مقایسه آماری مقیاس‌های اندازه‌گیری شدت بیماری لکه خرمایی گندم

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشیار پژوهش، بخش تحقیقات گیاه پزشکی، مرکز تحقیقات و آموزش کشاورزی و منابع طبیعی استان گلستان، سازمان تحقیقات،آموزش و ترویج کشاورزی، گرگان، ایران

2 کارشناس گیاه‌پزشکی، گروه گیاه‌پزشکی، دانشکده تولید گیاهی، دانشگاه علوم کشاورزی و منابع طبیعی گرگان، گرگان، ایران

چکیده

مقدمه: مقیاس ساری و پرسکات (A) یکی از معروف‌ترین مقیاس‌های اندازه‌گیری بیماری‌های برگی غلات دانه‌ریز است که به صورت نمره‌های صفر تا نه بیان می‌شود. مقیاس دو رقمی (AB)، از تلفیق این مقیاس و شدت بیماری روی برگ‌های بالایی بوته (B) به‌وجود آمده است. مقیاس‌های A و AB از جمله مقیاس‌های رتبه‌ای (متغیرهای گسسته یا ناپیوسته) محسوب می‌شوند که داده‌های حاصل از آن‌ها را نمی‌توان با روش‌های آماری پارامتری تجزیه کرد. در صورت تبدیل مناسب آن‌ها به شاخص شدت بیماری بر حسب درصد (PDI)، متغیر پیوسته‌ای به‌وجود می‌آید که با روش‌های آماری پارامتری قابل تجزیه و تحلیل خواهد بود. هدف از اجرای این مطالعه، مقایسه روش ­ها و مقیاس­های مختلف اندازه­گیری شدت بیماری، تجزیه و تحلیل آماری آن‌ها، بررسی مزیت‌ها و معایب هر کدام از این روش­ها و در نهایت معرفی روش مناسب جهت ارزیابی بیماری لکه خرمایی گندم ناشی از Drechslera tritici-repentis و نیز سایر بیماری­ های برگی غلات دانه ریز بود.
مواد و روش‌ها: در این آزمایش، شدت بیماری لکه خرمایی روی ده رقم گندم در قالب طرح بلوک‌های کامل تصادفی با سه تکرار اندازه‌گیری و به‌صورت چهار متغیر A، B، AB و PDI ثبت شد. در این مطالعه، متغیر اول (A) برای نشان دادن شدت بیماری بر اساس مقیاس ساری و پرسکات (معادل رقم اول در مقیاس دو رقمی) و متغیر دوم (B) برای بیان سطح آلودگی برگ‌های بالای بوته (معادل رقم دوم در مقیاس دو رقمی) مورد استفاده قرار گرفت. متغیر سوم (AB) از تلفیق متغیرهای اول و دوم به‌دست آمد و متغیر چهارم نیز شاخص شدت بیماری بر حسب درصد (PDI) بود. به‌منظور مقایسه متغیرها و انتخاب بهترین آن‌ها، تجزیه آماری داده‌ها با استفاده از شاخص‌های آمار توصیفی، تجزیه واریانس، مقایسه میانگین‌ها با روش LSD و نیز ضرایب همبستگی و تحلیل رگرسیونی بین متغیرهای مورد مطالعه انجام شد.
یافته‌های تحقیق: برآورد آماره‌های چولگی و کشیدگی داده‌های چهار متغیر مورد مطالعه در این تحقیق نشان داد که فقط متغیرهای B و PDI دارای توزیع نرمال بودند. آماره‌های Shapiro-Wilk و Kolmogorov-Smirnov و نمودار توزیع فراوانی داده‌ها نیز نرمال بودن و پیوسته بودن دو متغیر B و PDI را به‌خوبی نشان دادند، در حالی که متغیرهای A و AB فاقد توزیع نرمال بودند و با توجه به فاصله‌های ایجاد شده بین گروه‌های مختلف داده‌ها در نمودار توزیع فراوانی، می‌توان این متغیرها را به‌عنوان متغیرهای گسسته در نظر گرفت. نتایج تجزیه واریانس نشان داد که تفاوت معنی‌داری بین تیمارها (رقم‌های گندم) مورد مطالعه از نظر دو متغیر B و PDI وجود داشت، در حالی‌که اختلاف بین رقم‌ها از نظر دو متغیر A و AB غیرمعنی‌دار بود. بررسی روابط بین این چهار متغیر با استفاده از ضرایب همبستگی و تحلیل رگرسیون خطی، ارتباط قوی و معنی‌دار بین متغیرهای A و AB و نیز متغیرهای B و PDI را آشکار کرد. نتایج رگرسیون خطی نشان داد که با وجود ترکیبی بودن مقیاس دو رقمی، رابطه رگرسیونی بسیار قوی بین مقادیر مقیاس دو رقمی و متغیر A وجود داشت، در حالی‌که رابطه بین مقیاس دو رقمی و متغیر B ضعیف‌تر بود. در مقابل، PDI که به‌عنوان کامل‌ترین متغیر برای توصیف مقدار بیماری مطرح است، رابطه رگرسیونی قوی با رقم دوم مقیاس دو رقمی (متغیر B) نشان داد، اما ارتباط آن با رقم اول آن یعنی مقدار عددی مقیاس دو رقمی (متغیر A) ضعیف بود.
نتیجه‌گیری: نتایج تجزیه و تحلیل‌های آماری داده‌های این تحقیق نشان داد که بیان داده‌های شدت بیماری بر حسب متغیرهای B (شدت بیماری روی برگ‌های بالایی بوته) و PDI (شاخص شدت بیماری) از مناسبت آماری بالاتری نسبت به داده‌های ثبت شده بر اساس متغیرهای A (مقیاس ساری و پرسکات) و AB (مقیاس دو رقمی)، به‌صورت خام و تبدیل نشده برخوردار بودند. بنابراین، بهبود و ارتقای مقیاس ساری و پرسکات به مقیاس دو رقمی، تنها در صورتی می‌تواند در عمل موثر واقع شود که به صورتی صحیح به شاخصی جامع از بیماری (نظیر PDI) تبدیل شود، در غیر این صورت در کیفیت کار ارزیابی تغییر چندانی ایجاد نخواهد شد. به‌عبارت دیگر، در ارزیابی شدت بیماری‌های برگی گندم، پس از تعیین شدت بیماری بر اساس مقیاس A یا AB و قبل از انجام هر گونه تحلیل آماری، ابتدا بایستی داده‌ها به متغیر PDI تبدیل شوند و سپس تجزیه واریانس یا تحلیل رگرسیونی داده‌ها انجام شود.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Statistical comparison of scales for measuring the severity of wheat tan spot disease

