Modelowanie ryzyka związanego ze środowiskiem wystąpienia plamistości liści ocznych (Cercospora sojina) w soi w Stanach Zjednoczonych

Dlaczego ta choroba soi ma znaczenie

W całych Stanach Zjednoczonych rolnicy uprawiający soję mierzą się z cichym, lecz kosztownym zagrożeniem — plamistością liści ocznych. Ta choroba liści może zmniejszyć plony na tyle, by nadwerężyć już i tak wąskie marże zysku, a kontrola stała się trudniejsza, ponieważ grzyb wywołujący chorobę zyskał odporność na niektóre powszechnie stosowane fungicydy. Opisane badanie miało na celu odpowiedzieć na praktyczne pytanie: w oparciu o codzienną pogodę, kiedy choroba najprawdopodobniej się nasili i jak tę wiedzę wykorzystać, by opryskiwać rzadziej, lecz skuteczniej?

Jak plamistość rozprzestrzenia się po polach

Plamistość liści ocznych wywołuje grzyb, który przetrwa w pozostałościach po uprawie, a czasem w nasionach, następnie infekuje młode liście soi. Małe, wodniste plamki pojawiają się 10–14 dni po zakażeniu i rozwijają się w szare środki z czerwonawymi obrzeżami. W ciepłych i wilgotnych warunkach grzyb produkuje zarodniki, które deszcz i wiatr przenoszą na sąsiednie rośliny, inicjując nowe cykle infekcji. Powtarzające się cykle mogą powodować znaczne straty plonów, a epidemie w obu Amerykach kosztowały rolników miliardy dolarów. Wiele odmian soi nie ma silnej odporności, więc producenci mocno polegają na fungicydach, by powstrzymać tę chorobę.

Dlaczego potrzebne są mądrzejsze opryski

Przez lata popularna grupa fungicydów zwana QoI dobrze działała przeciw plamistości liści ocznych. Z czasem jednak grzyb wykształcił odporność i ta grupa często zawodzi na polach w USA. Inne grupy fungicydów wciąż działają, ale ich nadużywanie zwiększa ryzyko rozprzestrzenienia się odporności także na nie. Wiele oprysków wykonuje się nawet przy niskim nasileniu choroby, głównie jako zabezpieczenie plonu. Taka praktyka generuje koszty, zwiększa presję selekcyjną na grzyb i może marnować czas oraz środki chemiczne. Rzetelna prognoza ryzyka mogłaby pomóc rolnikom stosować zabiegi tylko wtedy, gdy prawdopodobieństwo nasilenia choroby jest wysokie, chroniąc skuteczność fungicydów i plony.

Przekształcanie wzorców pogody w ryzyko

Zespół badawczy zgromadził obserwacje plamistości liści ocznych z 279 lat-miejsc doświadczeń sojowych w 20 stanach USA oraz szczegółowe godzinowe dane pogodowe dla każdej lokalizacji. Skupili się na tym, jak nasilenie choroby zmieniało się między inspekcjami polowymi, a następnie powiązali te zmiany z ostatnimi wzorcami temperatury, wilgotności, opadów, wiatru i zwilżenia liści. Zamiast analizować wyłącznie dzienne średnie, obliczyli średnie ruchome w oknach 5–30 dni, by uchwycić dłuższe okresy warunków sprzyjających lub niesprzyjających. Wykorzystując dużą bazę danych, przetestowali wiele modeli statystycznych i uczenia maszynowego, by sprawdzić, które najlepiej przewidują, czy choroba wzrośnie między wizytami.

Wilgotność, ciepło i najlepszy model ryzyka

Wśród kilkudziesięciu czynników pogodowych długie dzienne okresy wysokiej względnej wilgotności okazały się najsilniejszym czynnikiem napędzającym wzrost choroby, szczególnie w połączeniu z ciepłem. Najbardziej użyteczny i praktyczny model opierał się tylko na dwóch wskaźnikach: 30-dniowej średniej liczby godzin dziennie z wilgotnością względną ≥ 80% oraz 30-dniowej średniej dziennej maksymalnej temperatury. Ryzyko plamistości liści ocznych pozostawało niskie, gdy pola miały mniej niż około pięć godzin dziennie tak wilgotnego powietrza, niezależnie od temperatury. Ryzyko rosło gwałtownie, gdy dzienne godziny wilgotne osiągały około 15–20, a temperatury maksymalne mieściły się w przedziale około 24–36°C, osiągając szczyt przy jednoczesnym wysokim poziomie wilgotności i ciepła. Bardziej złożone podejścia uczenia maszynowego były nieco dokładniejsze ogólnie, ale miały tendencję do zbyt częstego sygnalizowania ryzyka choroby, co mogłoby zachęcać do niepotrzebnych oprysków.

Z modelu badawczego do narzędzia dla rolników

Ponieważ prostszy model dwuczynnikowy był dokładny, łatwiejszy do zrozumienia i szybszy w obliczeniach, autorzy wybrali go do użycia w publicznym internetowym systemie wsparcia decyzji. Narzędzie to obecnie udostępnia mapy ryzyka plamistości liści ocznych w czasie rzeczywistym dla regionów uprawy soi w USA, pozwalając producentom i doradcom zobaczyć, kiedy ostatnie wzorce pogodowe sprzyjają narastaniu choroby. Choć model nie obejmuje każdej specyfiki pola, takiej jak wybór odmiany czy historia poprzednich upraw, daje solidne, pogodowe podstawy do decyzji, czy oprysk fungicydem jest rzeczywiście konieczny. Mówiąc prosto, badanie pokazuje, że obserwowanie połączenia wilgotności i ciepła w ciągu ostatniego miesiąca może pomóc producentom soi lepiej planować zabiegi, chronić skuteczność fungicydów i unikać oprysków, gdy prawdopodobieństwo nasilenia choroby jest niskie.

Cytowanie: González-Acuña, J.F., Allen, T.W., Bish, M.D. et al. Modeling the environment-related risk of frogeye leaf spot (Cercospora sojina) in soybean across the United States. Sci Rep 16, 16236 (2026). https://doi.org/10.1038/s41598-026-46975-z

Słowa kluczowe: plamistość liści ocznych, choroba soi, stosowanie fungicydów, model ryzyka pogodowego, narzędzie wsparcia decyzji