پیش آگاهی همه‌گیری بیماری زنگ زرد گندم دیم در استان کرمانشاه

این پژوهش با هدف پیش‌آگاهی همه‌گیری زنگ زرد، گندم‏زارهای دیم درچهار پهنه‌ی کانون آلودگی به این بیماری در شهرستان‌های سرپل‌ذهاب و گیلان‌غرب (گرمسیری) و اسلام‌‌آباد غرب و ماهیدشت (معتدل) استان کرمانشاه در سال‌های  97-1388 انجام شد و به‌منظور ارزیابی همبستگی داده‌های هواشناسی با رخداد همه‏گیری، ویژگی‌های زمینه‌ساز گسترش بیماری شناسایی و پایش شد. بیماری در سال‌های 91-1390 و 96-1395 و 97-1396 بدون بروز هیچ‌گونه جوش زنگ زرد در کانون‌های آلودگی استان، سال‌های 90-1389 و 92-1391 و 9313-92 و 94-1393 با آلودگی پایین و پراکنده، و سال‌های 89-1388 و 95-1394 با آلودگی بالا همه‌گیر شد. آزمون آماری تجزیه به مولفه اصلی (principal component analysis) داده‌های هواشناسی و پایش بیماری در این دوره ده ساله نشان ‌داد که شمار روزهای بارانی از مهر تا اردیبهشت‌، دوره‌های دربرگیرنده روزهای پیاپی با دمای کمینه‌ی 9-6 درجه سلسیوس و نم بالای 60 درصد و بلندترین دوره روزانه با این ویژگی، میانگین بیشینه درصد نم بهمن‌ماه و میانگین کمینه دمای اسفندماه برترین نشانگرهای رخداد همه‌گیری زنگ زرد در هر چهار پهنه‌ی مورد بررسی بودند. دو ویژگی روزهای یخبندانی و روزهای با دمای کمینه‌ی زیر10 درجه سلسیوس برترین نشانگرهای پیش‌بینی زمان بروز بیماری بودند. همخوانی این یافته‌ها با مدل رگرسیون ترتیبی برازش شده نشان داد که پیش‌بینی سال همه‌گیری زنگ زرد در استان کرمانشاه و زمان بروز بیماری در دیم‌زارهای هر پهنه با کمک این شناسه‌های کلیدی در پایان اسفندماه هر سال انجام‌پذیر است. سپس کارآیی مدل برازش شده در پیش‌بینی صحیح، از نبود رخداد بیماری زنگ زرد در سال 1396 و آلودگی پایین در سال 1397 راستی‌آزمایی گردید.

predicting rain-fed wheat yellow rust epidemics in kermanshah province

during tenyear study (20092018), rainfed wheat fields were selected to evaluate disease and examine associations of climatic data with wheat yellow rust disease epidemics across four regions, sarpolzohab and gilangharb (tropical), eslamabad gharb and mahidasht (temprate). no disease was evident in 20092010, 20162017 and 201718 and there was low and sparce disease levels in remainder years. principal component analysis of climatic and disease data indicated that number of rainy days from october to may, periods of consequential days with minimum temperature within 69˚c and maximum relative humidity > 60%, and longest period with these climatic characters were the best indicators of yellow rust disease epidemics occurrence across four study regions. two characters of monthly average of maximum relative humidity for february and minimum temperature of march were also identified as important disease epidemics predictors. two characteristics, number of icy days and days with minimum temperature under 10˚c were recognized as best indicators to predict disease onset time. to test efficiency of developed striperustpredicting model, lack of or low disease occurrence for two years of 2017 and 2018 were predicted correctly.