A disease predictive model based on epidemiological factors for the management of bacterial leaf blight of rice

Abstract Rice is a widely consumed staple food for a large part of the worlds human population. Approximately 90% of the worlds rice is grown in Asian continent and constitutes a staple food for 2.7 billion people worldwide. Bacterial leaf blight (BLB) caused by Xanthomonas oryzae pv. oryzae is one of the devastating diseases of rice. A field experiment was conducted during the year 2016 and 2017 to investigate the influence of different meteorological parameters on BLB development as well as the computation of a predictive model to forecast the disease well ahead of its appearance in the field. The seasonal dataset of disease incidence and environmental factors was used to assess five rice varieties/ cultivars (Basmati-2000, KSK-434, KSK-133, Super Basmati, and IRRI-9). The accumulated effect of two year environmental data; maximum and minimum temperature, relative humidity, wind speed, and rainfall, was studied and correlated with disease incidence. Average temperature (maximum & minimum) showed a negative significant correlation with BLB disease and all other variables; relative humidity, rainfall, and wind speed had a positive correlation with BLB disease development on individual varieties. Stepwise regression analysis was performed to indicate potentially useful predictor variables and to rule out incompetent parameters. Environmental data from the growing seasons of July to October 2016 and 2017 revealed that, with the exception of the lowest temperature, all environmental factors contributed to disease development throughout the cropping season. A disease prediction multiple regression model was developed based on two-year data (Y = 214.3-3.691 Max T-0.508 Min T + 0.767 RH + 2.521 RF + 5.740 WS), which explained 95% variability. This disease prediction model will not only help farmers in early detection and timely management of bacterial leaf blight disease of rice but may also help reduce input costs and improve product quality and quantity. The model will be both farmer and environmentally friendly.

Resumo O arroz é um alimento básico amplamente consumido por grande parte da população humana mundial. Aproximadamente 90% do arroz do mundo é cultivado no continente asiático e constitui um alimento básico para 2,7 bilhões de pessoas em todo o mundo. O crestamento bacteriano das folhas (BLB) causado por Xanthomonas oryzae pv. oryzae é uma das doenças devastadoras do arroz. Um experimento de campo foi realizado durante os anos de 2016 e 2017 para investigar a influência de diferentes parâmetros meteorológicos no desenvolvimento do BLB, bem como o cálculo de um modelo preditivo para prever a doença bem antes de seu aparecimento em campo. O conjunto de dados sazonais de incidência de doenças e fatores ambientais foi usado para avaliar cinco variedades/cultivares de arroz (Basmati-2000, KSK-434, KSK-133, Super Basmati e IRRI-9). O efeito acumulado de dados ambientais de dois anos; temperatura máxima e mínima, umidade relativa do ar, velocidade do vento e precipitação pluviométrica foram estudados e correlacionados com a incidência da doença. A temperatura média (máxima e mínima) apresentou correlação significativa negativa com a doença BLB e todas as outras variáveis; umidade relativa, precipitação e velocidade do vento tiveram uma correlação positiva com o desenvolvimento da doença BLB em variedades individuais. A análise de regressão stepwise foi realizada para indicar variáveis preditoras potencialmente úteis e para descartar parâmetros incompetentes. Os dados ambientais das safras de julho a outubro de 2016 e 2017 revelaram que, com exceção da temperatura mais baixa, todos os fatores ambientais contribuíram para o desenvolvimento da doença ao longo da safra. Um modelo de regressão múltipla de previsão de doença foi desenvolvido com base em dados de dois anos (Y = 214,3-3,691 Max T-0,508 Min T + 0,767 RH + 2,521 RF + 5,740 WS), que explicou 95% de variabilidade. Este modelo de previsão de doenças não só ajudará os agricultores na detecção precoce e gestão atempada da doença bacteriana das folhas do arroz, mas também pode ajudar a reduzir os custos de insumos e melhorar a qualidade e a quantidade do produto. O modelo será agricultor e ambientalmente amigável.

