Date post: | 02-Jan-2016 |
Category: |
Documents |
Upload: | gannon-hoover |
View: | 31 times |
Download: | 5 times |
Monitoring a management v ochraně rostlin
(patogeni a škůdci)Literatura pro studium:
Přednášky, web, vybrané kapitoly z odborné a vědecké literatury.Zápočet: Projekt a jeho prezentace, splnění zadaných úkolůZK: písemná a případné ústní dozkoušení
Škůdci Patogeni
Prof. Doc. RNDr. Ing. František Kocourek CSc.
Ing. Miloslav Zouhar Ph.D.
http://af.czu.cz/~zouhar/monitoring
Kontakt: [email protected], [email protected], jako předmět prosím uvádějte monitoring 2013
Zašlete mi prosím krátkou anotaci své diplomové práce za účelem přípravy projektových dokumentací a témat pro zpracování.
Bartáková Pavla Bartíková Marie Bazanova Maria Cinek Petr Hrušková Zuzana Joachimsthalerová Martina Kolesová Petra Konvalinová Monika Kudelová Eva Marenčáková Michaela Marková Martina Nikodýmová Marie Růžičková Pavla Šrámková Anna Šuk Jaroslav Švorc Michael Vandělíková Tereza Venclová Markéta Zusková Eva
V prezentaci jsou použity některé obrázky a texty volně dostupné na internetu.
obecná a speciální fytopatologie
obecná a speciální entomologie (včetně nematologie,akarologie + obratlovci)
herbologie
diagnostika v ochraně rostlin
metody ochrany rostlin
fytofarmaciemechanizace v ochraně rostlin
předpisy v ochraně rostlin
(fytosanitární) kybernetika
botanika
mikrobiologie
genetikabiochemie
molekulární biologie
biometrika
ekologie
meteorologie
mikroskopie
Předměty tvořící informační základnu pro monitoring a management v ochraně rostlin a jsou neodmyslitelnou součástí
studia problematiky prognózy a signalizace
Obecná a speciální fytopatologie
nauka o příčinách a původcích chorob rostlin
Příčiny rostlinných chorob
abiotické
biotické
abionózy
bionózy
škodlivé změny způsobené na rostlinách nepříznivými fyzikálními a chemickými faktory
Je známo několik desítek tisíc rostlinných chorob, udává se, že jeden rostlinný druh může být napadán cca 90 patogenními organismy včetně virů. Jen některé z nich jsou hospodářsky významné.
Základní cíle monitoringu a managementu v ochraně rostlin
Zajištění konkurenceschopnosti agrárního sektoru v trvale udržitelném rozvoji.
Udržení vlivu škodlivých organismů pod prahem ekonomické škodlivosti.
Integrace ochranných zásahů proti škodlivým organismům za účelem zefektivnění procesu boje se škodlivými činiteli (otázka termínu a vybrané metody je v tomto případě klíčová).
Získání nových, případně empirických dat o biologii a bionomii škodlivých organismů a jejich aplikace v procesu ochrany rostlin i biologické vlastnosti organismů se mění v čase a prostoru (virulence populací se vyvíjí).
Studium vztahu hostitel patogen v prostoru a čase s cílem odhalení korelací využitelných při signalizaci výskytu škodlivého organismu na úrovni nepřímého monitoringu.
Získání a zpracování dat a tvorba matematického
modelu
Prognoza - signalizace
Prostředí
Proces vedoucí k cílenému zásahu proti škodlivému organismu.
Ochranný zásah
Škodlivý organizmus
Vývoj poikilotermních organismů (bez aktivního regulačního systému vnitřní teploty) je určován podmínkami vnějšího prostředí. Zejména průběh vnější teploty ovlivňuje průběh metabolických procesů v organismu změnami dynamiky enzymatických reakcí.
Rychlost enzymatických reakcí vzrůstá od určité, pro každý druh organismu specifické, prahové hodnoty teploty. Pod touto hodnotou probíhá pouze bazální metabolismus organismu.
Znalost těchto procesů vázaných na konkrétní organismus a jejich dlouhodobé sledování za účelem získání sady empirických dat je nedílnou součástí procesu přípravy modelů vývoje.
Získaná data podrobená, často náročné a složité, korelační analýza jsou základem pro vypracování předpovědních modelů vývoje, které značnou měrou usnadní ochranný zásah proti škodlivému činiteli.
