases 42: 597-617. (In Persain with English Abstract).##Shah, D. A., De Wolf, E. D., Paul, P. A. and Madden, L. V. 2014. Predicting Fusarium head blight epidemics with boosted regression trees. Phytopathology 104: 702-714.##Shah, D. A., Molineros, J. E., Paul, P. A., Willyerd, K. T., Madden, L. V. and De Wolf, E. D. 2013. Predicting Fusarium head blight epidemics with weather-driven pre- and post-anthesis logistic regression models. Phytopathology 103: 906-919.##van Maanen, A. and Xu, X. M. 2003. Modelling plant disease epidemics. European Journal of Plant Pathology 109: 669-682.##Xu, X. 2003. Effects of environmental conditions on the development of Fusarium ear blight. European Journal of Plant Pathology 109: 683-689.## | ||
آمار تعداد مشاهده مقاله: 782 تعداد دریافت فایل اصل مقاله: 186 |