Severidade de Phakopsora pachyrhizi em soja estimada por modelos de crescimento não lineares

Otávio Escobar, Alessandro Dal’Col Lúcio, Danie Martini Sanchotene, Fernando Haesbaert, Sidnei Jose Lopes, Jaqueline Sgarbossa, Sylvio Henrique Bidel Dornelles

Resumo


O estudo teve por objetivo estimar o crescimento da severidade da Ferrugem Asiática da Soja (FAS) a partir de modelos de regressões não lineares em diferentes anos agrícolas, interpretar as estimativas dos parâmetros e calcular os pontos críticos no crescimento da doença. As curvas de crescimento da severidade nas safras 2015/2016, 2016/2017, 2017/2018, 2018/2019 e 2019/2020 foram ajustadas, selecionando o modelo que melhor representava este crescimento. Foram calculados os pontos críticos de crescimento dentro da evolução da doença, que são os pontos de máxima aceleração, inflexão e máxima desaceleração da severidade da doença. O modelo com melhor ajuste foi o modelo logístico parametrizado. Os valores máximos da severidade da doença (parâmetro ), foram observados nas safras 2015/2016 e 2016/2017, atingindo até 80,5% e 79,5% de severidade da doença, respectivamente. O parâmetro , que está relacionado à precocidade do crescimento da doença, mostrou nas safras 2015/16 e 2016/17, devido às condições meteorológicas mais favoráveis, maior a precocidade da doença. O parâmetro  remete à taxa de crescimento da severidade da doença, com maior valor na safra 2019/20. Nas safras 2015/16 e 2016/17, devido às condições climáticas favoráveis, os pontos de máxima aceleração ocorreram mais precocemente no ciclo da cultura. Os pontos de inflexão e de máxima desaceleração foram idênticos para as safras.


Palavras-chave


ferrugem asiática da soja; modelo logístico; modelo Gompertz; pontos críticos

Texto completo:

PDF

Referências


AKAIKE, H. A new look at the statistical model identification. IEEE transactions on automatic control, v.19, p.716-723, 1974. DOI: 10.1109/TAC.1974.1100705.

AKAMATSU, H.; YAMANAKA, N.; YAMAOKA, Y.; SOARES, R.M.; MOREL, W.; IVANCOVICH, A.J.G.; BOGADO, A.N.; KATO, M.; YORINORI, J.T.; SUENAGA, K. Pathogenic diversity of soybean rust in Argentina, Brazil, and Paraguay. Journal of General Plant Pathology, v.79, p.28-40, 2013. DOI: 10.1007/s10327-012-0421-7.

ALLAIRE, J.J. Manipulate: Interactive plots for RStudio. 2014. Available from: < https://CRAN.R-project.org/package=manipulate >. Accessed on: Mar. 17 2019.

ALVARES, C.A.; STAPE, J.L.; SENTELHAS, P.C.; GONÇALVES, J.L.M.; SPAROVEK, G. Köppen’s climate classification map for Brazil. Meteorologische Zeitschrift, v.22, p.711-728, 2013. DOI: 10.1127/0941-2948/2013/0507.

ALVES, S.A.M.; FURTADO, G.Q.; BERGAMIN FILHO, A. Influência das condições climáticas sobre a ferrugem da soja. In: ZAMBOLIM, L. (Ed.). Ferrugem asiática da soja. Viçosa: Suprema Gráfica e Editora, 2006. p.37-59.

AMELIA, R.; MARDIYAH, M.; NAHAR, J.; ANGGRIANI, N.; SUPRIATNA, A.K. Optimal control for the use of botanical fungicides in the spread of plant diseases. Journal of physics: conference series, v.1315, p.012054, 2019. DOI:10.1088/1742-6596/1315/1/012054.

AMORIM, L.; BERGAMIM FILHO, A.; REZENDE, J.A.M. Manual de fitopatologia. 5.ed. Piracicaba: Agrônomica Ceres. Piracicaba, 2018. 573p.

BATES, D.M.; WATTS, D.G. Nonlinear regression analysis and lts applications. United states: John Wiley & Sons, 1988. DOI:10.1002/9780470316757.

BATY, F.; RITZ, C.; CHARLES, S.; BRUTSCHE, M.; FLANDROIS, J.P.; DELIGNETTE-MULLER, M.L. Uma caixa de ferramentas para regressão não linear em R: O pacote nlstools. Journal of Statistical Software, v.66, p.1-21, 2015. DOI: 10.18637/jss.v066.i05.

BREUSCH, T.S.; PAGAN, A.R. A simple test for heteroscedasticity and random coefficient variation. Econometrica, v.47, p.1287-1294, 1979. DOI: 10.2307/1911963.

DE SOUZA, E.M.; MUNIZ, J.A.; MARCHI, G.; GUILHERME, L.R.G. Modelagem não linear da extração de zinco de um solo tratado com lodo de esgoto. Acta Scientiarum. Technology, v.32, p.193-199, 2010. DOI: 10.4025/actascitechnol.v32i2.5505.

