Severidade de Phakopsora pachyrhizi em soja estimada por modelos de crescimento não lineares
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
Texto completo:
PDFReferências
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