Ferrugem asiática da soja

Tamanho: px

Começar a partir da página:

Download "Ferrugem asiática da soja"

Helena Leveck Castel-Branco
8 Há anos
Visualizações:

1 Curso de Treinamento em Gestão do Risco Climático no Setor Agrícola INMET Brasília, 3 a 7 de março de 2008 Ferrugem asiática da soja Informações Climáticas para o Manejo de Risco de Epidemias Prof. Emerson Medeiros Del Ponte Depto de Fitossanidade, Fac. de Agronomia

da soja Informações Climáticas para o Manejo de Risco de Epidemias

2 Tópicos a abordar Conhecendo a ferrugem asiática Importância do clima -> modelos Estimativas de riscos com base no clima

3 O que causa a ferrugem asiática? Fungo : Phakopsora pachyrhizi

4 Dispersão da ferrugem no mundo % da Soja no mundo Século 21 Década de 1990 < 1990

5 Como é a ferrugem?

6 Início da doença nas folhas inferiores Curso de Treinamento em Gestão do Risco Climático no Setor Agrícola J.T. Yorinori INMET

7 Epidemia severa Desfolha precoce Curso de Treinamento em Gestão do Risco Climático no Setor Agrícola J.T. Yorinori INMET

8 Impacto na produção Perdas : 58% São Desidério, BA - 25/03/2003 A.C.B. Oliveira

9 Custo ferrugem no Brasil em 5 safras US$ bilhões Custo total (perdas + controle) Perdas na produção Custo do controle % valor bruto 25% da exportação / / / / /07

controle 0.2 0.1 0.0 1.2 0.7 0.4 2.1 2.1 1.2 0.9 13% valor bruto 25% da exportação 1.

10 Controle da ferrugem no Brasil Na safra 2004/05 Consórcio Antiferrugem Treinamento/diagnose Teste de produtos Monitoramento Controle somente com Fungicidas

11 Por que a ferrugem ocorre? patógeno é virulento Ambiente favorável Fatores climáticos plantas Cultivares são vulneráveis Variáveis ambientais afetam diferentes processos do ciclo de uma epidemia

12 O clima e o ciclo da ferrugem Liberação Dispersão Deposição Reprodução Colonização Infecção

13 Modelos de ferrugem asiática da soja Mais de uma dezena de modelos para descrição de componentes da epidemia T, Prec, UR, vento, etc

14 Exemplo de um modelo empírico - campo Severidade da ferrugem em 34 epidemias no Brasil 3 safras x 21 locais Del Ponte et al. (2006)

15 Modelagem do efeito do clima Variáveis em 30 dias: Prec30, DPrec30, Tmin, Tmax, Tmed, DT>30, etc.. 30 dias 30 dias 30 dias

16 Chuvas e epidemias Forte correlação chuva x severidade máxima Fraca correlação temperatura x severidade máxima

17 Utilidade dos modelos Aprender com o passado Monitorar o presente Preparar para O futuro Avaliação de risco Alertas de riscos Tendências de riscos climatologia Monitoramento previsão tempo Previsão climática Leite (2006)

Alertas de riscos Tendências de riscos climatologia

18 Exemplo: Risco de inóculo Pivonia e Yang (2004) Modelo bioclimático (CLIMEX) com parâmetros que conferem estresses de frio, calor e seca Patógeno não sobrevive em longo período de frio ou seca

19 Exemplo: Risco de estabelecimento Freqüência de 15 dias favoráveis de julho a setembro. Modelo de temperatura e molhamento foliar (Magarey, 2004)

20 Exemplo: Risco de epidemias severas Modelo com base na chuva dados de 50 anos de chuva em julho e agosto (Del Ponte & Yang, 2005) Sev > 25% Sev > 50% Frequência de anos com sev > 25%

21 Exemplo: Risco de dispersão de esporos Índice de disponibilidade de esporos usando 7 anos de dados de clima no modelo HYSPLIT modificado (Kim et al., 2005)

22 Exemplo: Previsão monitoramento Dias favoráveis à infecção (modelos de T x DPM Canteri et al., 2005) Leite (2006)

23 Exemplo: monitora + previsão climática Favorabilidade das chuvas à epidemias June 2005 July 2005 Observado na safra Leite 2005(2006)

24 Previsão tempo real modelo simulação USDA/Penn State/ZedX model Modelos + clima + GIS Fonte: Isard et al.

25 Estudo de caso Risco da ferrugem no RS 4 milhões ha soja 9 milhões ton 18% do Brasil 3 o maior produtor do Brasil

26 Progresso da ferrugem no RS Número de casos positivos / / / Dias após 1 de janeiro Fonte: janeiro fevereiro março

27 Progresso da ferrugem no RS 2005/ /07 Fonte:

28 Progresso da ferrugem no RS Situação em 6 de fevereiro de 2008 Fonte:

29 Estudo de caso ferrugem no RS O que o passado pode dizer? Qual o risco de ocorrência de epidemias moderadas e severas? Existe uma época de maior risco? Existem áreas mais favoráveis? O risco muda em anos de ENSO?