DURBIN, J.; WATSON, G.S. Testing for serial correlation in least squares regression: I. Biometrika, v.37, p.409-428, 1950. DOI: 10.2307/2332391.

GODOY, C.V.; KOGA, L.J.; CANTERI, M.G. Diagrammatic scale for assessment of soybean rust severity. Fitopatologia Brasileira, v.31, p.63-68, 2006. DOI: 10.1590/S0100-41582006000100011.

GODOY, C.V.; SEIXAS, C.D.S.; SOARES, R.M.; MARCELINO-GUIMARÃES, F.C.; MEYER, M.C.; COSTAMILAN, L.M. Asian soybean rust in Brazil: past, present, and future. Pesquisa Agropecuária Brasileira, v.51, p.407-421, 2016. DOI: 10.1590/S0100-204X2016000500002.

LANGENBACH, C.; CAMPE, R.; BEYER, S.F.; MUELLER, A.N.; CONRATH, U. Fighting Asian Soybean Rust. Frontiers in Plant Science, v.7, p.797, 2016. DOI: 10.3389/fpls.2016.00797.

LAURINDO, B.S.; LAURINDO, R.D.F.; AZEVEDO, A.M.; NICK, C.; DA SILVA, D.J.H.; MIZUBUTI, E.S.G. Seleção de acessos de tomateiro resistentes à pinta-preta pela análise de agrupamento das curvas de progresso da doença. Pesquisa Agropecuária Brasileira, v.50, p.106-114, 2015. DOI: 10.1590/S0100-204X2015000200002.

MARTINS, M. C.; GUERZONI, R. A.; CÂMARA, G. M. D. S.; MATTIAZZI, P.; LOURENÇO, S. A.; AMORIM, L. Escala diagramática para a quantificação do complexo de doenças foliares de final de ciclo em soja. Fitopatologia Brasileira, v. 29, p. 179-184, 2004.

MISCHAN, M.M.; PINHO, S.Z. Modelos não lineares: funções assintóticas de crescimento. 1.ed. São Paulo: Cultura Acadêmica, 2014. 184p.

OGOSHI, C.; ZANON, A.J.; JUNIOR, D.F.U.; BITTECOURT, C.R.C.; ULGUIM, A.R.; CARLOS, F.S. Progresso temporal da ferrugem asiática em função de épocas de semeadura e de cultivares de soja em terras baixas. Brazilian Journal of Development, v.5, p.17102-17114, 2019. DOI: 10.34117/bjdv5n9-231.

PINHO, S.Z., CARVALHO L.R., MISCHAN, M.M., PASSOS, J.R.S.. Critical points on growth curves in autoregressive and mixed models.Sci. Agric., v. 71, p. 30-37, 2014.

R DEVELOPMENT CORE TEAM. R: a language and environment for statistical computing. Vienna: R Foundation for Statistical Computing, 2020.

RATKOWSKY, D.A. Principles of nonlinear regression modeling. Journal of Industrial Microbiology, v.12, p.195-199, 1993. DOI: 10.1007/BF01584190.

SARI, B.G.; OLIVOTO, T.; DIEL, M.I.; KRYSCZUN, D.K.; LÚCIO, A.D.C.; SAVIAN, T.V. Nonlinear modeling for analyzing data from multiple harvest crops. Agronomy Journal, v.110, p.2331-2342, 2018. DOI: 10.2134/agronj2018.05.0307.

SARI, B.G.; LÚCIO, A.D.C.; SANTANA, C.S.; OLIVOTO, T.; DIEL, M.I.; KRYSCZUN, D.K. Nonlinear growth models: An alternative to ANOVA in tomato trials evaluation. European Journal of Agronomy, v.104, p.21-36, 2019. DOI: 10.1016/j.eja.2018.12.012.

SCHWARZ, G. Estimating the dimension of a model. The annals of statistics, v.6, p.461-464, 1978. Available at: < http://www.jstor.org/stable/2958889>. Acessed on: Out. 10 2022.

SHAPIRO, S.S.; WILK, M.B. An analysis of variance test for normality (complete samples). Biometrika, v.52, p.591-611, 1965. DOI: 10.2307/2333709.

XAVIER, S.A.; MARTINS, D.C.; FANTIN, L.H.; CANTERI, M.G. Older leaf tissues in younger plants are more susceptible to soybean rust. Acta Scientiarum. Agronomy, v.39, p.17-24, 2017. DOI: 10.4025/actasciagron.v39i1.30638.




DOI: http://dx.doi.org/10.31062/agrom.v31.e027185

Apontamentos

  • Não há apontamentos.


Embrapa Trigo

Rodovia BR-285, km 294, Caixa Postal: 3081

CEP 99050-970 Passo Fundo/RS