نام فایل : ارزیابی-مدلهای-زمانی-پیشرفت-بیماری-بلایت-فوزاریومی-سنبله-گندم-و-ارائه-یک-مدل-پیش-آگاهی-برای-آن-در-استان-گلستان-20-ص

فرمت : .doc

تعداد صفحه/اسلاید : 16

حجم : 74 کیلوبایت

ارزیابی مدلهای زمانی پیشرفت بیماری بلایت فوزاریومی سنبله گندم و ارائه یک مدل پیش آگاهی برای آن در استان گلستان
Evaluation of temporal disease progress models of wheeat Fsaroum head bligt and developing a forecasting model for Golestan province
چکیده
به منظور ارزیابی مدلهای زمانی پیشرفت بیماری بلایت فورایومی سنبله گندم در شرایط مزرعه ، آزمایش هایی بر روی نه رقم و یک لاین گندم در سال زراعی 83-1382 انجام گرفت . تجزیه و تحلیل دادهه های مربوط به پیشرفت بیماری نشان داد که در زیر میست و با مایه زنی مصنوعی در ارقام اترک ، فلات ، کوهدشت ، پاستور و تجن مدل لوجستیک و در رقم زاگرس مدل منوملکولار مدلهای مناسب می باشند . در دو رقم کوهدشت و پاستور مدل لوگ لوجستیک نیز به اندازه مدل لوجستیک برازش قابل قبولی داشت . در شرایط زیر میست و بدون مایه زنی در ارقام فلات ، پاستور و زاگرس مدل های لوجستیک و لوگ – لوجستیک مدلهای مناسبی برای توجیه روند پیشرفت بیماری تشخیص داده شدند . در شرایط بدون میست و با مایه زنی در ارقام فلات و تجن مدل های لوجستیک و لوگ – لوجستیک برازش خوبی نشان داد . بر روی سایر ارقام در تمام آزمایش ها به دلیل پیشرفت اندک بیماری هیچیک از مدل ها داده های حاصل را توجیه نکرد . در این پژوهش مدل های لوجستیک و لوگ – لوجستیک در رقمهای فلات ، تجن ، زاگرس ، کوهدشت ، اترک و پاستور به عنوان مناسب ترین مدلها برای پیش بینی پیشرفت بیماری بلایت فوزاریومی سنبله گندم در شرایط مزرعه معرفی می شوند . در بخش دیگری از این تحقیق به منظور توسعه یک مدل پیش آگاهی برای این بیماری ، شدت بیماری در کرتهای آزمایشی با آلوده سازی مصنوعی و در مزارع با آلودگی طبیعی استان گلستان طی سالهای 1379-1376 یاداشت برداری شد . به علاوه داده های هواشناسی در طی همین سالها از ایستگاه هواشناسی عراقی محله گرگان جمع آوری گردید . این مدل براساس داده های دو فاکتور محیطی شامل بارندگی (
pm
) و دمای (
T
) متوسط هفت روز قبل از گلدهی و با استفاده از آنالیز رگرسیون چند متغیره توسعه داده شد . در این مدل فاکتورهای محیطی (
PM
و
t
) به عنوان متغییرهای مستقل و احتمال وقوع بیماری با شدت بیش از 10 درصد (
p
) به عنوان متغییر وابسته در نظر گرفته شد . معادله این مدل به همراه پارامترهای برآورده شده آن عبارت از :
In(p/(1-p))=-12.8527 + 13.7494*pm + 0.729721 * T – 0.871783 * T *pm
بوده که ضریب تبیین آن برابر 85/92 درصد می باشد . براساس این مدل در
p
بزرگتر از 2/0 بیماری بروز خواهد کرد و در صورتی که
p
مساوی یا بزرگتر از 5/0 باشد ، بیماری بصورت اپیدمیک ظاهر می شود . مدل ارایه شده با توجه به فاکتورهای مورد استفاده نسبت به مدل دی ولف و همکاران (
Dewolf et al . 2003
) ساده تر بود و بعلاوه ضریب تبیین بالاتری نیز دارد . با وجود این برای محاسبه میزان صحت پیش آگاهی (
prediction accuracy
) که از دو بخش حساسیت (
sensitivity
...