Suche in den Vorhaben des Programms zur Innovationsförderung
| Titel: | Entwicklung eines innovativen Prognosemodells zur Bekämpfung des Echten Mehltaus (Podosphaera macularis) im Hopfen (Humulus lupulus) |
|---|---|
| Titel (englisch): | Development of an Innovative Forecasting Model to Control Powdery Mildew (Podosphaera macularis) in Hops (Humulus lupulus) |
| Beschreibung (dt.): | Echter Mehltau ist im Hopfen eine gefürchtete Krankheit, die derzeit nur vorbeugend bekämpft werden kann. Um die notwendigen Spritzungen zu optimieren, sind die Bedingungen für die Infektion zu ermitteln. Diese biologischen Kenndaten werden in Klimakammern an künstlich infizierten Einzelpflanzen verschiedener Sorten erarbeitet. Es werden 56 Witterungsdaten simuliert, die Grundlage für die Berechnung einer Bekämpfungsschwelle sein sollen. In Freilandversuchen wird an sieben Standorten in der Hallertau der Epidemieverlauf beobachtet und im dritten Projektjahr die Bekämpfung des Echten Mehltaus nach Prognose durchgeführt. Die unterschiedliche Anfälligkeit der Sorten wird berücksichtigt. Das innovative Prognosemodell soll ausschließlich auf Witterungsdaten aufgebaut werden. Es entsteht so eine schnelle Entscheidungshilfe mit Daten die über das Internet von agrarmeteorologischen Messstationen erstellt werden kann. |
| Beschreibung (engl.): | Powdery mildew is a serious disease in hops which can only be controlled with preventive measures. To optimize the necessary sprayings the conditions for the infection have to be investigated. This biological data is elaborated in climate chambers with artificially infected single plants. 56 climate conditions are simulated which are the basis for the calculation of a control threshold. In outdoor trials at seven locations in the Hallertau region the epidemiological process has been observed and in the third year of this project powdery mildew is controlled based on this forecasting model. The difference in the susceptibility of the various hop cultivars is taken into consideration. This innovative forecasting model should solely be based on climate data. In this way a fast decision-making support is provided based on data obtained from agricultural-meteorological measurement stations via the internet. |
| Ergebnis (dt.): | Die von Infektionsquellen ausgehende Sporenverteilung beschränkt sich auf wenige 100 m. Die Infektion erfolgt fast nur an den Blattetagen 2 bis 4. Über die Blattetage 4 hinaus besteht Altersresistenz. Zu Beginn der Vegetationsperiode sind die Blätter hoch anfällig und die Inkubationszeit beträgt fünf Tage. Ab Mitte Juni werden auch die Blattetagen 2 bis 4 resistent, und es sind kaum mehr Infektionen zu beobachten. Lichtintensität und Temperatur haben großen Einfluss auf Befallsstärke und Inkubationszeit, optimal sind 12 bis 23 °C. Der Temperaturunterschied zwischen Tag und Nacht hat großen Einfluss auf Sporenvermehrung und Infektion, optimal sind weniger als 5 °C. Blattnässe, Wind und Regen haben nur geringen und die relative Luftfeuchtigkeit keinen Einfluss auf die Infektion. Als besonders wichtig hat sich die Bekämpfung des Echten Mehltaus im Frühjahr erwiesen. Behandlungen außerhalb der angezeigten Infektionszeiträume sind wirkungslos. Bei geringem Befall und günstigen Witterungsbedingungen im Hochsommer kann es ertragsrelevante Neuinfektionen geben. Ist ein Bestand Ende Juni völlig mehltaufrei, kommt es zu keinem Neubefall. |
| Ergebnis (engl.): | The distribution of spores from an origin of infection is limited to a few 100 m. Infection happens almost exclusively at leaf pairs 2 to 4. Leaf pairs beyond level 4 are age resistant. Early during the growing season, leaves are hightly susceptible and the incubation period is five days. As of mid-June, leaf pairs 2to 4 also become resistant and infections decrease significantly. Light intensity and temperature have great influence on infestation degree and incubation period, optimal are 12-23 °C. The temperature gradient between day and night has great influence on propagation of spores and the infection, ideally it comprises less than 5 °C. Moistness of leaves, wind and rain have only little influence and relative humidity has no influence on the infection. Conclusions: Powdery mildew control during spring is essential. Control measures outside the indicated infection periods are ineffective. During midsummer, even slight infestations together with favourable climatic conditions can lead to new infections that can become relevant to yield. If a stand is completely free of infestation late in June, a new infection during the growing season can be excluded. |
| Laufzeit: | Beginn: 01.05.2007 / Ende: 31.12.2009 |
| Ausf. Einrichtung: | Bayerische Landesanstalt für Landwirtschaft (LfL) - Institut für Pflanzenbau und Pflanzenzüchtung - AB Hopfen, Wolnzach |
| Themenfelder: | Pflanzenschutz, Pflanzengesundheit, crop protection, plant health |
| Förderprogramme: | Programm zur Innovationsförderung des Bundesministeriums für Ernährung und Landwirtschaft |
| Schlagworte: | Prognose, forecast, Pflanzenbau, crop production, Hopfen, hop, Pflanzenkrankheiten (Viren, Bakt., Pilze, Phytoplasmen), plant diseases (virusus, bacteria, fungi, phytoplasma) |
| Förderkennzeichen: | 2814202906 |
| Dokument zum Download: | Kein Dokument vorhanden! |
Kontakt: |
Benutzen Sie unser Kontaktformular
oder E-Mail an innovation@ble.de |
Übergreifende Suche in allen Vorhaben des Projektträgers...
Such-Tipps:
Stichwortsuche:
Mehrere Begriffe werden automatisch verknüpft. Auch Wortbestandteile werden in folgenden Datenfeldern gesucht:
Projekttiteln und Beschreibungen (in deutsch, englisch, französich), Förderkennzeichen, Schlagworten und Zielländern.
Die folgenden Beispiele veranschaulichen einige Such-Strings, die boolesche Volltextoperatoren verwenden:
Weizen Stroh
Findet Datensätze, die mindestens eines der beiden Wörter enthalten.
+Weizen +Züchtung
Findet Datensätze, die beide Wörter enthalten.
Weizen +Sorte
Findet Datensätze, die das Wort "Weizen" enthalten, stuft aber solche Datensätze höher ein, die auch "Sorte" enthalten.
+Weizen -Gerste
Findet Datensätze, die das Wort "Weizen", aber nicht das Wort "Gerste" enthalten.
Weizen*
Findet Datensätze, die Wörter wie "Weizen", "Weizenmehl", "Weizenbier" oder "Weizenanbau" enthalten.
"Kleegras und Grünland"
Findet Datensätze, die die exakte Phrase "Kleegras und Grünland" enthalten. Dies wäre etwa "Stickstoffkreisläufe in Kleegras und Grünland", nicht aber "Stickstoffkreisläufe in Kleegras oder Grünland".
Beachten Sie, dass die (")-Anführungszeichen, die die Phrase umschließen, Operatorzeichen sind, die der Trennung der Phrase dienen. Es handelt sich hierbei nicht um Anführungszeichen, die den Such-String selbst umfassen.
