Progresso da cercosporiose da beterraba sob diferentes regimes de pulverização
DOI:
https://doi.org/10.5965/223811711922020197Palavras-chave:
Beta vulgaris ssp. vulgaris L., Cercopora beticola, epidemiologia, controle químicoResumo
A cercosporiose da beterraba, causada por Cercospora beticola Sacc. é controlada por meio de pulverizações foliares com fungicidas seguindo um calendário fixo, sem considerar o progresso da doença. Um sistema de previsão pode predizer o progresso da doença e direcionar o regime de pulverizações, reduzindo o número de aplicações e otimizando o manejo da doença. Com o objetivo de avaliar o progresso da cercosporiose sob os diferentes regimes de pulverização foi aplicada a técnica de modelagem estatística conhecida por modelos mistos. Estes modelos não incluem apenas os efeitos fixos, mas também os efeitos aleatórios para cada um dos indivíduos da população em estudo. Nas safras agrícolas de 2018 e 2019, os regimes de pulverização utilizados foram baseados em sistemas com valores de severidade estimada (SE) acumulada de 0,15; 0,25, e 0,35, além dos controles padrões com intervalos de pulverizações de cinco e sete dias. A severidade acumulada da cercosporiose em função do tempo, nos cinco regimes de pulverização, foi calibrada com um modelo Gompertz ajustado pelo modelo misto e o efeito aleatório ajustado à assíntota superior. Como resultado da calibração do modelo, o tratamento com regime de pulverização com SE=0,35 não diferiu dos controles padrões com relação à área abaixo da curva de progresso da doença (AACPD), severidade final e produtividade. Os dados apresentados nesse trabalho demonstram a eficiência do sistema de previsão no manejo da cercosporiose em beterraba, com a vantagem de reduzir o número de pulverizações com fungicidas e o impacto sobre o ambiente.
Downloads
Referências
BARRETO M et al. 2004. Sistemas de previsão e estação de aviso. In: VALE FXR et al. Epidemiologia aplicada ao manejo de doenças de plantas. Belo Horizonte: Perffil. p.243-266.
BATES D et al. 2012. lme4: Linear mixed-effects models using S4 classes. R package. Vienna: R Foundation for Statistical Computing. Disponível em: http://www.R-project.org. Acesso em: 15 dez. 2018.
BERGAMIN FILHO A & AMORIM L. 2011. Sistemas de previsão e avisos. In: AMORIM L et al. Manual de fitopatologia: princípios e conceitos. 4.ed. São Paulo: Ceres. p.389-408.
BERGAMIN FILHO A & AMORIM L. 1996. Doenças de plantas tropicais: epidemiologia e controle econômico. São Paulo: Ceres. 289p.
CAMPBELL CL & MADDEN LV. 1990. Introduction to plant disease epidemiology. New York: Wiley Interscience. 532p.
DAVIDIAN M & GILTINAN DM. 2003. Nonlinear Models for Repeated Measu¬rement Data: An Overview and Update. Journal of Agricultural, Biological, and Environmental Statistics 8: 387-419.
DEEPAYAN S. 2012. Lattice: Multivariate Data Visualization with R. Vienna: R Foundation for Statistical Computing. Disponível em: http://www.R-project.org. Acesso em: 15 dez. 2018.
DELLAMATRICE PM. 2000. Degradação do herbicida 14C Diuron por Acinetobacter baumannii e pela microbiota do solo. Dissertação (Mestrado em Ciências) Piracicaba: USP. 88p.
EMBRAPA. 2013. Empresa Brasileira de Pesquisa Agropecuária. Sistema Brasileiro de classificação de solos. 3.ed. Brasília: Embrapa. 353p.
EPAGRI. 2015. Levantamento de espécies de hortaliças cultivadas na região do Alto Vale do Itajaí, 2010 e 2014. Ituporanga: Epagri. 7p. (Relatório de pesquisa).
FERNANDES JMC & MAFFIA LA. 1994. Simulação de epidemias. Revisão Anual de Patologia de Plantas 2: 293-334.
FERREIRA MD & TIVELLI SW. 1989. Cultura da beterraba: recomendações gerais. Guaxupé: Cooxupé. 14p. (Boletim Técnico 2).
KRANZ J & HAU B. 1980. Systems analysis in epidemiology. Annual Review of Phytopathology 18: 67-83.
KRAUSE RA & MASSIE LB. 1975. Predictive systems: modern approaches to disease control. Annual Review of Phytopathology 13: 31-47.
MAY DE MIO LL et al. 2008. Proposta de escala diagramática para quantificação da cercosporiose da beterraba. Scientia Agraria 9: 331-337.
MARCUZZO LL et al. 2016a. Efeito de fosfito de potássio e de fungicidas no controle da cercosporiose (Cercospora beticola) da beterraba. Summa Phytopathologica 42: 186-187.
MARCUZZO LL et al. 2016b. Influence of temperature and leaf wetness duration on the severity of Cercospora leaf spot of beet. Summa Phytopathologica 42: 89-91.
MIZUBUTI ESG. 1999. Sistema de previsão de doenças de plantas: uma ferramenta útil? In: ZAMBOLIM L. 1° Encontro de manejo integrado de doença e pragas. Viçosa: UFV. p.42-46.
R DEVELOPMENT CORE TEAM. 2012. R: A language and environment for statistical computing. Vienna: R Foundation for Statistical Computing. Disponível em: http://www.R-project.org. Acesso em: 2 jul. 2018.
RACCA P & JÖRG E. 2007. CERCBET 3 – a forecaster for epidemic development of Cercospora beticola. Bulletin OEPP/EPPO 37: 344–349
REIS EM. 2004. Previsão de doenças de plantas. Passo Fundo: UPF. 316p.
SAKAMOTO Y et al. 1986. Akaike Information Criterion Statistics. Dordrecht: Kluwer Academic Publishers. 290p.
TENG PS. 1985. Comparison of simulation approaches to epidemic modeling. Annual Review of Phytopathology 23: 351-379.
TIVELLI SW et al. 2011. Beterraba, do plantio à comercialização. Campinas: Instituto Agronômico. 45p. (Boletim Técnico 210).
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2020 Revista de Ciências Agroveterinárias
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial 4.0 International License.
Os autores que publicam nesta revista estão de acordo com os seguintes termos:
a) Os autores mantêm os direitos autorais e concedem à revista os direitos autorais da primeira publicação, de acordo com a Creative Commons Attribution Licence. Todo o conteúdo do periódico, exceto onde está identificado, está licenciado sob uma Licença Creative Commons do tipo atribuição BY.
b) Autores têm autoridade para assumir contratos adicionais com o conteúdo do manuscrito.
c) Os autores podem fornecer e distribuir o manuscrito publicado por esta revista.