LATVIJAS LAUKSAIMNIECĪBAS UNIVERSITĀTE

LAUKSAIMNIECĪBAS FAKULTĀTE

AUGSNES UN AUGU ZINĀTŅU INSTITŪTS

AAUUGGUU SSLLIIMMĪĪBBUU UUNN KKAAIITTĒĒKKĻĻUU UUZZSSKKAAIITTEESS MMEETTOODDEESS

Biruta Bankina un Ināra Turka

Jelgava, 2013

Bankina B. un Turka I. Augu slimību un kaitēkļu uzskaites metodes. – Jelgava:

Latvijas Lauksaimniecības universitāte, 2013.- 24 lpp.

Bankina B., Turka I. Sampling methods of plant diseases and pests. Most common

sampling methods of pests and diseases of field crops and orchards are described. Optimal

sample size, terminology and protocols, as well as mathematical methods for analysis of

obtained data are given.

Recenzenti:

Inga Moročko-Bičevska Ph D, Latvijas valsts augļkopības institūta vadošā pētniece (augu

slimību uzskaite)

Artūrs Priedīte Dr. habil. agr., LLU profesors emeritus (augu kaitēkļu uzskaite)

Redaktore: Inga Skuja

ISBN 978-9984-48-090-9

© B. Bankina un I. Turka

3

SATURS

IEVADS 4

1. AUGU SLIMĪBU VĒRTĒŠANA UN UZSKAITE 5

1.1. Paraugu ņemšana augu slimību uzskaitei 5

1.2. Augu slimību uzskaite 6

1.3. Slimību attīstības raksturošana un aprakstīšana 10

1.4. Slimību ierobežošanas efektivitātes aprēķināšana 13

Izmantotā literatūra 14

2. KULTŪRAUGU KAITĒKĻU IZPLATĪTĀKĀS UZSKAITES METODES 15

2.1. Tiešās kaitēkļu uzskaites metodes 17

2.2. Netiešās kultūraugu kaitēkļu uzskaites metodes 22

2.3. Izmēģinājumi augu aizsardzībā 22

Izmantotā literatūra 24

IEVADS

Augu aizsardzības stratēģijas izvēle ir atkarīga no precīzas informācijas par

konkrēta kultūrauga sējuma vai stādījuma veselības stāvokli. Pareiza paraugu ņemšana jeb

uzskaite un profesionāla diagnostika iespējama, ja katrai kaitīgo organismu grupai izvēlēta

atbilstoša uzskaites metode. Īpaši svarīgi tas ir integrētā augu aizsardzībā, kur tiek akcentēts

ne tikai augu aizsardzības ekonomiskais ieguvums, bet arī vides aizsardzības komponente

un ražošanas ilgtspēja.

Lai noteiktu kaitēkļu populācijas relatīvo blīvumu un skaita dinamiku, līdztekus

pareizas uzskaites metodes izvēlei ļoti nozīmīgs ir noņemtā parauga lielums, jo tikai

tādējādi kultūrauga stāvokļa raksturošanai iespējams izmantot mūsdienīgas statistikas

metodes. Līdzīgi nosaka un raksturo arī kultūraugu slimību infekcijas pakāpi, izplatību un

sastopamību.

Iegūtos datus atbilstoši protokolē, lietojot profesionālu terminoloģiju, kuras sīkāks

skaidrojums latviešu, angļu un krievu valodā dots aprakstā.

5

1. AUGU SLIMĪBU VĒRTĒŠANA UN UZSKAITE

Augu slimības ir viens no būtiskākajiem riska faktoriem kultūraugu audzēšanā.

Potenciālie ražas zudumi lielākoties ir atkarīgi no slimību attīstības konkrētā laukā un

konkrētā auga attīstības etapā. Precīza slimību uzskaite uz lauka ļauj spriest par

potenciālajiem ražas zudumiem un līdz ar to arī par saimnieciskajiem zaudējumiem. Tikai

izvērtējot šos apstākļus, var pieņemt lēmumu par nepieciešamību lietot fungicīdus.

Visnozīmīgākais un reizē visgrūtākais uzdevums augu aizsardzībā ir precīza kaitīgo

organismu (tai skaitā augu slimību) diagnostika.