نویسندگان [English]

  • Mohammad Ali Aghajani 1
  • Mahdi Aghajani 2
1 Research Associate Professor, Plant Protection Research Department, Golestan Agricultural and Natural Resources Research Center, AREEO, Gorgan, Iran
2 B.S. of Plant Protection, Agricultural and Natural Resources Sciences University, Gorgan, Iran
چکیده [English]

Introduction
Sarri and Prescott scale (A) is one of the most popular scales for measuring foliar diseases of small-grain cereals, which is expressed as 0-9 scores. Double digit scale (AB) was created from incorporating A and B (disease severity on top leaves) scales. A and AB scales are considered as ordinal rank scales, and their recorded data (as descrete variables) can not be analyzed by parametric statistical methods. If they are suitably transformed to disease severity index (or percent of disease index = PDI), then can be analyzed by parametric methods as continous variable. The objectives of this study were to compare different methods and scales for measuring the disease severity, statistical analysis, advantages and disadvantages, and finally to introduce the appropriate method for evaluating the wheat tan spot disease caused by Drechslera tritici-repentis and other foliar diseases of small grain cereals.
Materials and methods
In this experiment, the intensity of tan spot disease on ten wheat cultivars was measured in a randomized complete block design with three replications and recorded as four variables, A, B, AB and PDI. In this study, the first variable (A) was used to show the severity of the disease based on the Surrey and Prescott scale (equivalent to the first digit of the double-digit scale), and the second variable (B) to express the contamination level of the disease severity on top leaves (equivalent to the second digit of the double-digit scale). The third variable (AB) was obtained from the combination of the first and second variables, and the fourth variable was the percentage of disease severity index (PDI). To compare variables and sselect the best ones, statistical analysis of data was performed using descriptive statistics, analysis of variance, comparison of means by LSD method, as well as correlation coefficients and regression analysis between the studied variables.
Research findings
Evaluating the skewness and kurtosis statistics of the studied four variables in this research showed that only the B and PDI variables had a normal distribution. Shapiro-Wilk and Kolmogorov-Smirnov statistics and data frequency distribution chart also showed the normality and continuity of two variables B and PDI, while the variables A and AB did not have a normal distribution and due to the gaps created between different data groups in frequency distribution chart, they can be considered as discrete variables. The results of analysis of variance indicated a significat difference between the studied treatments (wheat cultivars) in terms of two variables B and PDI, but the difference between wheat cultivars was not significant for the variables A and AB. Estimating the relationships between four variables using correlation coefficients and linear regression analysis revealed a significant relationship between the variables A and AB as well as the variables B and PDI. The results of linear regression showed that although the double-digit scale is a composite scale, there was a very strong regression relationship between its values and the variable A, while the relationship between the double-digit scale and the variable B was weak. On the other hand, PDI, which is the most complete variable to describe the disease severity, showed a strong regression relationship with the second digit of the double-digit scale (variable B), but its relationship with the first digit or numerical value of the double-digit scale (variable A) was weak.
Conclusion
The results of the statistical analysis of this research showed that the expression of disease severity (untransformed data) in terms of the variables B (disease severity on the upper leaves) and PDI (disease severity index) had more statistically appropriate than the variables A (Sari and Prescott scale) and AB (double-digit scale). Therefore, improving and upgrading the Sari and Prescott scale to a double-digit scale can only be effective in practice if it is correctly transformed into a comprehensive disease index (such as PDI), otherwise there will not be a big change in the quality of disease assessment. It is concluded that in assessing the severity of wheat leaf diseases, after determining the disease severity based on the A or AB scale, the data must firstly be converted to the variable PDI and then the analysis of variance or regression analysis should be performed.

