معرفی یک مدل پیش آگاهی برای بیماری بلاست برنج و ارزیابی خسارت ناشی از این بیماری در استان گیلان

بیماری بلاست برنج ناشی از pyricularia grisea (cooke) sacc. یکی از بیماری های مهم برنج در سراسر دنیا و از جمله ایران می باشد. در بخش مقدماتی این تحقیق، تأثیر فاکتورهای اقلیمی بر جمعیت مزرعه ای اسپورهای عامل بیماری و پیش آگاهی ظهور بیماری مورد بررسی قرار گرفت. بدین منظور طی فصل زراعی سالهای 87-1385 در سه شهرستان رشت، انزلی و لاهیجان مزارعی در فاصله پنج کیلومتری ایستگاه های هواشناسی انتخاب گردید و تراکم اسپورهای هوازاد در این مزارع به صورت روزانه به کمک اسپورتراپ اندازه گیری شد. داده های آب و هوایی مورد نیاز شامل مقدار بارش (بر حسب میلی متر)، بیشینه و کمینه دمای روزانه، بیشینه و کمینه رطوبت نسبی روزانه و طول ساعات آفتابی از ایستگاه های هواشناسی دریافت گردید. سپس ارتباط بین جمعیت اسپورهای شکارشده با فاکتورهای آب و هوایی مورد بررسی و ارزیابی قرار گرفت و مهمترین فاکتورهای آب و هوایی موثر در تغییرات جمعیت مزرعه ای اسپورهای عامل بلاست تعیین شد و در نهایت یک مدل پیش آگاهی برای وقوع بلاست ارائه گردید. در این تحقیق مشخص شد که فاکتورهای آب و هوایی نظیر مقدار بارش، کمینه رطوبت نسبی روزانه، بیشینه دمای روزانه و طول ساعات آفتابی از مهمترین عوامل تأثیرگذار در ظهور بیماری بلاست برنج در استان گیلان هستند. بعلاوه فراهم شدن شرایط مناسبتر آب و هوایی نظیر بارندگی، افزایش کمینه رطوبت نسبی روزانه، کاهش بیشینه دمای روزانه و کاهش طول ساعات آفتابی (هوای ابری) به افزایش جمعیت مزرعه ای اسپورهای قارچ و وقوع بیماری بلاست در مزرعه طی هفت تا ده روز آینده کمک قابل توجهی می نماید. به منظور پیش بینی شدت نهایی بلاست برگ و شاخص آلودگی گردن خوشه، فاکتورهای آب و هوایی نظیر بیشینه، کمینه و متوسط دما، بیشینه، کمینه و متوسط رطوبت نسبی، جمعیت اسپورهای شکارشده، میزان بارندگی و طول ساعات آفتابی برای مدل سازی مورد استفاده قرار گرفتند. برای پیش آگاهی بلاست برگ این فاکتورها برای دوره دوماهه خرداد و تیر و برای پیش آگاهی بلاست گردن خوشه، همین فاکتورها برای مردادماه محاسبه شدند. از روش رگرسیون گام به گام پیش رونده برای معرفی مدل ها استفاده گردید. از آماره هایی نظیر ضریب همبستگی(r)، ضریب تبیین(r2)، ضریب تبیین تغییریافته براساس درجه آزادی(ar2)، خطای استاندارد (se)، آماره f و آماره دوربین- واتسون برای مقایسه معادلات و انتخاب بهترین معادله استفاده شد. در نهایت برای پیش بینی شدت نهایی بلاست برگ، معادله yflbs=-2.41-2.80tmin+0.68rhmin-0.015ps-0.014p+0.052sh (r2=96.73%) و در ارتباط با پیش بینی بلاست گردن خوشه، معادله ynbi=-24.11+0.08tmax+0.19rhmax+0.034ps-0.015p+0.016sh (r2=73.97%) محاسبه شد. در ارتباط با تعیین اثرات میزان مصرف کود ازته، تاریخ و فاصله کشت، مشخص گردید که متغیر مستقل میزان کود ازته مصرفی از ضریب همبستگی بالایی با شدت نهایی بلاست برگ و شاخص آلودگی گردن خوشه برخوردار است، حال آنکه همین درجه همبستگی برای تاریخ و فاصله کشت مشاهده نشد. بهترین معادله برای پیش بینی شدت نهایی بلاست برگ زمانی به دست آمد که میزان مصرف کود ازته (f) به صورت معادله درجه دوم استفاده شد: yflbs=4.46-4.12f+1.93f2 (r2=96.37) بهترین معادله برای پیش بینی شاخص آلودگی گردن خوشه نیز زمانی بدست آمد که سه فاکتور میزان مصرف کود ازته، تاریخ و تراکم کشت در قالب معادله چندجمله ای استفاده شدند(r2=54.40): ynbi =2.06+0.33f+0.10d-0.03s به منظور پیش بینی خسارت ناشی از بیماری بلاست بر عملکرد محصول، از متغیرهای مستقلی نظیر شدت اولیه بلاست برگ (x1)، شدت نهایی بلاست برگ (x2)، شاخص اولیه بلاست گردن خوشه (n1) و شاخص نهایی بلاست گردن خوشه (n2) استفاده شد. مناسبترین معادله برای پیش بینی میزان خسارت، معادله زیر است: l= 36.13+3.84x2-9.63n2 (r2=94.04) معادلات ارائه شده در این تحقیق بعد از اعتباریابی می توانند به منظور پیش بینی شدت نهایی بلاست برگ، شاخص آلودگی گردن خوشه و میزان خسارت ناشی از بیماری بلاست در استان گیلان مورد استفاده قرار گیرند.