A disease predictive model based on epidemiological factors for the management of bacterial leaf blight of rice / Um modelo preditivo de doenças baseado em fatores epidemiológicos para o manejo da queima bacteriana das folhas do arroz

Rice is a widely consumed staple food for a large part of the world's human population. Approximately 90% of the world's rice is grown in Asian continent and constitutes a staple food for 2.7 billion people worldwide. Bacterial leaf blight (BLB) caused by Xanthomonas oryzae pv. oryzae is one of the devastating diseases of rice. A field experiment was conducted during the year 2016 and 2017 to investigate the influence of different meteorological parameters on BLB development as well as the computation of a predictive model to forecast the disease well ahead of its appearance in the field. The seasonal dataset of disease incidence and environmental factors was used to assess five rice varieties/ cultivars (Basmati-2000, KSK-434, KSK-133, Super Basmati, and IRRI-9). The accumulated effect of two year environmental data; maximum and minimum temperature, relative humidity, wind speed, and rainfall, was studied and correlated with disease incidence. Average temperature (maximum & minimum) showed a negative significant correlation with BLB disease and all other variables; relative humidity, rainfall, and wind speed had a positive correlation with BLB disease development on individual varieties. Stepwise regression analysis was performed to indicate potentially useful predictor variables and to rule out incompetent parameters. Environmental data from the growing seasons of July to October 2016 and 2017 revealed that, with the exception of the lowest temperature, all environmental factors contributed to disease development throughout the cropping season. A disease prediction multiple regression model was developed based on two-year data (Y = 214.3-3.691 Max T-0.508 Min T + 0.767 RH + 2.521 RF + 5.740 WS), which explained 95% variability. This disease prediction model will not only help farmers in early detection and timely management of bacterial leaf blight disease of rice but may also help reduce input costs and improve product quality and quantity. The model will be both farmer and environmentally friendly.

O arroz é um alimento básico amplamente consumido por grande parte da população humana mundial. Aproximadamente 90% do arroz do mundo é cultivado no continente asiático e constitui um alimento básico para 2,7 bilhões de pessoas em todo o mundo. O crestamento bacteriano das folhas (BLB) causado por Xanthomonas oryzae pv. oryzae é uma das doenças devastadoras do arroz. Um experimento de campo foi realizado durante os anos de 2016 e 2017 para investigar a influência de diferentes parâmetros meteorológicos no desenvolvimento do BLB, bem como o cálculo de um modelo preditivo para prever a doença bem antes de seu aparecimento em campo. O conjunto de dados sazonais de incidência de doenças e fatores ambientais foi usado para avaliar cinco variedades/cultivares de arroz (Basmati-2000, KSK-434, KSK-133, Super Basmati e IRRI-9). O efeito acumulado de dados ambientais de dois anos; temperatura máxima e mínima, umidade relativa do ar, velocidade do vento e precipitação pluviométrica foram estudados e correlacionados com a incidência da doença. A temperatura média (máxima e mínima) apresentou correlação significativa negativa com a doença BLB e todas as outras variáveis; umidade relativa, precipitação e velocidade do vento tiveram uma correlação positiva com o desenvolvimento da doença BLB em variedades individuais. A análise de regressão stepwise foi realizada para indicar variáveis preditoras potencialmente úteis e para descartar parâmetros incompetentes. Os dados ambientais das safras de julho a outubro de 2016 e 2017 revelaram que, com exceção da temperatura mais baixa, todos os fatores ambientais contribuíram para o desenvolvimento da doença ao longo da safra. Um modelo de regressão múltipla de previsão de doença foi desenvolvido com base em dados de dois anos (Y = 214,3-3,691 Max T-0,508 Min T + 0,767 RH + 2,521 RF + 5,740 WS), que explicou 95% de variabilidade. Este modelo de previsão de doenças não só ajudará os agricultores na detecção precoce e gestão atempada da doença bacteriana das folhas do arroz, mas também pode ajudar a reduzir os custos de insumos e melhorar a qualidade e a quantidade do produto. O modelo será agricultor e ambientalmente amigável.

Thermal requirements and estimated number of generations of Neopamera bilobata (Say) in strawberry-producing regions of Brazil / Exigências térmicas e estimativa do número de gerações de Neopamera bilobata (Say) em regiões produtoras de morango do Brasil

