| تعداد نشریات | 286 |
| تعداد نشریات سازمان | 84 |
| تعداد شماره‌ها | 2,873 |
| تعداد مقالات | 32,555 |
| تعداد مشاهده مقاله | 42,418,812 |
| تعداد دریافت فایل اصل مقاله | 19,194,405 |
پیش‌آگاهی بیماری سفیدک داخلی توتون بر اساس اطلاعات سی سال گذشته در شمال ایران | ||
| آفات و بیماری های گیاهی | ||
| مقاله 3، دوره 90، شماره 1 - شماره پیاپی 114، شهریور 1401، صفحه 27-39 اصل مقاله (825.04 K) | ||
| نوع مقاله: بیماری‌شناسی گیاهی | ||
| شناسه دیجیتال (DOI): 10.22092/jaep.2021.356205.1417 | ||
| نویسندگان | ||
| محمدرضا نجفی تیرتاشی1؛ محمدعلی آقاجانی* 2؛ ناصر صفایی3؛ سیامک رحمان‌پور4 | ||
| 1گروه گیاه پزشکی، دانشکده علوم کشاورزی و صنایع غذایی، واحد علوم و تحقیقات تهران، دانشگاه آزاد اسلامی، تهران، ایران | ||
| 2بخش تحقیقات گیاه پزشکی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان گلستان، سازمان تحقیقات،آموزش و ترویج کشاورزی، گرگان، ایران | ||
| 3دانشیار گروه بیماری شناسی گیاهی، دانشگاه تربیت مدرس، تهران، ایران | ||
| 4استادیار پژوهش بخش تحقیقات دانه‌های روغنی، موسسه تحقیقات نهال و بذر، کرج، ایران | ||
| چکیده | ||
| سفیدک داخلی ناشی از Peronospora tabacina، مهم‌ترین بیماری توتون در دنیا و ایران است که در سال 1341 وارد ایران شد. مناطق شمالی کشور بیشترین سطح زیر کشت توتون را داشته و بیش از 70 تا 80 درصد توتون از این مناطق به دست می‌آید. در تعداد 18 سال از 30 سال گذشته، بیماری با شدت‌های مختلف در منطقه تیرتاش ظاهر شده است. این تحقیق با هدف بررسی ارتباط وقوع بیماری با متغیرهای آب‌وهوایی انجام شد. برای این منظور، وقوع بیماری طی سی سال منتهی به سال 1393 به صورت شدت بیماری یادداشت برداری (EP3) و به صورت دو متغیر رتبه‌ای بیانگر رخداد و عدم رخداد بیماری (EP1) و رتبه‌ی شدت (EP2) تبدیل گردید. دوره‌ی رشد توتون به‌عنوان مبنای مدل‌سازی در نظر گرفته شد و چهار پنجره‌ی زمانی در این بازه زمانی تعریف شد و متغیرهای پیشگو از میان 21 متغیر آب‌وهوایی تعیین شدند. همبستگی متغیرها با بیماری نشان داد که بهترین پنجره‌ی زمانی برای پیش‌آگاهی بیماری، تمام طول فروردین ماه (W04) بود و متغیرهای میانگین دمای متوسط (ATA)، مجموع بارش (SP) و میانگین سرعت باد (AWS) دارای بالاترین همبستگی با متغیرهای وابسته بودند. بالاترین کارایی مدل‌های ساخته شده بر اساس متغیرهای EP1، EP2 و EP3 به ترتیب برابر با 80.7، 64.5 و 33.8 درصد بود. بهترین ترکیب دوتایی از متغیرهای پیشگو، با استفاده از متغیرهای میانگین دمای متوسط و مجموع بارش به دست آمد. | ||
| کلیدواژه‌ها | ||
| پیش‌آگاهی؛ توتون؛ سفیدک داخلی؛ مدل‌سازی؛ Peronospora tabacina | ||
| عنوان مقاله [English] | ||
| Forecasting of tobacco downy mildew based on information of the last 30 years in north of Iran | ||
| نویسندگان [English] | ||
| Mohammad Reza Najafi1؛ Mohammad Ali Aghajani2؛ Nasser Safaei3؛ Siamak Rahmanpour4 | ||
| 1Department of Plant Protection, College of Agriculture Sciences and Food Industriesو Science and Research Branch, Islamic Azad university, Tehran, Iran | ||
| 2Plant Protection Research Department, Golestan Agricultural and Natural Resources Research Center, AREEO, Gorgan, Iran | ||
| 3Associate Professor, Department of Plant Pathology, Tarbiat Modares University, Tehran, Iran | ||
| 4Assistant Professor of Oil Seeds Research Department, Seed and Plant Research Institute, Karaj, Iran | ||
| چکیده [English] | ||
| Downy mildew, caused by Peronospora tabacina, is the most important disease of tobacco in the world which came to Iran in 1963. The northern part of Iran has the highest levels of tobacco cultivation and more than 70 to 80% of the extracted tobacco is obtained from these areas. During the last 30 years, the disease has appeared in 18 years with varying severity in Tirtash region. This research was conducted with the aim of examining the relationship between the amount of disease and climate variables. For this purpose, the amount of disease was recorded as severity percent (EP3) and converted to outbreak occurrence (EP1) and severity levels (EP2) during the 30 years (1984-2014). The growth period of tobacco was considered as a model base and four time windows were defined in this time period and predictor variables were determined among 21 meteorological variables. Correlation of the variables with the disease indicate that the best time window for disease warning was complete length of Farvardin (March 20 to April 20) and average of mean temperature (ATA), total precipitation (SP) and average of wind speed (AWS) had the highest correlation with dependent variables. The highest efficiency of prediction of developed models were 80.7%, 64.5% and 33.8% based on EP1, EP2 and EP3, respectively. The best combination of two predictor variables for disease prediction was obtained by ATA and SP. | ||
