ارزيابي كمي و تعيين رابطه‌ي بين وقوع و شدت بيماري پوسيدگي اسكلروتينيايي ساقه كلزا در استان مازندران

Quantitative assessment and determination the relationship between incidence and severity of rapeseed Sclerotinia stem rot disease in Mazandaran province

پوسيدگي اسكلروتينيايي ساقه از بيماري‌هاي مهم كلزا در دنيا و ايران مي‌باشد. با هدف اندازه‌گيري وقوع و شدت بيماري و تعيين رابطه‌ي بين آن‌ها، 240 مزرعه‌ي كلزا طي سالهاي 1390،1389، 1394 و 1395 در استان مازندران بررسي شد و در بازديدهاي هفتگي ميزان بيماري در آن‌ها يادداشت شد. از لحاظ وقوع و شدت نهايي بيماري، بين مناطق و سال‌هاي تحقيق اختلاف معني‌دار (P<0.01) وجود داشت. بيشترين مقدار وقوع و شدت (34/02 و 23/70 درصد) در سال 1395 و كمترين آن‌ها (12/85 و 6/32 درصد) در سال 1394 بود. بين مناطق نيز گلوگاه و ساري به‌ترتيب بيشترين و كمترين آلودگي به بيماري را داشتند. جهت تعيين رابطه‌ي بين دو كميّت فوق، داده‌هاي مربوطه، از طريق تجزيه رگرسيون خطي با مدل‌هاي مختلف رياضي برازش شد. براساس آماره‌هايي مانند ضريب تبيين (R2) و خطاي استاندارد برآوردها، مدل‌هاي خطي، آلومتري و ريشه مربع، برازش خوبي با داده‌ها نشان دادند. مدل خطي با توجه به ساده‌تر بودن و داشتن پيچيدگي محاسباتي كمتر، به عنوان مدل نهايي انتخاب شد. از لحاظ شيب معادله‌ي مدل خطي، بين چهار سال تحقيق اختلاف معني‌دار (P<0.01) مشاهده شد. معادله‌ي اين مدل براي سال‌هاي 1389 و 1395 به‌صورت S=0.72(I)-0.99 و براي سال‌هاي 1390 و 1394 به‌صورت S=0.55(I)-0.61 بود. شرايط آب و هوايي تأثير معني‌داري روي مقدار آلودگي به‌بيماري در سال‌هاي مختلف داشت.

Sclerotinia stem rot is a rapeseed important disease in the world and Iran. For measuring disease incidence and severity and determination relationship between them, 240 rapeseed fields were investigated in Mazandaran province during years 2010, 2011, 2015 and 2016, and their disease amounts recorded in weekly surveys. Based on final incidence and severity, there were significant differences (P<0.01) between regions and years. The highest incidence and severity (34.02 and 23.70 percent) was in year 2016 and the lowest of them (12.85 and 6.32 percent) in year 2015. Between regions, Galogah and Sari had the highest and lowest disease infection respectively. In order to determine relationship between two mentioned quantities, the related data, were fitted with different mathematical models by linear regression analysis method. Based on statistical analyses such as coefficient of determination (R2) and standard error of estimates, linear allometric and square root models had good fitness with data. The linear model was selected as the final model because of the simplicity and having low computational complexity. Based on slope of linear model equation, there was significant difference (P<0.01) between four years of investigation. The equation of the model for years 2010 and 2016 was S=0.72(I)-0.99 and for years 2011 and 2015 was S=0.55(I)–0.61. Weather conditions had significant effects on disease infection in different years.