Prediction of powdery mildew epidemic in spring barley

Abstract

Several expressions of severity of leaf area infected by powdery mildew, Erysihpe graminis f. sp. hordei, were regressed on predictor variables, date of observation, growth stage of plant after Feekes, and the 7 day sums of meteorological data either before the date of observation or preceding 7 day the date of observation in spring barley. Development of epidemic better coincided with the sums of meteorological data preceding the date of observation probably due to greater influence of environmental factors before infection than during latent period of disease. We ascertained significant positive influence of date of observation, growth stage of plants and temperature, and adverse influence of sunshine within the course of epidemic. In general, the development was successfully predicted only for severity expressions with Gompertz transformations providing efficient straightening of the course of epidemic. Predictive regressions based on temperature, sunshine, and the development stage of plant were developed. Regressions differed both in significance and in necessary number of predictors according to description of infected area. Gompertz transformation of proportion of leaf area infected by powdery mildew fluffs and necrosis related to field resistance of host plant, was indicated as the best predictable value. The transformation enabled to specify a simple and highly significant linear model regressing powdery mildew occurrence only on 7 days sum of day degrees preceding 7 days the date of observation. Possibilities of further precisions of prediction equations are discussed. It is suggested that more detail analysis of phenomenons underlying regressed variables and more detailed records of environmental predictors may enhance the significance of predictions.

Verschiedene Kriterien für den Blattflächenbefall durch Getreidemehltau, Erysiphe graminis f. sp. hordei, bei Sommergerste wurden mittels Regressionsanalyse hinsichtlich ihrer Abhängigkeit von bestimmten Kennzahlen — Datum der Beobachtung, Wachstumsstadium der Pflanze nach Feekes und siebentägige Summen bestimmter meteorologischer Elemente — untersucht. Die Epidemieentwicklung korrelierte stärker mit den Wochensummen der meteorologischen Daten im Verlauf der 7 Tage vor dem eigentlichen Beobachtungszeitraum als mit denen der Beobachtungswoche. Das deutet auf einen stärkeren Einfluß der Witterungsfaktoren vor der Infektion als während der Latenzzeit hin. Es zeigte sich dabei ein signifikant positiver Einfluß des Beobachtungsdatums, des Wachstumsstadiums der Pflanze und der Temperaturen sowie ein negativer Einfluß der Sonnenscheindauer im Epidemieverlauf. Generell wurde die Epidemieentwicklung nur für die Befallsstärke nach Gombertz-Transformation erfolgreich vorausgesagt, die den Epidemieverlauf wirkungsvoll beschreibt.

Aufgestellt wurden Vorhersage-Regressionen, die auf Temperatur- und Sonnenscheindaten sowie auf dem Entwicklungszustand der Pflanzen basieren. Die Regressionsberechnungen unterschieden sich sowohl von der Signifikanz als auch von der notwendigen Anzahl an Vorhersagekennzahlen her, die die befallene Blattfläche kennzeichnen. Die Gompertz-Transformation des Anteils der befallenen Blattfläche, die

Mehltaubelag oder Nekrosen aufwies, wurde in Bezug auf die Feldresistenz als die beste Vorhersagekennzahl ermittelt. Die Transformation ermöglichte die Aufstellung eines hochsignifikanten linearen Modells, das das Auftreten des Getreidemehltaus ausschließlich an Hand der Tagestemperatursummen in den 7 Tagen widerspiegelt, die der eigentlichen Beobachtungswoche vorangingen.

Möglichkeiten einer weiteren Präzisierung der Vorhersagegleichungen wurden diskutiert. Es ist anzunehmen, daß eine detaillierte Analyse der Faktoren, die abhängigen Variablen unterliegen, und die genauere Erfassung von Umweltkenndaten die Signifikanz der Vorhersage erhöhen können.