30 Estratégia de modelagem - premissas Premissas O inóculo está presente Janeiro e fevereiro são os meses críticos A chuva influencia as epidemias Modelo de chuva (Del Ponte et al., 2006)

31 Estratégia de modelagem 24 estações da ANA (Agência Nacional de Águas) Precipitação diária 25 anos Jan, Fev e Mar

32 Épocas de risco Jan 15-Jan 1-Feb 15-Feb 1-Mar 15-Mar (Del Ponte et al. dados não publicados), Alegrete Barracão Cacequi Carazinho Casca Cruz Alta Dona Francisca Erebango Girua Ijui Itaqui Itatiba do Sul Jaguari Lagoa Vermelha Liberato Salzano Manoel Viana Miraguai Palmeira das Missões Rosário do Sul Santiago Santo Angelo São Borja Três Passos Tucunduva

33 Épocas de risco % de anos em 25 anos Probabilidade de epidemias > 30% Campanha Missões Alto Vale do Uruguai Planalto Depressão Central Região Produtora 0 1-Jan 15-Jan 1-Feb 15-Feb 1-Mar 15-Mar (Del Ponte et al. dados não publicados),

34 Épocas de risco % de anos em 25 anos Probabilidade de epidemias > 60% Campanha Missões Alto Vale do Uruguai Planalto Depressão Central Região Produtora 0 1-Jan 15-Jan 1-Feb 15-Feb 1-Mar 15-Mar (Del Ponte et al. dados não publicados),

35 Probabilidade cumulativa 25 anos em 5 Probabilidade cumulativa em Severidade (%) (Del Ponte et al. dados não publicados)

36 Variabilidade espacial do risco Probabilidade de epidemias moderadas >30% severidade Mês de fevereiro % em 25 anos (Del Ponte et al. dados não publicados)

37 Variabilidade espacial do risco Probabilidade de epidemias moderadas >60% severidade Mês de fevereiro % em 25 anos (Del Ponte et al. dados não publicados)

38 Variabilidade interanual Distribuição da severidade Média móvel 5 anos central 30 dias a partir de fevereiro 70 Severidade (%) Anos (Del Ponte et al. dados não publicados)

39 Variabilidade interanual área de risco - Estimativa de severidade por ponto - Espacialização da severidade (IDW) - Sobreposição com a máscara da soja - Cálculo da área sob risco de epidemias (<30%, 30-60% e >60%) 150 mapas (25 anos x 6 períodos)

40 Variabilidade interanual área de risco % de área de soja (Del Ponte et al. dados não publicados) Anos leve (<30% severidade) m oderada (30-60% severidae) severa (>60% severidade)

41 Trabalhos em andamento Efeito La Nina e El Nino? Trabalho em andamento. Definir anos de El Nino e La Nina no RS Estudar correlações entre eventos extremos e área de risco de epidemias Efeito da T do Atlântico?

42 Conclusões e trabalhos futuros Considerações O manejo racional da ferrugem asiática deve considerar: Risco histórico (observar o passado) Monitoramento da doença e do clima na safra Previsão do tempo e clima Epidemias severas que ocorreram esse ano, pode não acontecer no próximo ou podem ser pior ainda! Trabalhe com base nas probabilidades!

43 Agradecimentos Equipe de trabalho Eduardo Jesus Martins Bolsista PIBIC-CNPq, Agronomia Profa. Eliana de Lima Fonseca, Depto de Geografia, UFRGS

Documentos relacionados

Projeto Facilita. Queiroz foi levado para o Pinel porque estaria muito exaltado

Projeto Facilita. Queiroz foi levado para o Pinel porque estaria muito exaltado O começo deste verão é o mais abrasador dos últimos 11 anos no Rio Grande do Sul. As médias de temperatura máxima oscilam entre 28 C e 34 C nas diferentes regiões do Estado, chegando a alcançar três graus