Monitoring a management v ochraně rostlin ( patogeni a škůdci)

1. Monitoring a management v ochraně rostlin (patogenia škůdci) Literatura pro studium: Přednášky, web, vybrané kapitoly z odborné a vědecké literatury. Zápočet: Projekt a jeho prezentace, splnění zadaných úkolů ZK: písemná a případné ústní dozkoušení Patogeni Škůdci Prof. Doc. RNDr. Ing. František Kocourek CSc.  Ing. Miloslav Zouhar Ph.D. http://af.czu.cz/~zouhar/monitoring Kontakt: zouharmiloslav@seznam.cz, kocourek@vurv.cz, jako předmět prosím uvádějte monitoring 2013

2. Zašlete mi prosím krátkou anotaci své diplomové práce za účelem přípravy projektových dokumentací a témat pro zpracování. Bartáková Pavla Bartíková Marie Bazanova Maria Cinek Petr Hrušková Zuzana Joachimsthalerová Martina Kolesová Petra Konvalinová Monika Kudelová Eva Marenčáková Michaela Marková Martina Nikodýmová Marie Růžičková Pavla Šrámková Anna Šuk Jaroslav Švorc Michael Vandělíková Tereza Venclová Markéta Zusková Eva V prezentaci jsou použity některé obrázky a texty volně dostupné na internetu.

3. Předměty tvořící informační základnu pro monitoring a management v ochraně rostlin a jsou neodmyslitelnou součástí studia problematiky prognózy a signalizace mikrobiologie herbologie obecná a speciální fytopatologie botanika obecná a speciální entomologie (včetně nematologie, akarologie + obratlovci) biochemie genetika metody ochrany rostlin biometrika diagnostika v ochraně rostlin předpisy v ochraně rostlin meteorologie molekulární biologie mikroskopie mechanizace v ochraně rostlin fytofarmacie (fytosanitární) kybernetika ekologie

4. Obecná a speciální fytopatologie nauka o příčinách a původcích chorob rostlin Příčiny rostlinných chorob abiotické abionózy škodlivé změny způsobené na rostlinách nepříznivými fyzikálními a chemickými faktory Je známo několik desítek tisíc rostlinných chorob, udává se, že jeden rostlinný druh může být napadán cca 90 patogenními organismy včetně virů. Jen některé z nich jsou hospodářsky významné. biotické bionózy

5. Základní cíle monitoringu a managementu v ochraně rostlin • Zajištění konkurenceschopnosti agrárního sektoru v trvale udržitelném rozvoji. • Udržení vlivu škodlivých organismů pod prahem ekonomické škodlivosti. • Integrace ochranných zásahů proti škodlivým organismům za účelem zefektivnění procesu boje se škodlivými činiteli (otázka termínu a vybrané metody je v tomto případě klíčová). • Získání nových, případně empirických dat o biologii a bionomii škodlivých organismů a jejich aplikace v procesu ochrany rostlin i biologické vlastnosti organismů se mění v čase a prostoru (virulence populací se vyvíjí). • Studium vztahu hostitel patogen v prostoru a čase s cílem odhalení korelací využitelných při signalizaci výskytu škodlivého organismu na úrovni nepřímého monitoringu.

6. Proces vedoucí k cílenému zásahu proti škodlivému organismu. Škodlivý organizmus Prostředí Získání a zpracování dat a tvorba matematického modelu Prognoza- signalizace Ochranný zásah

7. Vývoj poikilotermních organismů (bez aktivního regulačního systému vnitřní teploty) je určován podmínkami vnějšího prostředí. Zejména průběh vnější teploty ovlivňuje průběh metabolických procesů v organismu změnami dynamiky enzymatických reakcí. Rychlost enzymatických reakcí vzrůstá od určité, pro každý druh organismu specifické, prahové hodnoty teploty. Pod touto hodnotou probíhá pouze bazální metabolismus organismu. Znalost těchto procesů vázaných na konkrétní organismus a jejich dlouhodobé sledování za účelem získání sady empirických dat je nedílnou součástí procesu přípravy modelů vývoje. Získaná data podrobená, často náročné a složité, korelační analýza jsou základem pro vypracování předpovědních modelů vývoje, které značnou měrou usnadní ochranný zásah proti škodlivému činiteli.