| کلیدواژه‌ها [English] | ||
| Forecasting, downy mildew, modeling, Peronospora tabacina, tobacco | ||
| مراجع | ||
|
AGHAJANI, M. A. 2015. Study of efficacy of Hyre and Wallin models for predicting potato late blight in Gorgan. Research in Plant Pathology 3:1-17. AGRIOS, G. N. 2005. Plant Pathology. Elsevier Academic Press. USA, New York. ANONYMOUS, 2018. ITC research year book. Iranian tobcco compny Press, Tirtash research and education center. AYLOR, D. E., and Taylor, G. S. 1983. Escape of Peronospora tabacina spores from a field of diseased tobacco plants. Phytopathology 73:525-529. CAMPBELL, C. L., and L. V. MADDEN, 1990. Introduction to Plant Disease Epidemiology. John Wiley & Sons. USA, New York. DAVIS, J. M., and C. E. MAIN, 1989. The aerobiology of the sporangiospore of Peronospora tabacina. Pages 264-267 in: Proceedings 18th Conference Agr. and Forestry Meteorology, American Meteorological Society, March 7-10, 1989. Charleston, S.C. DAVIS, J. M., and J. F. MONAHAN, 1991. Climatology of air parcel trajectories related to the atmospheric transport of Peronospora tabacina. Plant Disease 75:706-711. DAVIS, J. M., MAIN, C., E. and W. C. NESMITH, 1985. The biometeorology of blue mold of tobacco. Part II: The evidence for long-range sporangiospore transport. PP. 473-498 in: D. R. McKenzie, et al., eds. Movement and Dispersal of Agriculturally Important Biotic Agents. Claitor's Publishing Co., Baton Rouge, LA. VARSHAVIAN, V., GHAHRAMAN, N., JAVAN-NIKKHAH, M., LIAGHAT, A. and B. Farhadi, 2014. Modeling and prognosis of potato early blight disease using meteorological variables affecting the spore population. Journal of Agricultural Meteorology, Vol 2, No. 2, p. 16-23. LAHOSE, E. and F. Porrone, 2002. Collaborative experiment for tobacco blue mold pathogenicity. Results 1995 – 2002. ISARD, S. A., and S. H. GAGE, 2001. A decision support system for managing the blue mold disease of tobacco: A case study. PP. 143-162 in: Flow of Life in the Atmosphere: An Airscape Approach to Understanding Invasive Organisms. Michigan State University Press, East Lansing, MI. LUCAS, G. B. 1975. Diseases of tobacco, 3rd ed. Harold E. Parker & Sons, Fuquay-Varina, NC LUCAS, G. B. 1980. The war against blue mold. Science, 210: 147-153. MAIN, C. E., and J. M. DAVIS, 1989. Epidemiolgy and biometeorology of tobacco blue mold. PP. 201-215 in: Blue Mold of Tobacco. W. E. McKean, ed. American Phyto. Society, St. Paul, MN. MAIN, C. E., and Z. T. KEEVER, 1999. Forecasting transport of spores and transport of tobacco blue mold. June 24, 1999. Published on-line at: http://www.ces.ncsu.edu/depts/pp/bluemold. MAIN, C. E., and H. W. SPURR, 1990. Blue Mold disease of tobacco. Proc. Internatl. Symposium on Blue Mold of Tobacco, Raleigh, NC, February 14-17, 1988. Delmar Publishing Co., Charlotte, NC. MAIN, C. E., J. M. DAVIS and M. A. Moss, 1985. The biometeorology of blue mold of tobacco. Part I: A case study in the epidemiology of the disease. PP. 453-471 in: Movement and Dispersal of Agriculturally Important Biotic Agents. D. R. McKenzie, et al. Claitor's Pub. Co., Baton Rouge, LA. MOSS, M. A., and C. E. MAIN, 1988. The effect of temperature on sporulation and viability of isolates of Peronospora tabacina collected in the United States. Phytopathology 78:110-114 NAJAFI, M. R, and S. A. Sajjadi, 2010. Study the reaction of tobacco varieties against tobacco blue mold. Annual report of Tirtash educated and research center, Iran.PP.155-159. YAO, J. M., DAVIS, and C. E. MAIN, 1997. Anumerical model of the transport and diffusion of Peronospora tabacina spores in the evolving atmospheric boundary layer. Atmospheric Environment 31:1709-1714. | ||
|
آمار تعداد مشاهده مقاله: 734 تعداد دریافت فایل اصل مقاله: 379 |
||