مقایسه آماری مقیاس های اندازه گیری شدت بیماری لکه خرمایی گندم

مقدمه: مقیاس ساری و پرسکات (A) یکی از معروف ترین مقیاس های اندازه گیری بیماری های برگی غلات دانه ریز است که به صورت نمره های صفر تا نه بیان می شود. مقیاس دو رقمی (AB)، از تلفیق این مقیاس و شدت بیماری روی برگ های بالایی بوته (B) به وجود آمده است. مقیاس های A و AB از جمله مقیاس های رتبه ای (متغیرهای گسسته یا ناپیوسته) محسوب می شوند که داده های حاصل از آن ها را نمی توان با روش های آماری پارامتری تجزیه کرد. در صورت تبدیل مناسب آن ها به شاخص شدت بیماری بر حسب درصد (PDI)، متغیر پیوسته ای به وجود می آید که با روش های آماری پارامتری قابل تجزیه و تحلیل خواهد بود. هدف از اجرای این مطالعه، مقایسه روش ­ها و مقیاس­های مختلف اندازه­گیری شدت بیماری، تجزیه و تحلیل آماری آن ها، بررسی مزیت ها و معایب هر کدام از این روش­ها و در نهایت معرفی روش مناسب جهت ارزیابی بیماری لکه خرمایی گندم ناشی از Drechslera tritici-repentis و نیز سایر بیماری­ های برگی غلات دانه ریز بود.مواد و روش ها: در این آزمایش، شدت بیماری لکه خرمایی روی ده رقم گندم در قالب طرح بلوک های کامل تصادفی با سه تکرار اندازه گیری و به صورت چهار متغیر A، B، AB و PDI ثبت شد. در این مطالعه، متغیر اول (A) برای نشان دادن شدت بیماری بر اساس مقیاس ساری و پرسکات (معادل رقم اول در مقیاس دو رقمی) و متغیر دوم (B) برای بیان سطح آلودگی برگ های بالای بوته (معادل رقم دوم در مقیاس دو رقمی) مورد استفاده قرار گرفت. متغیر سوم (AB) از تلفیق متغیرهای اول و دوم به دست آمد و متغیر چهارم نیز شاخص شدت بیماری بر حسب درصد (PDI) بود. به منظور مقایسه متغیرها و انتخاب بهترین آن ها، تجزیه آماری داده ها با استفاده از شاخص های آمار توصیفی، تجزیه واریانس، مقایسه میانگین ها با روش LSD و نیز ضرایب همبستگی و تحلیل رگرسیونی بین متغیرهای مورد مطالعه انجام شد.یافته های تحقیق: برآورد آماره های چولگی و کشیدگی داده های چهار متغیر مورد مطالعه در این تحقیق نشان داد که فقط متغیرهای B و PDI دارای توزیع نرمال بودند. آماره های Shapiro-Wilk و Kolmogorov-Smirnov و نمودار توزیع فراوانی داده ها نیز نرمال بودن و پیوسته بودن دو متغیر B و PDI را به خوبی نشان دادند، در حالی که متغیرهای A و AB فاقد توزیع نرمال بودند و با توجه به فاصله های ایجاد شده بین گروه های مختلف داده ها در نمودار توزیع فراوانی، می توان این متغیرها را به عنوان متغیرهای گسسته در نظر گرفت. نتایج تجزیه واریانس نشان داد که تفاوت معنی داری بین تیمارها (رقم های گندم) مورد مطالعه از نظر دو متغیر B و PDI وجود داشت، در حالی که اختلاف بین رقم ها از نظر دو متغیر A و AB غیرمعنی دار بود. بررسی روابط بین این چهار متغیر با استفاده از ضرایب همبستگی و تحلیل رگرسیون خطی، ارتباط قوی و معنی دار بین متغیرهای A و AB و نیز متغیرهای B و PDI را آشکار کرد. نتایج رگرسیون خطی نشان داد که با وجود ترکیبی بودن مقیاس دو رقمی، رابطه رگرسیونی بسیار قوی بین مقادیر مقیاس دو رقمی و متغیر A وجود داشت، در حالی که رابطه بین مقیاس دو رقمی و متغیر B ضعیف تر بود. در مقابل، PDI که به عنوان کامل ترین متغیر برای توصیف مقدار بیماری مطرح است، رابطه رگرسیونی قوی با رقم دوم مقیاس دو رقمی (متغیر B) نشان داد، اما ارتباط آن با رقم اول آن یعنی مقدار عددی مقیاس دو رقمی (متغیر A) ضعیف بود.نتیجه گیری: نتایج تجزیه و تحلیل های آماری داده های این تحقیق نشان داد که بیان داده های شدت بیماری بر حسب متغیرهای B (شدت بیماری روی برگ های بالایی بوته) و PDI (شاخص شدت بیماری) از مناسبت آماری بالاتری نسبت به داده های ثبت شده بر اساس متغیرهای A (مقیاس ساری و پرسکات) و AB (مقیاس دو رقمی)، به صورت خام و تبدیل نشده برخوردار بودند. بنابراین، بهبود و ارتقای مقیاس ساری و پرسکات به مقیاس دو رقمی، تنها در صورتی می تواند در عمل موثر واقع شود که به صورتی صحیح به شاخصی جامع از بیماری (نظیر PDI) تبدیل شود، در غیر این صورت در کیفیت کار ارزیابی تغییر چندانی ایجاد نخواهد شد. به عبارت دیگر، در ارزیابی شدت بیماری های برگی گندم، پس از تعیین شدت بیماری بر اساس مقیاس A یا AB و قبل از انجام هر گونه تحلیل آماری، ابتدا بایستی داده ها به متغیر PDI تبدیل شوند و سپس تجزیه واریانس یا تحلیل رگرسیونی داده ها انجام شود.

Keywords:

بیماری های برگی , شاخص شدت بیماری , مدیریت بیماری ها , مقیاس دو رقمی , مقیاس ساری و پرسکات