بررسی امکان پیش آگاهی بیماری بادزدگی فوزاریومی سنبله گندم بر اساس عامل های آب و هوایی و زراعی

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 یادداشت‌ برداری 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.

study on the possibility of wheat fusarium head blight predicting based on weather and cultural conditions

fusarium head blight (fhb) is one of the most important diseases of wheat that is a suitable disease for forecasting. in order to determine the statistical relationship among disease occurrence and weather and crop variables, this study was conducted in golestan, mazandaran and ardabil provinces during 3 years (crop years 2016-17, 2017-18 and 2018-19). crop characteristics and disease severity were recorded in wheat fields around meteorological stations. nine weather data was received from the stations as daily data and converted to 30 periodic variables. integrating flowering start date and anthesis length in different years and regions calculated as 11 time and meteorological calendar variables and used in statistical analyses. results of correlation tests of these variables with disease showed that the best window for disease prediction was b020 (20 days before anthesis) and atx (average of maximum temperature), rd (number of rainy days), dd (number of dry days), ashtr (average of special hydrothermal ratio) and np80 (number of days with rain and relative humidity > 80%) showed the highest correlation with disease. results of logistic regression and discriminant analysis for the selected variables as one, two and three showed that atx was the best individual variable, and the best combination of two variables was atx + np80 and adding ashtr to them did not cause significant increase in prediction efficacy. therefore, logistic regression and discriminant analysis model of atx and np80 in 20 days before anthesis, introduced as the best model for forecasting wheat fhb.