8. Terminologie je neoddělitelnou součástí každého oboru Pro kvantitativní vyjádření celkového tepelného množství využitelného pro vývoj organismu byl použit termín suma efektivních teplot (SET). Starší a jednodušší typy teplotních modelů byly charakterizované pomocí jednodušeji měřitelných jednotek - tzv. denních stupňů (DS), které vývoj organismu v určitém dni vztahují pouze k jedné denní teplotní hodnotě, ale i přesto jsou v celé řadě ověřených případů spolehlivě používány. V současné době lze s využitím, dnes již dostupné, techniky získat i přesnější údaje, například hodinové stupně (HS). Tyto modely vztahují vývoj organismu k hodinovým příp. kratším teplotním hodnotám. V mnoha případech nejsou dostupné české ekvivalenty anglických termínů, uváděných ve vědecké literatuře, je tedy vhodné držet se původních termínů a nesnažit se vytvářet vlastní transkripce či translace . Illustrated Glossary of Plant Pathology Authors: C.J. D'Arcy, D.M. Eastburn, and G. L. Schumann(with acknowledgement of contributions from M.C. Shurtleff, P.A. Arneson, F.H. Tainter, and T.A. Evans)   http://www.plantpath.cornell.edu/glossary/ http://sanjuan.wsu.edu/mastergardeners/documents/TermsandDefinitions_001.pdf

9. SPODNÍ PRÁH VÝVOJE (SPV) = teplota (charakteristická pro každý biologický druh) stanovená experimentálně, při níž začínají významně probíhat metabolické pochody a vývoj druhu (vždy ≥ 0°C) (Base temperature, developmentaltresholdlower).

10. HORNÍ PRÁH VÝVOJE (HPV) = teplota (charakteristická pro každý biologický druh) stanovená experimentálně, při níž dochází ke snižování metabolických pochodů na minimum a ustává vývoj druhu (Developmentaltresholdupper).

11. EFEKTIVNÍ TEPLOTA (ET) = hodnota rozdílu mezi dosaženou teplotou a prahovou teplotou pro vývoj druhu (spodním a případně horním prahem vývoje, je-li znám) (Growingdegreeday x hour) HODINOVÉ STUPNĚ (HS) = jednotka efektivní teploty vyjádřenájako hodnota rozdílu aktuální teploty v určitou hodinu a prahové teploty (spodního a případně horního prahu vývoje) (degreehour, oH)

12. DENNÍ STUPNĚ (DS) = jednotka efektivní teploty vyjádřená jako hodnota rozdílu průměrné denní teploty a prahové teploty (spodního a případně horního prahu vývoje) (degreeday, oD). SUMA EFEKTIVNÍCH TEPLOT (SET spv) = celková hodnota získaná součtem jednotlivých hodnot efektivní teploty od určitého termínu, vyjadřuje se v hodinových či v denních stupních (SET (DS) x SET (HS)) hodnota charakteristická pro vývoj každého druhu, na které je založena prognóza vývoje nebo indikace ochrany(Accumulatedgrowingdegreedays x hours). POČÁTEK NAČÍTÁNÍ TEPLOTNÍCH HODNOT (POČÁTEK (OD) = termín, charakteristický pro každý organismus (Start, BIOFIX -biologické datum).

13. Degreeday(ekvivalent SET v denních stupních DS) Degreehours(ekvivalent SET v hodinových stupních HS) (případně pod označením Accumulateddegreeday, growingdegreeday a zkratkami DD a DH atd.) Hodnoty SET v uvedených článcích však většinou bývají vyjádřeny ve stupních Fahrenheita (F) F° – 32 * 5 / 9 = C°

15. MONITORING úřední průběžný proces k ověřování rostlinolékářské (fytosanitární) situace. úřední postup, v němž se ve stanoveném období určují charakteristiky populace škodlivého organismu nebo se určuje výskyt druhů škodlivých organismů v daném území Průzkum Průzkum detekční průzkum prováděný k určení hranic uzemí, které je považováno za zamořené škodlivým organismem nebo za prosté škodlivého organismu Průzkum vymezovací průzkum zaměřený na zjištění výskytu škodlivých organismů na určitém území Průzkům monitorovací průběžný průzkum k ověření charakteristiky populace škodlivého organismu

16. Související charakteristiky s tématem průzkum Nezávislá na pozorovateli Nezávislá na pozorovateli Průzkum Průzkum Diagnostika škodlivého činitele Jaká by měla být? Diagnostika škodlivého činitele Jaká by měla být? Založena na několika metodách Přesná a pečlivá Opakovatelnost a proveditelnost

17. Kvantifikace patogena vychází z jeho biologických vlastností. V každé vývojové fázi, může docházet ke tvorbě klidových stádií, která jsou zdrojem infekčních agens pro další vegetační periodu. Se zřetelem na uvedené, je kvantifikace nesnadnou úlohou pro každého fytopatologa. Množství Patogena vnášeného jako iniciální inokulum či jeho latentní formy Množství napadených rostlin na ploše Množství napadených listů na rostlině Množství choroby na listu

