مقایسه آماری مقیاس‌های اندازه‌گیری شدت بیماری لکه خرمایی گندم

مقدمه: مقیاس ساری و پرسکات (a) یکی از معروف‌ترین مقیاس‌های اندازه‌گیری بیماری‌های برگی غلات دانه‌ریز است که به صورت نمره‌های صفر تا نه بیان می‌شود. مقیاس دو رقمی (ab)، از تلفیق این مقیاس و شدت بیماری روی برگ‌های بالایی بوته (b) به‌وجود آمده است. مقیاس‌های a و ab از جمله مقیاس‌های رتبه‌ای (متغیرهای گسسته یا ناپیوسته) محسوب می‌شوند که داده‌های حاصل از آن‌ها را نمی‌توان با روش‌های آماری پارامتری تجزیه کرد. در صورت تبدیل مناسب آن‌ها به شاخص شدت بیماری بر حسب درصد (pdi)، متغیر پیوسته‌ای به‌وجود می‌آید که با روش‌های آماری پارامتری قابل تجزیه و تحلیل خواهد بود. هدف از اجرای این مطالعه، مقایسه روش ها و مقیاس های مختلف اندازه گیری شدت بیماری، تجزیه و تحلیل آماری آن‌ها، بررسی مزیت‌ها و معایب هر کدام از این روش ها و در نهایت معرفی روش مناسب جهت ارزیابی بیماری لکه خرمایی گندم ناشی از drechslera tritici-repentis و نیز سایر بیماری های برگی غلات دانه ریز بود.مواد و روش‌ها: در این آزمایش، شدت بیماری لکه خرمایی روی ده رقم گندم در قالب طرح بلوک‌های کامل تصادفی با سه تکرار اندازه‌گیری و به‌صورت چهار متغیر a، b، ab و pdi ثبت شد. در این مطالعه، متغیر اول (a) برای نشان دادن شدت بیماری بر اساس مقیاس ساری و پرسکات (معادل رقم اول در مقیاس دو رقمی) و متغیر دوم (b) برای بیان سطح آلودگی برگ‌های بالای بوته (معادل رقم دوم در مقیاس دو رقمی) مورد استفاده قرار گرفت. متغیر سوم (ab) از تلفیق متغیرهای اول و دوم به‌دست آمد و متغیر چهارم نیز شاخص شدت بیماری بر حسب درصد (pdi) بود. به‌منظور مقایسه متغیرها و انتخاب بهترین آن‌ها، تجزیه آماری داده‌ها با استفاده از شاخص‌های آمار توصیفی، تجزیه واریانس، مقایسه میانگین‌ها با روش lsd و نیز ضرایب همبستگی و تحلیل رگرسیونی بین متغیرهای مورد مطالعه انجام شد.یافته‌های تحقیق: برآورد آماره‌های چولگی و کشیدگی داده‌های چهار متغیر مورد مطالعه در این تحقیق نشان داد که فقط متغیرهای b و pdi دارای توزیع نرمال بودند. آماره‌های shapiro-wilk و kolmogorov-smirnov و نمودار توزیع فراوانی داده‌ها نیز نرمال بودن و پیوسته بودن دو متغیر b و pdi را به‌خوبی نشان دادند، در حالی که متغیرهای a و ab فاقد توزیع نرمال بودند و با توجه به فاصله‌های ایجاد شده بین گروه‌های مختلف داده‌ها در نمودار توزیع فراوانی، می‌توان این متغیرها را به‌عنوان متغیرهای گسسته در نظر گرفت. نتایج تجزیه واریانس نشان داد که تفاوت معنی‌داری بین تیمارها (رقم‌های گندم) مورد مطالعه از نظر دو متغیر b و pdi وجود داشت، در حالی‌که اختلاف بین رقم‌ها از نظر دو متغیر a و ab غیرمعنی‌دار بود. بررسی روابط بین این چهار متغیر با استفاده از ضرایب همبستگی و تحلیل رگرسیون خطی، ارتباط قوی و معنی‌دار بین متغیرهای a و ab و نیز متغیرهای b و pdi را آشکار کرد. نتایج رگرسیون خطی نشان داد که با وجود ترکیبی بودن مقیاس دو رقمی، رابطه رگرسیونی بسیار قوی بین مقادیر مقیاس دو رقمی و متغیر a وجود داشت، در حالی‌که رابطه بین مقیاس دو رقمی و متغیر b ضعیف‌تر بود. در مقابل، pdi که به‌عنوان کامل‌ترین متغیر برای توصیف مقدار بیماری مطرح است، رابطه رگرسیونی قوی با رقم دوم مقیاس دو رقمی (متغیر b) نشان داد، اما ارتباط آن با رقم اول آن یعنی مقدار عددی مقیاس دو رقمی (متغیر a) ضعیف بود.نتیجه‌گیری: نتایج تجزیه و تحلیل‌های آماری داده‌های این تحقیق نشان داد که بیان داده‌های شدت بیماری بر حسب متغیرهای b (شدت بیماری روی برگ‌های بالایی بوته) و pdi (شاخص شدت بیماری) از مناسبت آماری بالاتری نسبت به داده‌های ثبت شده بر اساس متغیرهای a (مقیاس ساری و پرسکات) و ab (مقیاس دو رقمی)، به‌صورت خام و تبدیل نشده برخوردار بودند. بنابراین، بهبود و ارتقای مقیاس ساری و پرسکات به مقیاس دو رقمی، تنها در صورتی می‌تواند در عمل موثر واقع شود که به صورتی صحیح به شاخصی جامع از بیماری (نظیر pdi) تبدیل شود، در غیر این صورت در کیفیت کار ارزیابی تغییر چندانی ایجاد نخواهد شد. به‌عبارت دیگر، در ارزیابی شدت بیماری‌های برگی گندم، پس از تعیین شدت بیماری بر اساس مقیاس a یا ab و قبل از انجام هر گونه تحلیل آماری، ابتدا بایستی داده‌ها به متغیر pdi تبدیل شوند و سپس تجزیه واریانس یا تحلیل رگرسیونی داده‌ها انجام شود.

