Modelagem do progresso temporal e do padrão espacial de lesões de ferrugem da folha em trigo

Abstract

RESUMOA ferrugem da folha de trigo, causada por Puccinia triticina é uma doença de importância econômica na cultura do trigo (Triticum aestivum). Os sintomas são mais evidentes na superfície superior da folha, mas também podem ocorrer na bainha. Neste trabalho, determinou-se a taxa de progresso e a distribuição das lesões para a construção de modelos de simulação. Amostras de folhas com sintomas da doença foram coletadas em lavouras comerciais de trigo em Tamandaré do Sul, RS, em 2006 e 2007. Uma imagem digital foi obtida de cada amostra. Um software, foi usado para auxiliar na contagem e localização das lesões diretamente da imagem de cada uma das folhas amostradas. O conjunto de dados representando o progresso da epidemia foi ajustado ao modelo logístico com três parâmetros. Pela análise descritiva, as lesões de ferrugem da folha seguem um padrão aleatório no início da epidemia e passam a agregado à medida que a epidemia avança no tempo. Foi possível com o modelo log-polinomial cúbico delimitar a região da folha onde seria mais provável de formação de futuras lesões. A continuidade na exploração destas técnicas de estatística poderá contribuir na modelagem das relações patógeno-hospedeiro. Além disso, o modelo poderá ser usado útil para gerar escalas diagramáticas com gradientes de severidade. Palavras-chave: Triticum, Puccinia, padrão de distribuição, taxa de progresso, modelos. ABSTRACT Using lesion density to characterize wheat leaf rust epidemicsWheat leaf rust caused by Puccina triticina is an important disease affecting wheat (Triticum aestivum) worldwide. Disease symptoms are normally shown on the upper leaf surface, but they can be observed in the leaf sheaths. In this work, epidemic rate and lesion distribution were characterized for the development of a simulation model. Diseased leaves were collected at regular intervals during the 2006 and 2007 seasons, in Tamandaré do Sul, RS. Two commercial wheat fields were used for sampling. A digital image was obtained for each sampled leaf. Software was used to assist counting and determining the exact location of leaf rust lesions. The quantification of the number of lesions was made on individual leaves. The data set representing the epidemic progress was adjusted to a logistic model with three parameters. A descriptive analysis indicated that the position of leaf rust lesions followed a random pattern at the beginning of the epidemic, shifting to an aggregate pattern as the epidemic advanced in time. The cubic log-polynomial model successfully predicted portions of leaf area more likely to bear lesions. Further exploration of these techniques could help the statistical modeling of hostpathogen relationships. Moreover, the model can be used to generate a useful diagrammatic scale with gradients of severity.

Controle da ferrugem da folha do trigo (Puccinia triticina) em diferentes momentos de aplicação de fungicida

“…A diferenciação substancial do percentual de severidade da ferrugem da folha entre os tratamentos aconteceu em torno de 15 dias após a aplicação de fungicida no tratamento mais preventivo (0 dias após os sintomas -DAS). Possivelmente havia novas infecções incubadas sem manifestação de sintomas até então, iniciando-se a partir desta data um padrão agregado das lesões devido às autoinfecções (Pires et al, 2009). Este fato é presumido, pois os fungicidas sistêmicos influenciam tanto na proteção do tecido vegetal a novas infecções quanto também na redução da produção de esporos em pústulas já instaladas nas plantas (Buck et al, 2011).…”

Measuring lesion attributes and analysing their spatial patterns at the leaf scale using digital image analysis

“…Pires et al . () also found a shift from random to aggregation of rust pustules on wheat leaves, suggestive of an autoinfection process for an air‐dispersed inoculum; this had been demonstrated experimentally through identification of mother and daughter lesions on the same leaf (Lannou et al ., ). Peach rust lesions counted visually at four zones of the fruit showed a greater number of lesions around the peduncle region, indicative of aggregation at the fruit level (Bock et al ., ).…”

“…To the best of the authors’ knowledge, the automatic capability in Assess has never been used in plant pathology studies involving spatial analysis. In the only spatial analysis of plant disease lesions at the leaf scale using digital image analysis, custom‐developed Java software was developed for mapping the relative position of each leaf rust pustule, but the process was entirely manual (point‐and‐click) for each lesion and limited to a rectangular section (200 × 50 mm), rather than the entire leaf (Pires et al ., ). In another investigation by Stewart & McDonald (), a batch‐processing macro was developed in Image J software to quantify percentage of leaf area covered by lesions as well as pycnidia size and number in the Zymoseptoria tritici– wheat pathosystem, but the spatial aspects were not quantified.…”

“…The disease spreads during the season via dispersal of airborne conidia from sources that are not well understood (Barnwal et al ., ). The importance of lesions as sources of inoculum can be demonstrated directly (Lannou et al ., ) or can be inferred from spatial analysis (Pires et al ., ). However, quantitative information on the spatial aspects at any hierarchical level and information on the temporal progress of the disease is lacking (Pannu & Chahal, ; Schwanck et al ., ).…”

Reconhecimento de Padrões em Tecnologia Portável – Um Estudo de Caso

“…Com o uso de PDI é possível tratar as imagens adquiridas, de modo a aprimorálas para a interpretação humana e também preparalas para a análise automática por computador, ou seja, classificação do reconhecimento de padrões em si [3]. Na agricultura, o processamento digital está presente, entre outros, por exemplo, no mapeamento de áreas plantadas [10] e no reconhecimento de patologias em culturas [4].…”