ارزیابی کارایی مدل‌های اپیدمیولوژیکی مختلف در پیش‌بینی روند پیشرفت بیماری لکه نواری جو ناشی از Pyrenophora graminea در استان خوزستان، ایران

نوع مقاله : مقاله پژوهشی

نویسندگان

1 مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی خوزستان، سازمان تحقیقات، آموزش و ترویج کشاورزی. اهواز . ایران.

2 گروه باغبانی و گیاه پزشکی، دانشکده کشاورزی، دانشگاه صنعتی شاهرود. شاهرود. ایران.

چکیده

به منظور ارائه مدل­های مناسب برای پیش­بینی روند پیشرفت زمانی بیماری لکه نواری جو ناشی از Pyrenophora graminea بررسی­های اپیدمیولوژیکی در قالب آزمایش مزرعه­ای در دو سال زراعی 99-1398 و 1400-1399 انجام شد. پیشرفت زمانی بیماری در پنج رقم (زهک، نیمروز، اکسین، نوروز و ایذه) جو و در قالب طرح بلوک کامل تصادفی با چهار تکرار در ایستگاه تحقیقاتی گلستان در استان خوزستان اجرا و از مدل­های شناخته شده اپیدمیولوژیکی مانند مونومولکولار، لوجستیک، لوگ- لوجستیک، گمپرتز و ویبل برای ارزیابی روند پیشرفت بیماری استفاده شد. نتایج نشان داد در تمامی ارقام مدل­ لوگ- لوجستیک به عنوان مناسب‌ترین مدل در توصیف پیشرفت زمانی می­باشد. به منظور تعیین میزان خسارت ناشی از بیماری لکه نواری جو، وزن هزار دانه، عملکرد محصول و سطح زیر منحنی پیشرفت بیماری (AUDPC) در طول فصل رشد، اندازه­گیری شد. نتایج نشان داد که مدل انتگرالی با استفاده از AUDPC به عنوان متغیر مستقل و درصد خسارت به عنوان متغیر وابسته در رقم نوروز (L = 33.241+0.0002AUDPC) می­تواند 50 درصد تغییرات AUDPC در برابر خسارت را توجیه نماید. در مدل چند متغیره، شدت بیماری در زمان­های مختلف به عنوان متغیر مستقل و میزان عملکرد به عنوان متغیر وابسته در نظر گرفته شد و این مدل کارایی بالایی در تخمین میزان عملکرد داشت. همچنین شدت بیماری در مراحل ابتدای ظهور علایم بیماری و بعد از خوشه دهی در تخمین عملکرد نسبت به سایر مراحل فنولوژیکی، از اهمیت بالاتری برخوردار می­باشد و مدل چند متغیره (Y = 4836.17 – 38.51X1- 33.78X7+ 16.83X28- 26.56X35) توانست بیش از 90 درصد تغییرات شدت بیماری در برابر عملکرد را توجیه نماید.

کلیدواژه‌ها


عنوان مقاله [English]

Assessment of the efficiency of different epidemiological models in predicting the temporal progress of barley leaf stripe disease caused by Pyrenophora graminea in Khuzestan province, Iran

نویسندگان [English]

  • Mohammadreza Eslahi 1
  • Shideh Mojerlou 2
1 1- Plant protection department, Khuzestan Agriculture and Natural resources research and Education center, AREEO. Ahvaz, Iran.
2 Department of Horticulture and Plant Protection, Faculty of Agriculture, Shahrood University of Technology, Shahrood, Iran.
چکیده [English]

To provide suitable models for predicting the temporal progress of barley leaf stripe disease caused by Pyrenophora graminea, epidemiological studies were conducted in 2019-2021. The temporal progress of disease was examined in five cultivars (Zehak, Nimroz, Auxin, Nowruz and Izeh) of barley in a randomized complete block design with four replications at Golestan Research Station in Khuzestan Province. Well-known epidemiological models such as Monomolecular, Logistics, Log-logistics, Gampertz and Weibel were used to assess the disease progress. The results showed that, in all cultivars, the log-logistic model is the most proper model in describing disease progress. In order to determine crop loss caused by barley stripe disease, 1000-kernel weight, yield and area under disease progress curve (AUDPC) during the growing season were measured. The results showed that the integral model using AUDPC as an independent variable and the loss percentage as a dependent variable in the Nowruz cultivar (L=33.241+0.0002AUDPC) can justify 50% of AUDPC changes against crop loss. In the multivariate model, disease severity at different stages was considered as an independent variable and yield was considered as a dependent variable. This model had high efficiency in estimating the amount of yield. The results also showed that disease severity in the early stages of disease symptoms and after heading is more important than other phenological stages in yield estimation. This multivariate model (Y = 4836.17 – 38.51X1- 33.78X7+ 16.83X28- 26.56X35) could explain more than 90% of changes in disease severity versus crop yield.

کلیدواژه‌ها [English]

  • Epidemiology
  • Crop loss
  • Barley leaf strip
  • Temporal disease progress
  • Area under Disease Progress Curve