Uzskaitei nebūs nekādas praktiskas nozīmes, ja slimības tiks uzskaitītas visas kopā,

nezinot, ko tieši uzskaita. Dažādām slimībām ir atšķirīgi attīstības cikli un potenciālais

postīgums, tādēļ katra slimība jāuzskaita atsevišķi.

Slimību uzskaite nepieciešama, lai veidotu datu bāzes par slimību izplatību ilgstošā

laika periodā, jo tas dod iespēju izvērtēt situāciju un iespējamos riskus. Un, protams,

slimību uzskaite ir svarīga fungicīdu ražotājiem un tirgotājiem. Zinātnē slimības uzskaita,

gan skaidrojot patogēnu attīstības īpatnības, gan salīdzinot šķirņu ieņēmību, gan arī veicot

citus bioloģiskos pētījumus.

1.1. Paraugu ņemšana augu slimību uzskaitei

Precīzas uzskaites pamatā ir pareizi paņemti paraugi. Jebkurai paraugu vākšanas

metodei jābūt randomizētai, reprezentatīvai un objektīvai. Jo vairāk paraugu tiek paņemts

un jo lielāka lauka platība tiek apskatīta, jo precīzāki būs rezultāti. Taču reālajā dzīvē gan

laiks (uzskaite jāveic noteiktā augu un slimības attīstības fāzē), gan resursi (tai skaitā

darbaspēks) ir ierobežoti. Tādēļ izvēlētā paraugu ņemšanas sistēma vienmēr ir kompromiss

starp to, kas būtu nepieciešams, un to, ko reāli var izdarīt. Tiek uzskatīts, ka slimības

izplatības noteikšanai ražošanas laukā vajadzīgi vismaz 100 augi vai to daļas (stiebri, lapas,

stublāji utt.).

Parasti paraugus vāc randomizēti, pa diagonāli vai zigzag veidā pārejot lauku. Taču,

ja slimības izplatās perēkļveidīgi, objektīvākus datus iegūst, ja vairākās vietās (vismaz

piecās) ņem visus augus pēc kārtas – piemēram, visus stiebrus no 1 metru garas rindas vai

visus stublājus no divām paralēli esošām rindiņām 25 cm garumā, vai arī visus augus no 0.5

m2 vai 1.0 m

2. Svarīgi atcerēties, ka paraugus neņem no malējām rindām, no rindām, kuras

cietušas dažādu faktoru ietekmē, un no citādi netipiskām lauka vietām. Savukārt, ja lauks ir

neviendabīgs, piemēram, ar vienu stūri piekļaujas mežam, bet tālāk ir klajš, tad paraugi

jāņem atsevišķi no katras lauka daļas.

Paraugu ņemšanas laiks un biežums ir atkarīgi no pētījumu mērķa. Praktiskām

vajadzībām slimības uzskaita kultūraugu un/vai slimības attīstības kritiskajos periodos –

piemēram, graudaugu slimības parasti uzskaita stiebrošanas sākumā, vārpošanas un

gatavības fāzē. Lai konstatētu pirmos simptomus, uzskaites veic regulāri ik pēc noteikta

laika. Taču ir gadījumi, piemēram, rapša stublāju slimības vai graudaugu stiebru un sakņu

puves, kad uzskaite visprecīzākā ir tūlīt pēc ražas vākšanas. Zinātniskajos pētījumos

uzskaites visbiežāk tiek veiktas regulāri visa veģetācijas perioda garumā.

1.2. Augu slimību uzskaite

Slimību uzskaitei izmanto gan tiešos, gan netiešos rādītājus. Tiešie rādītāji ir

uzskaitītie slimības bojājumi vai patogēna propagulas (mikroorganisma daļiņa, kas spēj

izraisīt inficēšanos) tieši uz auga vai augā. Netiešie – uzskaitītās patogēna propagulas vidē

(augsnē, gaisā) vai slimības sekas (izmaiņas ražas struktūrelementos).

Literatūrā saistībā ar slimību uzskaitēm lieto dažādus jēdzienus un reizēm grūti

saprast, ko kurš rādītājs nozīmē. Tomēr augu patoloģijā klasiski par tiešajiem rādītājiem

uzskata trīs galvenos rādītājus (iekavās dots nosaukums angliski un krieviski).