ABSTRACT: The thermal threshold and thermal requirements of Neopamera bilobata were determined, and the number of generations that this species may produce in the main strawberry-producing regions of Brazil was estimated. In a climate chamber (70±10% RH and 12h photophase) at 16, 19, 22, 25, 28, or 30±1°C, the development of 120 eggs was monitored until the adult stage, at each temperature. Nymphs were maintained in individual cages and fed on strawberry fruits of the cultivar Aromas. The mean duration and viability of the egg and nymph stages were calculated by estimating the lower and upper developmental thresholds and the thermal constant, and this information was used to estimate the number of generations per year in different strawberry-producing regions of Brazil. The egg-to-adult duration decreased as temperatures increased, up to 28°C (93.4, 83.2, 43.9, and 31.4 days at 19, 22, 25, and 28°C, respectively). Viability of nymphs was highest between 22 and 28°C. At 30°C, the egg-to-adult duration increased (36 days), while the viability decreased (11.11%). The lower egg-to-adult developmental threshold was 15.2°C and the thermal constant was 418.4 degree-days. Calculating the number of generations indicated that the largest number (5.1 generations yr-1) was obtained for the municipality of Jaboti, Paraná, and the smallest for Caxias do Sul, Rio Grande do Sul (1.9 generations yr-1). Our findings demonstrated that important strawberry-producing regions in Brazil are suitable for the development of N. bilobata.

RESUMO: A temperatura base e as exigências térmicas de Neopamera bilobata foram determinadas sendo estimado o número de gerações que a espécie realiza nas principais regiões produtoras de morango no Brasil. Em uma câmara climatizada (UR 70±10% e fotofase de 12h) nas temperaturas de 16, 19, 22, 25, 28 ou 30±1°C, o desenvolvimento de 120 ovos por temperatura foi monitorado até a fase adulta. As ninfas foram individualmente mantidas em gaiolas alimentando-as com frutos de morangueiro da cultivar Aromas. A duração média e a viabilidade da fase de ovo e de ninfa foi calculada estimando-se os valores de temperatura base inferior, temperatura base superior, constante térmica e número provável de gerações anuais que o percevejo completa em diferentes regiões produtoras de morangueiro do Brasil. A duração do desenvolvimento ovo-adulto de N. bilobata diminui com a elevação da temperatura até 28°C (93,4; 83,2; 43,9 e 31,4 dias para 19, 22, 25 e 28°C, respectivamente) apresentando maior viabilidade da fase de ninfa entre 22 a 28°C. A 30°C, a duração da fase ovo-adulto aumentou (36 dias), enquanto a viabilidade diminuiu (11,11%). A temperatura base inferior para o desenvolvimento ovo-adulto foi de 15,2°C e a constante térmica de 418,4 graus dia. O maior número de gerações (5,1 gerações/ano) foi obtido para a cidade de Jaboti, PR, e o menor para Caxias do Sul, RS (1,9 gerações/ano). Os valores estimados demonstram que as regiões de importância na produção do morangueiro no Brasil são aptas ao desenvolvimento de N. bilobata.

Estimativa do coeficiente de reaeração da água em canal raso de fundo deslizante / Estimation of reaeration coefficients of water in shallow moving-bed channel

O coeficiente de reaeração, K2, é a variável de maior influência na autodepuração de corpos hídricos; portanto, estimativas confiáveis são de suma importância. As previsões de K2, por meio de equações, em condições de escoamento raso são, geralmente, superestimadas. Por isso, neste trabalho, os objetivos foram estudar a reoxigenação da água limpa em canal hidráulico de fundo deslizante, com pequenas profundidades de água e diferentes velocidades de escoamento, inferir sobre as principais variáveis hidrodinâmicas intervenientes no processo e, com base nelas, propor equação de estimativa de K2. Com a concentração de oxigênio na água ao longo do tempo, estimou-se K2. Inferiu-se, dos resultados, que as variáveis velocidade média (V) e velocidade de corte (u*), profundidade (H), números de Froude (Fr) e de Reynolds (R), declividade (S) e fator de forma (ff) afetaram K2, e a melhor equação foi a que incluiu as três últimas variáveis.

The reaeration coefficient, K2, is the most influential variable in the self-purification of water bodies, thus reliable estimates are of great importance. The predictions of K2 by means of equations in shallow depths are usually overestimated. Therefore, in this study, the objectives were to study the reoxygenation of clean water moving-bed channel with shallow water depths and different flow velocities; identify the main hydrodynamic variables involved in the process and, based on them, propose equation(s) for estimation of K2. Oxygen concentration in the water over time, was used to estimated K2. From the results it was inferred that average velocity (V) and shear velocity (u*), depth (H), Froude number (Fr) and Reynolds number (R), slope (S), channel shape factor (ff), influenced K2 and the best predictive equation was the one which included the last three variables.