کلیدواژه‌ها [English]

  • Disease severity index
  • Disease management
  • Foliar diseases
  • Double digit scale
  • Sarri and Prescott scale
Aghajani, M. A., Bagherani, N., and Mottaki, E. 2010. Chemical control of tan spot of wheat in Golestan province. Proceedings of 19th Iranian Plant Protection Congress: 790. (in Farsi with English summary).##Azadvar, M., and Rahimian, H. 2009. Study on tolerance ratio of 11 commercial potato varieties to bacterial wilt agent in root and stem inoculation methods. Iranian Journal of Plant Pathology 44: 184-190. (in Farsi with English summary).##Campbell, C. L., and Madden, L. V. 1990. Introduction to plant disease epidemiology. John Wiley, New York, 532 pp.##Cardoso, J. E., Santos, A. A., Rossetti, A. G., and Vidal, J. C. 2004. Relationship between incidence and severity of cashew gummosis in semiarid north-eastern Brazil. Plant Pathology 53: 363-367.##Cooke, B. M. 2006. Disease assessment and yield loss. Pages 43-80 in: The Epidemiology of Plant Diseases, B. M. Cooke, D. G. Jones and B. Kaye, eds. Springer, Netherlands.##Eyal, Z., Scharen, A. L., Prescott, J. M., and van Ginkel, M. 1987. The Septoria diseases of wheat: Concepts and methods of disease management. Mexico, D.F.: CIMMYT.##Garrett, K. A., Madden, L. V., Hughes, G., and Pfender, W. F. 2004. New applications of statistical tools in plant pathology. Phytopathology 94: 999-1003.##James, W. C. 1971. An illustrated series of assessment keys for plant diseases, their preparation and usage. Canadian Plant Disease Survey 51:39-65.##Laycock, D. S. 2004. Manual for field trials in crop protection. 4th edition. Syngenta. Switzerland, 444 p.##Lipps, P. E., and Madden, L. V. 1989. Assessment of methods of determining powdery mildew severity in relation to grain yield of winter wheat cultivars in Ohio. Phytopathology 79 :462-470 .##Madden, L. V., Hughes, G., and van den Bosch, F. 2007. The Study of Plant Disease Epidemics. APS Press.##McRoberts, N., Hughes, G., and Madden, L. V. 2003. The theoretical basis and practical application of relationships between different disease intensity measurements in plants. Annals of Applied Biology 142: 191-211.##Mojerlou, S., Safaie, N., Alizadeh, A., and Khelghatibana, F. 2010a. Comparison of double digit index and disease severity in disease progress of wheat septoriosis (Septoria tritici) using artificial neural network. Trakia Journal of Sciences 8: 62-66.##Mojerlou, S., Safaie, N., Alizadeh, A., and Khelghatibana, F. 2010b. Temporal analysis of Septoria leaf blotch progress in wheat. Agricultura Tropica Et Subtropica 43: 266-276.##Saari, E. E., and Prescott, J. M. 1975. A scale for appraising the foliar intensity of wheat diseases. Plant Disease 59:377-380.##Saharan, G. S., Mehta, N., and Sangwan, M. S. 2005. Diseases of oilseed crops. Indus Publishing Company, New Delhi.##Sahragard, N. 2009. Evaluation of resistance of some genotypes and cultivars of almond to Verticillium dahliae. Pajouhesh & Sazandegi 78: 125-131.##Sarker, M. A. Z., Malaker, P. K., Bodruzzaman, M., and Barma, N. C. D. 2009. Effect of management and seed rate on the performance of wheat varieties with varying seed sizes. Bangladesh Journal of Agricultural Research 34: 481-492.##Seem, R. C. 1984. Disease incidence and severity relationships. Annual Review of Phytopathology 22:133-150.##Sharma, R. C., and Duveiller, E. 2007. Advancement toward new spot blotch resistant wheats in south Asia. Crop Science 47:961-968.##Turechek, W. W. 2004. Nonparametric tests in plant disease epidemiology: Characterizing disease associations. Phytopathology 94: 1018-1021.