Terminologie je neoddělitelnou součástí každého oboru
Pro kvantitativní vyjádření celkového tepelného množství využitelného pro vývoj organismu byl použit termín suma efektivních teplot (SET).
Starší a jednodušší typy teplotních modelů byly charakterizované pomocí jednodušeji měřitelných jednotek - tzv. denních stupňů (DS), které vývoj organismu v určitém dni vztahují pouze k jedné denní teplotní hodnotě, ale i přesto jsou v celé řadě ověřených případů spolehlivě používány.
V současné době lze s využitím, dnes již dostupné, techniky získat i přesnější údaje, například hodinové stupně (HS). Tyto modely vztahují vývoj organismu k hodinovým příp. kratším teplotním hodnotám.
V mnoha případech nejsou dostupné české ekvivalenty anglických termínů, uváděných ve vědecké literatuře, je tedy vhodné držet se původních termínů a nesnažit se vytvářet vlastní transkripce či translace .
Illustrated Glossary of Plant PathologyAuthors: C.J. D'Arcy, D.M. Eastburn, and G. L. Schumann(with acknowledgement of contributions from M.C. Shurtleff, P.A. Arneson, F.H. Tainter, and T.A. Evans)
http://www.plantpath.cornell.edu/glossary/http://sanjuan.wsu.edu/mastergardeners/documents/TermsandDefinitions_001.pdf
SPODNÍ PRÁH VÝVOJE (SPV) = teplota (charakteristická pro každý biologický druh) stanovená experimentálně, při níž začínají významně probíhat metabolické pochody a vývoj druhu (vždy ≥ 0°C) (Base temperature, developmental treshold lower).
1 2 3 4 5 6 7 8
0
5
10
15
20
25
teplota
patogen
HORNÍ PRÁH VÝVOJE (HPV) = teplota (charakteristická pro každý biologický druh) stanovená experimentálně, při níž dochází ke snižování metabolických pochodů na minimum a ustává vývoj druhu (Developmental treshold upper).
1 2 3 4 5 6 7 8
0
5
10
15
20
25
teplota
patogen
EFEKTIVNÍ TEPLOTA (ET) = hodnota rozdílu mezi dosaženou teplotou a prahovou teplotou pro vývoj druhu (spodním a případně horním prahem vývoje, je-li znám) (Growing degree day x hour) HODINOVÉ STUPNĚ (HS) = jednotka efektivní teploty vyjádřenájako hodnota rozdílu aktuální teploty v určitou hodinu a prahové teploty (spodního a případně horního prahu vývoje) (degree hour, oH)
1 2 3 4 5 6 7 80
5
10
15
20
25
teplota
PT
ET
DENNÍ STUPNĚ (DS) = jednotka efektivní teploty vyjádřená jako hodnota rozdílu průměrné denní teploty a prahové teploty (spodního a případně horního prahu vývoje) (degree day, oD).
SUMA EFEKTIVNÍCH TEPLOT (SET spv) = celková hodnota získaná součtem jednotlivých hodnot efektivní teploty od určitého termínu, vyjadřuje se v hodinových či v denních stupních (SET (DS) x SET (HS)) hodnota charakteristická pro vývoj každého druhu, na které je založena prognóza vývoje nebo indikace ochrany(Accumulated growing degree days x hours).
POČÁTEK NAČÍTÁNÍ TEPLOTNÍCH HODNOT (POČÁTEK (OD) = termín, charakteristický pro každý organismus (Start, BIOFIX -biologické datum).
Degree day (ekvivalent SET v denních stupních DS)Degree hours (ekvivalent SET v hodinových stupních HS) (případně pod označením Accumulated degree day, growing degree day a zkratkami DD a DH atd.)Hodnoty SET v uvedených článcích však většinou bývají vyjádřeny ve stupních Fahrenheita (F) F° – 32 * 5 / 9 = C°
Hodnocení SET OD (1.4.)
Průměrná denní teplota T oC
Spodní práh vývoje organismuSPV oC
Efektivní teplota za den ET (DS)
Suma efektivních teplot od počátku hodnoceníSET (DS)
1.3. Den 1 11.0 10.0 1.0 1,0
2.3. Den 2 9,9 10,0 (-) = 0,0 1,0
3.3. Den 3 10,1 10,0 0,1 1,1
4.3. Den 4 12,3 10,0 2,3 3,4
5.3. Den 5 13,4 10,0 3,4 6,8
6.3. Den 6 13,0 10,0 3,0 9,8
7.3. Den 7 12,8 10,0 2,8 12,6
DEN 1-7 SET 12,6 (DS)
Hodnocení SET OD (1.3.)
