Progresso da cercosporiose da beterraba sob diferentes regimes de pulverização

Autor: Leandro Luiz Marcuzzo, Sheila Chaiana Harbs, Bruna Kotkoski, Aline Cristina Paulakoski
Jazyk: English<br />Spanish; Castilian<br />Portuguese
Rok vydání: 2020
Předmět:
Zdroj: Revista de Ciências Agroveterinárias, Vol 19, Iss 2 (2020)
Druh dokumentu: article
ISSN: 22381171
1676-9732
2238-1171
DOI: 10.5965/223811711922020197
Popis: A cercosporiose da beterraba, causada por Cercospora beticola Sacc. é controlada por meio de pulverizações foliares com fungicidas seguindo um calendário fixo, sem considerar o progresso da doença. Um sistema de previsão pode predizer o progresso da doença e direcionar o regime de pulverizações, reduzindo o número de aplicações e otimizando o manejo da doença. Com o objetivo de avaliar o progresso da cercosporiose sob os diferentes regimes de pulverização foi aplicada a técnica de modelagem estatística conhecida por modelos mistos. Estes modelos não incluem apenas os efeitos fixos, mas também os efeitos aleatórios para cada um dos indivíduos da população em estudo. Nas safras agrícolas de 2018 e 2019, os regimes de pulverização utilizados foram baseados em sistemas com valores de severidade estimada (SE) acumulada de 0,15; 0,25, e 0,35, além dos controles padrões com intervalos de pulverizações de cinco e sete dias. A severidade acumulada da cercosporiose em função do tempo, nos cinco regimes de pulverização, foi calibrada com um modelo Gompertz ajustado pelo modelo misto e o efeito aleatório ajustado à assíntota superior. Como resultado da calibração do modelo, o tratamento com regime de pulverização com SE=0,35 não diferiu dos controles padrões com relação à área abaixo da curva de progresso da doença (AACPD), severidade final e produtividade. Os dados apresentados nesse trabalho demonstram a eficiência do sistema de previsão no manejo da cercosporiose em beterraba, com a vantagem de reduzir o número de pulverizações com fungicidas e o impacto sobre o ambiente.
Databáze: Directory of Open Access Journals