statistical comparison of scales for measuring the severity of wheat tan spot disease

introductionsarri and prescott scale (a) is one of the most popular scales for measuring foliar diseases of small-grain cereals, which is expressed as 0-9 scores. double digit scale (ab) was created from incorporating a and b (disease severity on top leaves) scales. a and ab scales are considered as ordinal rank scales, and their recorded data (as descrete variables) can not be analyzed by parametric statistical methods. if they are suitably transformed to disease severity index (or percent of disease index = pdi), then can be analyzed by parametric methods as continous variable. the objectives of this study were to compare different methods and scales for measuring the disease severity, statistical analysis, advantages and disadvantages, and finally to introduce the appropriate method for evaluating the wheat tan spot disease caused by drechslera tritici-repentis and other foliar diseases of small grain cereals.materials and methodsin this experiment, the intensity of tan spot disease on ten wheat cultivars was measured in a randomized complete block design with three replications and recorded as four variables, a, b, ab and pdi. in this study, the first variable (a) was used to show the severity of the disease based on the surrey and prescott scale (equivalent to the first digit of the double-digit scale), and the second variable (b) to express the contamination level of the disease severity on top leaves (equivalent to the second digit of the double-digit scale). the third variable (ab) was obtained from the combination of the first and second variables, and the fourth variable was the percentage of disease severity index (pdi). to compare variables and sselect the best ones, statistical analysis of data was performed using descriptive statistics, analysis of variance, comparison of means by lsd method, as well as correlation coefficients and regression analysis between the studied variables.research findingsevaluating the skewness and kurtosis statistics of the studied four variables in this research showed that only the b and pdi variables had a normal distribution. shapiro-wilk and kolmogorov-smirnov statistics and data frequency distribution chart also showed the normality and continuity of two variables b and pdi, while the variables a and ab did not have a normal distribution and due to the gaps created