OD (hodina 01)
Hodinová teplota T oC
Spodní práh vývoje organismuSPV oC
Efektivní teplota za hodinuET (HS)
Suma efektivních teplot od počátkuSET (HS)
1.3. Den 1 Hodina 01 8.7 10.0 (-) = 0.0 0,0
Hodina 02 7,9 10,0 (-) = 0,0 0,0
Hodina 03 6,6 10.0 (-) = 0,0 0,0
Hodina 04 5,8 10,0 (-) = 0,0 0,0
Hodina 05 6,3 10,0 (-) = 0,0 0,0
Hodina 06 8,5 10,0 (-) = 0,0 0,0
Hodina 07 10,2 10,0 0,2 0,2
Hodina 08 11,1 10,0 1,1 1,3
Hodina 09 12,4 10,0 2,4 3,7
Hodina 10 13,8 10.0 3,8 7,5
Hodina 11 14,6 10,0 4,6 12,1
Hodina 12 15,3 10,0 5,3 17,4
Hodina 13 16,5 10,0 6,5 23,9
Hodina 14 17,2 10,0 7,2 31,1
Hodina 15 16,9 10,0 6,9 38
Hodina 16 15,8 10,0 5,8 43,8
Hodina 17 14,4 10.0 4,4 48,2
Hodina 18 13,2 10,0 3,2 51,4
Hodina 19 11,5 10,0 1,5 52,9
Hodina 20 10,0 10,0 = 0,0 52,9
Hodina 21 9,6 10,0 (-) = 0,0 52,9
Hodina 22 9,1 10,0 (-) = 0,0 52,9
Hodina 23 8,9 10,0 (-) = 0,0 52,9
Hodina 24 8,7 10,0 (-) = 0,0 52,9
Den 1 Hodina 01–24 SET 52,9 (HS)
MONITORING
úřední průběžný proces k ověřování rostlinolékářské (fytosanitární) situace.
Průzkum
úřední postup, v němž se ve stanoveném období určují charakteristiky populace škodlivého organismu nebo se určuje výskyt druhů škodlivých organismů v daném území
Průzkum detekční
Průzkům monitorovací
Průzkum vymezovací
průzkum zaměřený na zjištění výskytu škodlivých organismů na určitém území
průběžný průzkum k ověření charakteristiky populace škodlivého organismu
průzkum prováděný k určení hranic uzemí, které je považováno za zamořené škodlivým organismem nebo za prosté škodlivého organismu
Průzkum Diagnostika škodlivého
činiteleJaká by měla být?
Nezávislá na pozorovateli
Přesná a pečliváOpakovatelnost a proveditelnost
Založena na několika metodách
Související charakteristiky s tématem průzkum
Průzkum Diagnostika škodlivého
činiteleJaká by měla být?
Nezávislá na pozorovateli
Množství Patogena vnášeného
jako iniciální inokulum či jeho
latentní formy
Množství napadených
listů na rostlině
Množství napadených rostlin
na ploše
Množství choroby na listu
Kvantifikace patogena vychází z jeho biologických vlastností. V každé vývojové fázi, může docházet ke tvorbě klidových stádií, která jsou zdrojem infekčních agens pro další vegetační periodu. Se zřetelem na uvedené, je kvantifikace nesnadnou úlohou pro každého fytopatologa.
Metody zjišťování přítomnosti a množství
patogena
Přístrojové měření přítomnosti Patogena v porostu
(Burghardův sběrač konidií)Skenování v polních či
laboratorních podmínkách nebo různě modifikované pasti
letecké snímkování v různých spekterech
Stanovení přítomnosti patogena pomocí jiných metod diagnostiky než symptomatické respektive v době, kdy příznaky nejsou patrné,je nutné využít metod sledujících přítomnost patogena ještě před zahájením procesu patogeneze či v jeho ranných fázích. Nabízejí se metody průzkumu lokalit pro pěstování rostlin a dále pak prověření zdravotního stavu osiva a sadby, a v neposlední řadě i metody imunochemické, biochemické amolekulárně biologické.
Přímé měření na pozemku, vyžadující speciální technické vybavení, často finančně nákladné. Aplikovatelné zejména pro listové skvrnitosti. Sběr rostlinného materiálu a měření v laboratorních podmínkách, vhodné jen pro malé počty vzorků a choroby jejichž příznaky v podobě skvrn se nevyvíjejí příliš rychle.
