Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/29333
metadata.teses.dc.title: Sistema de alerta e relação de variáveis ambientais com o progresso da mancha de Phoma do cafeeiro
metadata.teses.dc.title.alternative: Alert system and relationship of environmental variables with the progress of Phoma leaf spot in coffee
metadata.teses.dc.creator: Silva, Humberson Rocha
metadata.teses.dc.creator.Lattes: http://lattes.cnpq.br/9464306592021544
metadata.teses.dc.contributor.advisor1: Pozza, Edson Ampélio
metadata.teses.dc.contributor.referee1: Teixeira, Hudson
metadata.teses.dc.contributor.referee2: Alves, Marcelo de Carvalho
metadata.teses.dc.contributor.referee3: Cirillo, Marcelo Ângelo
metadata.teses.dc.contributor.referee4: Souza, Paulo Estevão de
metadata.teses.dc.subject: Sistemas de alerta
Séries temporais
Modelos de regressão
Nutrição mineral de plantas
Geoestatística
Warning systems
Time series
Regression models
Mineral nutrition of plants
Geostatistics
metadata.teses.dc.date.issued: 4-Jun-2018
metadata.teses.dc.description.sponsorship: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq)
metadata.teses.dc.identifier.citation: SILVA, H. R. Sistema de alerta e relação de variáveis ambientais com o progresso da mancha de Phoma do cafeeiro. 2018. 161 p. Tese (Doutorado em Agronomia/Fitopatologia)-Universidade Federal de Lavras, Lavras, 2018.
metadata.teses.dc.description.resumo: A descrição da curva de progresso da Mancha de Phoma do cafeeiro com modelos estatísticos pode auxiliar a definir estratégias de controle, otimizando o uso de fungicidas e, consequentemente, reduzindo custos e impactos ambientais. Além disso, a compreensão da distribuição espacial dessa doença e das variáveis ambientais e do hospedeiro, também, podem ser integradas ao seu manejo. Assim, objetivou-se estudar a distribuição espaço temporal da Mancha de Phoma (Phoma spp.) do cafeeiro e sua relação com a altitude, variáveis meteorológicas, textura do solo e nutrientes minerais no solo e nas folhas, enfolhamento e produção das plantas. O ensaio foi conduzido por dois anos, de setembro de 2013 a agosto de 2015, com avaliações mensais numa lavoura de Coffea arabica L. Demarcou-se, na lavoura, uma malha de 7,65 ha com 85 pontos georreferenciados. As curvas de progresso da doença foram modeladas com técnicas de séries temporais, modelos de regressão não linear (MRNL) e regressão linear múltipla (MRLM), considerando a média geral dos 85 pontos em cada mês. Ainda foram construídas curvas de progresso para as altitudes médias de 1130,54, 1140,65, 1143,18 e 1143,40 m. Modelou-se a distribuição espacial da doença e variáveis ambientais e do hospedeiro correlacionadas a ela usando a geoestatística. As curvas de progresso da doença apresentaram comportamento variável dentro de cada ano e, também, entre os anos avaliados. Maiores altitudes proporcionaram maiores valores de intensidade da doença. Houve autocorrelação temporal apenas para as curvas de progresso da incidência e da severidade na altitude de 1143,18 m, com ajuste de modelos autorregressivos. Ajustou-se o MRNL de Gompertz, para as curvas de progresso da incidência e da severidade da doença, no período de fevereiro a junho de 2014. Foram ajustados 126 MRLM à curva de progresso da incidência, considerando a média geral dos 85 pontos, com auxílio das variáveis meteorológicas. Quatro desses pontos apresentaram alta precisão e acurácia, sendo possível estimar a doença com dois deles, com duas semanas de antecedência. Para as análises geoestatísticas, os dados mensais da incidência e severidade da doença foram convertidos em área abaixo da curva de progresso da incidência (AACPID) e da severidade (AACPSD). Houve maior AACPID e AACPSD nos últimos 12 meses da pesquisa. A altitude, o Ca e o P-rem, presentes no solo e o P e o N, presentes nas folhas, tiveram correlação positiva significativa com a AACPID. Já o K, o Cu e o Mn, presentes nas folhas, o enfolhamento e a produção correlacionaram-se negativamente com a AACPID. O modelo de semivariograma exponencial foi o mais apropriado, para modelar a autocorrelação espacial das variáveis analisadas, com exceção da altitude
metadata.teses.dc.description.abstract: The study of the progress curve of the Phoma leaf spot of coffee using statistical models can help to define control strategies to reduce fungicide applications and, consequently, minimize costs and environmental impacts. In addition, the understanding of the spatial distribution of this disease and of the environmental and host variables too can be integrated into its management. So, the objective of this study was to evaluate the temporal and spatial distribution of Phoma leaf spot of coffee (Phoma spp.), its relationship with different elevations, meteorological variables, soil texture and mineral nutrients in soil and leaves, plant foliage and production. The experiment was conducted for two years, from September 2013 to August 2015, with monthly evaluations in a plantation of Coffea arabica L. A mesh of 7.65 ha with 85 georeferenced points was used. The disease progress curves were modeled using time series techniques, nonlinear regression models (NLRM) and multiple linear regression models (MLRM), considering the overall average of 85 points in each month. In addition, progress curves were constructed for the mean elevations of 1130.54, 1140.65, 1143.18 and 1143.40 m. The spatial distribution of the disease and environmental and host variables correlated with this was modeled with geostatistics techniques. The progress curves of the disease presented a variable behavior within each year, as well as between the evaluated years. Higher elevations provided higher values of disease intensity. Only the incidence and severity progress curves at elevation of 1143.18 m showed autocorrelation over time, with adjustment of autoregressive models. The Gompertz NLRM was adjusted for progress curves of disease incidence and severity from February to June 2014. Were adjusted 126 MLRM to the incidence progress curve, considering the overall average of the 85 points, using the meteorological variables. Four of these presented high precision and accuracy, being possible to estimate the disease with two of them, two weeks in advance. For geostatistical analyzes, monthly data of disease incidence and severity were converted into area under disease progress curve (AUDPC). There was higher AUDPC to incidence and severity in the last 12 months of the study. The elevation, P-rem and Ca present in the soil, and the P and N present in the leaves had a significant positive correlation with incidence in the form of AUDPC. However, K, Cu and Mn present in the leaves, plant foliage and production, correlated negatively with incidence in the form of AUDPC. The exponential model of semivariogram was the most appropriate to model the spatial autocorrelation of the analyzed variables, except for the elevation.
metadata.teses.dc.identifier.uri: http://repositorio.ufla.br/jspui/handle/1/29333
metadata.teses.dc.publisher: Universidade Federal de Lavras
metadata.teses.dc.language: por
Appears in Collections:DFP - Agronomia/Fitopatologia - Doutorado (Teses)



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