Disentangling environmental effects on plant disease epidemics at the regional scale

• Ano de defesa: 2022
• Autor(a) principal: Alves, Kaique dos Santos
• Orientador(a): Del Ponte, Emerson Medeiros
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: eng
• Instituição de defesa: Universidade Federal de Viçosa
• Programa de Pós-Graduação: Fitopatologia
• Área do conhecimento CNPq: Fitopatologia
• Link de acesso: https://locus.ufv.br//handle/123456789/30725; https://doi.org/10.47328/ufvbbt.2023.053

O ambiente desempenha um papel essencial para ocorrência e dinâmica de epidemias de doenças de plantas. O tempo (meteorológico) é conhecido por influenciar a biologia do patógeno e do hospedeiro e por isso desempenha papel na modulação dos estágios do ciclo das doenças. Por outro lado, o clima, dado como a média do tempo (meteorológico) durante longos períodos (30 anos), deve definir a predominância de patógenos e genótipos hospedeiros nas regiões e, portanto, a distribuição espacial das doenças de plantas e suas respectivas intensidades. Nesta tese, serão apresentados três estudos com o objetivo de desvendar os efeitos de fatores ambientais em epidemias de doenças de plantas. O primeiro estudo demonstrará como o clima molda a distribuição espacial da prevalência do Huanglongbing (também conhecido como greening) dos citros em Minas Gerais. No segundo estudo, o tempo de aparecimento da ferrugem da soja em lavouras comerciais de soja do Sul do Brasil foi associado ao El Nino-Southern Oscillation, fenômeno que desencadeia eventos climáticos extremos ao redor do globo e também no Brasil; O terceiro estudo integra metodologia estatística de ponta para associar séries temporais de variáveis meteorológicas e dados de propriedades do solo à prevalência de mofo branco em campos de feijão-vagem em Nova York, Estados Unidos. Os resultados levaram a novos entendimentos sobre a biologia dos patógenos e o risco de doenças nas escalas regional e local para os três patossistemas em estudo. Palavras-chave: Epidemiologia. Huanglongbing. Ferrugem da soja. Mofo branco. Bayesiano. Aprendizado de máquina.