Odhad množství a intenzity
škodlivého činitele v porostu
Erudovaný, nacvičený odhad
Odhady pomocí skutečných markerů
Odhady pomocí PC modelů
Pojem Intenzita choroby: vyjadřuje množství choroby v porostu (Mutter et al. 1991). Tento pojem je spojen s množstvím choroby (angl. severity) a incidencí. Pojem incidence choroby: vyjadřuje počet jedinců (rostlin) ve vzorku s příznaky choroby.
Towsend-Heubergerův vzorec: intenzita choroby P = průměrná intenzita napadenín = počet rostlin v jednotlivých stupních napadenív = hodnota příslušného stupně napadeníx = počet stupňů napadeníN = celkový počet hodnocených rostlin ve vzorku
P = (nv) . 100 xN
Výskyt choroby je nutné podrobit statistickému hodnocení, aby zjištěné hodnoty měly prokazatelnou váhu či byly jinak prospěšné např. ve spojení s metodou ochrany proti příslušné chorobě, stejně tak pokud chceme hodnotit rezistenci ve šlechtění na odolnost či účinnost přípravků na ochranu rostlin v pěstitelské praxi, při zavádění fytosanitárního opatření a biologické ochrany.
Odhady pomocí PC modelů Pro nacvičení odhadu pokryvnosti listoví lze využít jednoduchých počítačových modelů, například Diseases nebop agrevo.
Informace ČHMÚhttp://www.chmu.cz
Informace získané v daném místě pomocí mini meteorologických buněk
např.: http://meteostanice.agrobiologie.cz/
Informace přímo z porostu (elektronická čidla)
Nedílnou součástí monitoringu v ohraně rostlin je druhá složka monitoringu a tou je v našem případě PROSTŘEDÍ
Schéma přípravy funkčního matematického modelu vývoje škodlivého organismu.
Experimentální fáze
Experimentální fáze obsahuje polní víceleté pokusy opakované na různých
lokalitách tak, aby se získaly vztahy mezi intenzitou výskytu choroby, výnosovou ztrátou a
pochopitelně i vnějšími a vnitřními faktory prostředí.
Získané informace
Zpracování informací
Regresní analýza
Regresní model
Funkční modelExperimentální fáze
Teorie regresní a korelační analýzy
Regresní a korelační analýza dává odpověď na několik základních otázek:Existuje mezi veličinami X a Y nějaká závislost?Pakliže ano jaký má tvar (regrese)?Pakliže ano jak je tato závislost silná? (korelace)
Regresní analýza Hodnocení závislostí mezi
kvantitativními znaky, jedná se o výběr vhodné funkce, která je vhodná pro naměřené hodnoty výběrového souboru.
Ve statistice se jedná zejména o Lineární Regresi ve tvaru:Y=A+BXA = Absolutní členB = regresní koeficient (o kolik se zvýší hodonota závisle proměnné Y pokud se hodnota nezávisle proměnné X změní o jednotku.
Y=A+BX
Koeficient korelace II vyjadřuje těsnost
závislosti proměnné a závislé
Koeficient determinance I2 I2 jeho stonásobek udává, z kolika procent jsou změny hodnoty závisle proměnné Y vysvětleny hodnotami nezávisle proměnné X.
Tedy vypočtenou regresní funkcí.
Regression statistics
Intercept Absolutní člen
Slope regresní koeficient
R Squared koeficient determinance
Root MSE reziduální rozptyl
Exponential Model
0
0,2
0,4
0,6
0,8
1
0 10 20 30 40 50
time
dise
ase
leve
l
original
new parameters
Monomolecular Model
0
0,2
0,4
0,6
0,8
1
0 5 10 15 20 25 30 35 40 45 50
Time
dise
ase
leve
l
Original
NewParameters
Logistic Model
0
0,2
0,4
0,6
0,8
1
0 5 10 15 20 25 30 35 40 45 50
time
dise
ase
leve
l
Original
NewParameters
Three models
0
0,2
0,4
0,6
0,8
1
0 5 10 15 20 25 30 35 40 45 50
time
dise
ase
leve
l
Exponential
Monomolecular
Logistic
0
0,05
0,1
0,15
0,2
0,25
0,3
0 10 20 30 40 50
time
dy/d
t Exponential
Monomolecular
Logistic