18. Metody zjišťování přítomnosti a množství patogena Přístrojové měření přítomnosti Patogena v porostu (Burghardův sběrač konidií) Skenování v polních či laboratorních podmínkách nebo různě modifikované pasti letecké snímkování v různých spekterech Přímé měření na pozemku, vyžadující speciální technické vybavení, často finančně nákladné. Aplikovatelné zejména pro listové skvrnitosti. Sběr rostlinného materiálu a měření v laboratorních podmínkách, vhodné jen pro malé počty vzorků a choroby jejichž příznaky v podobě skvrn se nevyvíjejí příliš rychle. Stanovení přítomnosti patogena pomocí jiných metod diagnostiky než symptomatické respektive v době, kdy příznaky nejsou patrné, je nutné využít metod sledujících přítomnost patogena ještě před zahájením procesu patogeneze či v jeho ranných fázích. Nabízejí se metody průzkumu lokalit pro pěstování rostlin a dále pak prověření zdravotního stavu osiva a sadby, a v neposlední řadě i metody imunochemické, biochemické a molekulárně biologické.

20. Odhad množství a intenzity škodlivého činitele v porostu ? Erudovaný, nacvičený odhad Odhady pomocí skutečných markerů Odhady pomocí PC modelů

21. Pojem Intenzita choroby: vyjadřuje množství choroby v porostu (Mutteretal. 1991). Tento pojem je spojen s množstvím choroby (angl. severity) a incidencí. Pojem incidence choroby: vyjadřuje počet jedinců (rostlin) ve vzorku s příznaky choroby. Towsend-Heubergerův vzorec: intenzita choroby P = průměrná intenzita napadení n = počet rostlin v jednotlivých stupních napadení v = hodnota příslušného stupně napadení x = počet stupňů napadení N = celkový počet hodnocených rostlin ve vzorku P =  (nv) . 100 xN

22. Výskyt choroby je nutné podrobit statistickému hodnocení, aby zjištěné hodnoty měly prokazatelnou váhu či byly jinak prospěšné např. ve spojení s metodou ochrany proti příslušné chorobě, stejně tak pokud chceme hodnotit rezistenci ve šlechtění na odolnost či účinnost přípravků na ochranu rostlin v pěstitelské praxi, při zavádění fytosanitárního opatření a biologické ochrany.

23. Odhadypomocí PC modelů Pro nacvičení odhadu pokryvnosti listoví lze využít jednoduchých počítačových modelů, například Diseasesnebopagrevo.

27. Agrevo

29. Nedílnou součástí monitoringu v ohraně rostlin je druhá složka monitoringu a tou je v našem případě PROSTŘEDÍ Informace ČHMÚ http://www.chmu.cz Informace přímo z porostu (elektronická čidla) Informace získané v daném místě pomocí mini meteorologických buněk např.: http://meteostanice.agrobiologie.cz/

30. Experimentální fáze Experimentálnífáze Funkční model Získanéinformace Experimentální fáze obsahuje polní víceleté pokusy opakované na různých lokalitách tak, aby se získaly vztahy mezi intenzitou výskytu choroby, výnosovou ztrátou a pochopitelně i vnějšími a vnitřními faktory prostředí. Zpracování informací Regresní analýza Regresní model Schéma přípravy funkčního matematického modelu vývoje škodlivého organismu.

31. Teorie regresní a korelační analýzy • Regresní a korelační analýza dává odpověď na několik základních otázek: • Existuje mezi veličinami X a Y nějaká závislost? • Pakliže ano jaký má tvar (regrese)? • Pakliže ano jak je tato závislost silná? (korelace)

32. Hodnocení závislostí mezi kvantitativními znaky, jedná se o výběr vhodné funkce, která je vhodná pro naměřené hodnoty výběrového souboru. Ve statistice se jedná zejména o Lineární Regresi ve tvaru: Y=A+BX A = Absolutní člen B = regresní koeficient (o kolik se zvýší hodonota závisle proměnné Y pokud se hodnota nezávisle proměnné X změní o jednotku. Regresní analýza Y=A+BX I vyjadřuje těsnost závislosti proměnné a závislé Koeficient korelace I Koeficient determinanceI2 I2 jeho stonásobek udává, z kolika procent jsou změny hodnoty závisle proměnné Y vysvětleny hodnotami nezávisle proměnné X. Tedy vypočtenou regresní funkcí.

33. Výběr vhodných matematických modelů na základě korelačních charakteristik

34. Epimodel Regressionstatistics InterceptAbsolutní člen Sloperegresní koeficient R Squaredkoeficient determinance Root MSE reziduální rozptyl