Suchergebnis in den Forschungsaktivitäten der Entscheidungshilfevorhaben
| Titel: | Verbundvorhaben zur 'Bekaempfung des Feuerbranderregers im Obstbau ohne Antibiotika', Teilprojekt 06HS032 'Verbesserung von bestehenden computergestuetzten Prognosemodellen fuer den Feuerbrand unterstuetzt durch Untersuchungen zur Epidemiologie und Pathogenese des Feuerbranderregers (Erwinia amylovora)' |
|---|---|
| Beschreibung (dt.): | Verbundvorhaben zur 'Bekaempfung des Feuerbranderregers im Obstbau ohne Antibiotika', Teilprojekt 06HS032 'Verbesserung von bestehenden computergestuetzten Prognosemodellen fuer den Feuerbrand unterstuetzt durch Untersuchungen zur Epidemiologie und Pathogenese des Feuerbranderregers (Erwinia amylovora)' |
| Ergebnis (dt.): | Für Feuerbrand wurde hier ein verbessertes Feuerbrandprognoseprogramm erstellt, das dem amtlichen Dienst über die Internetplattform www.isip.de online und zur bundesweiten Nutzung zur Verfügung steht. Es wurde von der Geschäftsstelle des ISIP e.V. im Ausgabeformat mit leicht verständlichen Symbolen und Grafiken versehen. In die Algorithmen der neuen Modellversion fließen die Resultate von Blütenversuchen im Labor zu Infektionsbiologie, Freilandbeobachtungen an Befallsstandorten zu frühen Infektionsquellen, Untersuchungen zur Messbarkeit von Wetterdaten im Bestand und Auswertungen von Wetterdaten historischer Befallsereignisse in Baden-Württemberg (BW) ein. Das neue auf Maryblyt basierende Modell enthält nachfolgende Neuerungen. Der bisher nicht berücksichtigte Infektionsdruck wird anhand der Befallsgeschichte der Anlage, der Anwesenheit von infizierten Birnbäumen im Umfeld und der Testergebnisse von Blütenproben auf epiphytische Besiedlung mit Erwinia amylovora abgeschätzt und in 3 Stufen eingeteilt. Jeder Stufe wurde eine Auslöseschwelle zugeordnet, die die während der Blütenlebensdauer berechnete Temperatursumme von 18,3°C überschreiten muss, um Infektionsgefahr anzuzeigen. Die Temperatursumme wird mit gemessenen statt mittels einer Sinuskurve simulierten Stundenwerten berechnet. Da sich die direkte Messung von Blattnässe für die Infektionen nötige Taunässe in Obstanlagen mittels Blattnässesensoren als wenig zuverlässig erwies, wird diese nun aus Temperatur und Luftfeuchte errechnet. Im Labor haben geringe Niederschlagsmengen von nur 0,1 mm ausgereicht, um an abgeschnittenen Blüten Infektionen auszulösen. Die Parameter des Modells wurden so festgelegt, dass die Infektionstermine aller Befallsereignisse der Vergangenheit in BW angezeigt wurden. Durch Berücksichtigung des aktuellen Infektionsdrucks ist eine differenziertere Angabe von Infektionstagen möglich. Die Feuerbrandprognose ist so treffsicherer und die Anzahl der Bakterizidbehandlungen kann reduziert werden. |
| Ergebnis (engl.): | An improved fire blight prediction program was developed which is used by the plant protection service in Germany via the internetplatform ww.isip.de. The program was written by ISIP e.V. and supplied with easily understandable symbols and graphs in the output format. The algorithms of the new model incorporated the results of laboratory tests on the biology of blossom infections, of field observations on early sources for infection, field trials for measurement of weather data in orchards and evaluation of weather data of case histories in Baden- Wuerttemberg. The new model is based on the Maryblyt model and contains the following improvements: The infection pressure is taken into account by the disease history of the orchard, the presence of infected pear trees in the orchards and the test results of blossom samples tested for epiphytic Erwinia amylovora. Three degrees of infection pressure were described and to each degree a threshold was related which has to be passed by cumulative degree hours above 18,3 °C built up during life time of flowers to indicate an infection risk day. For calculation of cumulative degree hours hourly measured data instead of data simulated by a sinus curve are used. Laboratory tests with detached blossoms showed that as little as 0,1 mm of precipitation is sufficient to cause heavy infections. Measurement of leaf wetness in orchards proved to be not reliable. Therefore, leaf wetness is now calculated by an equation based on temperature and relative humidity data. The parameters of the new model were defined in such a way that the infection risk days of all case histories in Baden-Wuerttemberg were indicated. Taking into account the infection pressure allows a more differentiated indication of infection risk days than so far. Hence, fire blight prediction becomes more precise and spraying of bactericides can be reduced. |
| Laufzeit: | Beginn: 01.07.2007 / Ende: 31.08.2010 |
| Ausf. Einrichtung: | Landwirtschaftliches Technologiezentrum Augustenberg - Sachgebiet Bakteriologie im Referat 33, Stuttgart |
| Themenfelder: | Pflanzenschutz, Pflanzengesundheit, crop protection, plant health |
| Förderprogramme: | Entscheidungshilfebedarf |
| Schlagworte: | Bakteriologie, bacteriology, Pflanzenbau, crop production, Nachhaltigkeit, sustainability, Diagnostik, diagnostics, Obstbau, fruit production, Qualitätsmanagement, quality management, Mikroorganismen, microorganisms, Kernobst, pome, Pflanzenkrankheiten (Viren, Bakt., Pilze, Phytoplasmen), plant diseases (virusus, bacteria, fungi, phytoplasma) |
| Förderkennzeichen: | 2806HS032 |
| Dokument zum Download: | 06HS032.pdf (568,4 KB) |
Kontakt: |
Benutzen Sie unser Kontaktformular
oder E-Mail an projekttraeger-agrarforschung@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.
