Please use this identifier to cite or link to this item: https://rd.uffs.edu.br/handle/prefix/2385
Type: Monografia
Title: Sistema agrometeorológico de previsão para ferrugem asiática da soja
Author: Moraes, Mariana Poll
First advisor: Radons, Sidinei Zwick
metadata.dc.contributor.referee1: Ludwig, Juliane
metadata.dc.contributor.referee2: Sarzi, Janaina Silva
Resume: A ferrugem asiática da soja é sem dúvidas a mais severa epidemiologia que afeta a cultura, causando prejuízos em todas as safras. Diante da dificuldade de formas eficientes de maneja-la e também pela preocupação com o uso exacerbado de agroquímicos, surgem os modelos agrometeorológicos de previsão de doenças. Esses modelos são descritos como meios de explicar e analisar a progressão de uma determinada doença, considerando os fatores meteorológicos, com o fim de evitar casos severos, consequentemente, diminuindo o número de aplicações de agroquímicos, custos e riscos ao ambiente. Diante desta situação, o objetivo deste trabalho foi desenvolver um modelo matemático para previsão da ocorrência de ferrugem asiática na soja, com base em variáveis meteorológicas e a predição de ocorrência ou não da doença. O experimento foi realizado em uma lavoura próxima a Universidade Federal da Fronteira Sul, Campus Cerro Largo. A área estudada não recebeu nenhum tipo de aplicação de fungicidas, e a parir de R1, 10 trifólios de soja foram coletados a cada 7 dias e submetidos a análise da escala diagramática da severidade observada, até a desfolha total das plantas. Esses dados serviram para compor a curva da severidade da ferrugem asiática na área, que aliados aos dados meteorológicos extraídos da estação da Universidade, foram utilizados para estabelecer o modelo. O modelo que melhor descreveu a progressão da epidemia na área foi o linear, mostrando-se interpretável e coerente a literatura existente. A interpretação do modelo, considerou a temperatura como a variável mais importante.
Abstract: Asian soybean rust is undoubtedly the most severe epidemiology that affects the culture, causing losses in all crops. Given the difficulty of efficient ways of dividing it and also by concerns about the overuse of agrochemicals, there are the agro-meteorological forecasting models of disease. These models are described as a means to explain and analyze the progression of a given disease, whereas meteorological factors, in order to avoid severe cases, thus decreasing the number of agrochemical applications, costs and risks to the environment. In this situation, the aim of this study was to develop a mathematical model to predict the occurrence of soybean rust in soybeans, based on meteorological variables and the occurrence of predicting whether or not the disease. The experiment was carried out in a field near the Universidade Federal da Fronteira Sul, campus Cerro Largo. The studied area did not receive any type of fungicide application, and from R1, 10 soybean triphols were collected every 7 days and submitted to analysis of the diagrammatic scale of the observed severity until the total defoliation of the plants. These data served to compose the curve severity of soybean rust in the area, which combined with the extracted data from the meteorological station of the University, they were used to establish the model. The model that best described the progression of the epidemic was linear in the area, being interpretable and consistent with existing literature. The interpretation of the model, the temperature considered as the most important variable.
Keywords: Epidemiologia
Soja
Prevenção de doenças
Pragas de plantas
Language: por
Country: Brasil
Publisher: Universidade Federal da Fronteira Sul
Acronym of the institution: UFFS
College, Institute or Department: Campus Cerro Largo
Type of Access: Acesso Aberto
URI: https://rd.uffs.edu.br/handle/prefix/2385
Issue Date: 26-Nov-2018
Appears in Collections:Agronomia

Files in This Item:
File Description SizeFormat 
MORAES.pdf969.37 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.