Mudanças climáticas e ferrugem asiática da soja no Estado de Minas Gerais

Abstract

No ano de 2001, a ferrugem asiática da soja, causada pelo fungo Phakopsora pachyrhizi (Syd & P. Syd), apareceu no continente sul americano, provocando danos às lavouras no Brasil, principalmente nos Estados de Mato Grosso, Goiás, Minas Gerais e Mato Grosso do Sul, nas safras de 2004/2005 e 2005/2006. A temperatura, a umidade relativa e a presença de água líquida nas folhas favorecem o desenvolvimento do fungo. Para identificar a favorabilidade ao desenvolvimento da doença no Estado de Minas Gerais, testaram-se dois modelos. No primeiro, considerou-se o número de horas com a umidade relativa maior ou igual a 90,0% e, no segundo, a depressão do ponto de orvalho menor que 2,0oC. Em ambos, a faixa de temperatura de 18,0oC a 25,0oC foi considerada ideal ao desenvolvimento do fungo Phakopsora pachyrhizi. A pesquisa foi realizada, utilizando-se os dados de temperatura e umidade relativa horários, obtidos em 14 estações meteorológicas da plataforma de coleta de dados do CPTEC-INPE, em 2005 e 2006. Como os modelos apresentaram resultados semelhantes, ao dar seqüência à pesquisa, optou-se pelo primeiro, que foi, novamente, testado com dados de dois experimentos de campo, realizados no ano de 2006: um em Viçosa, cidade da zona da mata; outro em Uberlândia, cidade do triângulo mineiro. Nessa etapa da pesquisa, foram obtidas as medidas de severidade na cultura da soja. Na análise da relação entre a favorabilidade e os dados (temperatura e umidade relativa), utilizaram-se redes neurais artificiais (RNAs). Esse procedimento possibilitou a geração de redes neurais, para obtenção de informações sobre favorabilidade em função das temperaturas e das umidades relativas médias diárias, separadamente e simultaneamente, como dados de entrada na rede. As redes com melhores desempenhos continham 10 e 15 neurônios e, como tipo de aprendizagem, utilizou-se a propagação retroativa do erro. Após a identificação das redes que melhor responderam à relação, calculou-se a umidade relativa a partir dos dados de temperatura média e mínima diários, oriundos do modelo de circulação geral - HadCM3. Com esses dados, fizeram-se projeções de favorabilidade para os anos de 2020, 2050 e 2080, cujos resultados mostraram uma tendência de aumento da favorabilidade ao desenvolvimento da ferrugem, em quase todas as regiões do Estado.

In 2001, the soybean Asian rust caused by the fungus Phakopsora pachyrhizi (Syd & P. Syd) appeared in the South American continent, as causing many damages to the crops in Brazil, mainly in the states of Mato Grosso, Goiás, Minas Gerais and Mato Grosso do Sul at the seasons 2004/2005 and 2005/2006. The temperature, air relative humidity and the presence of the liquid water on the leaves rather favor the development of this fungus. Two models were tested to identify the favorableness to the development of the disease in Minas Gerais State. The number of hours with air relative humidity higher or equal to 90% were considered in the first model, whereas the dew point depression lower than 2 oC was considered in the second one. The temperature range from 18 oC to 25 oC was considered as ideal for development of the fungus Phakopsora pachyrhizi. The research with data of the hourly temperature, minimum temperature and hourly air relative humidity obtained on 2005 and 2006 in 14 meteorological stations of the data collection platform pertaining to CPTEC-INPE. As the models showed similar results, the first model was chosen and again tested, by using data from two field experiments that were accomplished in 2006: one in Viçosa county located in Zona da Mata region; and another one in Uberlândia county located in Triângulo Mineiro. In this stage of the research, the measures of the severity in soybean crop were obtained. In analyzing the relationship between favorableness and the data (temperature and air relative humidity), the neural artificial networks (RNAs) were used. This procedure made possible the generation of neural nets for the separation and simultaneous obtainment of the information about the favorableness as a function of either temperatures and daily average relative humidity as input data into network. The networks with better performance contained 10 and 15 neurons, and the used learning type was the back propagation. After identification of the networks providing better response to relationship, the air relative humidity was calculated from the daily data of the average and minimum temperatures proceeding from the general circulation - HadCM3 model. Using the data, the favorableness projections were performed for the years 2020, 2050 and 2080, from which the results showed a tendency to increased favorableness to the development of the rust in almost all regions in the State.