Sastopamība (prevalence or occurrence; встречаемость)

Izplatība (incidence; распространенность)

Attīstības pakāpe (severity; интенсивность)

Sastopamība (izsaka procentos) rāda konkrētās slimības esamību noteiktā reģionā

vai gadā. Rēķina, cik laukos vai dārzos no visiem apskatītajiem attiecīgā slimība ir atrasta.

Piemēram, apskatīti 30 kviešu lauki, no kuriem sešos konstatēta miltrasa (ier. Blumeria

graminis). Tātad miltrasas sastopamība bijusi 20%. Šajā gadījumā nav svarīgi, cik augu vai

auga daļu bija inficēts konkrētā laukā vai cik nozīmīgi bija simptomi. Šo rādītāju parasti

izmanto monitoringam vai skrīningam, lai iegūtu vispārēju priekšstatu par slimības

esamību/neesamību un varbūtējo nozīmīgumu konkrētā reģionā vai noteiktos

agroekoloģiskajos apstākļos. Konkrētas slimības sastopamība daudzu gadu griezumā ļauj

spriest par riska pakāpi, jo tā atspoguļo slimības attīstības tendences. Piemēram, pēdējo 50

gadu laikā Latvijā stiebru rūsas (Puccinia graminis) sastopamība kviešu sējumos ir

ievērojami samazinājusies, turpretim lapu plankumainību (ier. Pyrenophora tritici-repentis

un Septoria tritici) sastopamība – palielinājusies.

Izplatība (izsaka procentos) rāda inficēto augu vai augu daļu īpatsvaru no visiem

apskatītajiem. Izplatību nosaka katram laukam (dobei, rindai u. tml.) atsevišķi, un no katras

vienības ņem konkrētu paraugu (visu augu, visas lapas, visus stiebrus utt.) skaitu.

Piemēram, no konteinera randomizēti savāc 100 kartupeļus, un no tiem uz 10 bumbuļiem

atrod sauso puvi (ier. Fusarium spp.). Tātad sausās puves izplatība ir 10%. Rādītājs ir

precīzs, samērā viegli aprēķināms, taču izmantojams tikai tādu slimību raksturošanai, kuru

izplatība ir tieši saistīta ar potenciālajiem ražas zudumiem. Piemēram, jebkurš puves bojāts

auglis vai kartupelis rada ražas zudumus neatkarīgi no tā, vai bojāta puse vai trešdaļa

bumbuļa. Izplatību parasti nosaka sistēmiskajām slimībām, kuru rezultātā viss augs (auga

izmantojamā daļa) iet bojā – piemēram, tomātu vīte (ier. Fusarium spp.) vai miežu putošā

melnplauka (ier. Ustilago nuda).

7

Attīstības pakāpi (latviešu valodā lieto arī „infekcijas līmenis”, „intensitāte”)

izsaka procentos vai ballēs. Attīstības pakāpe rāda vidējo lielumu – cik proporcionāli liela

audu daļa ir bojāta no visa auga vai auga daļas; to rēķina pēc formulas (1):

n

ncnbna

.........)***(AP

321

kur AP – attīstības pakāpe;

a, b, c – attīstības pakāpes konkrētam augam vai tā daļām;

n1, n2, n3 – augu vai augu daļu skaits ar attiecīgo attīstības pakāpi;

n – kopējais novērtēto augu vai augu daļu skaits.

Attīstības pakāpi nosaka slimībām, kuru potenciāli izraisītie zudumi saistīti ar audu

bojājuma pakāpi. Piemēram, miltrasas izplatība ir 100% (simptomi atrodami uz katra auga),

bet vienā gadījumā vidēji uz auga redzami tikai atsevišķi punktiņi, citā – lapas pārklātas

gandrīz pilnībā. Ražas zudumi būs atkarīgi nevis no slimības izplatības, bet slimības

attīstības pakāpes.

Šo rādītāju nosaka vizuāli, tādēļ tas ir relatīvs, jo novērtējumi ir subjektīvi. Slimības

attīstības pakāpe ir ļoti nozīmīga, jo tā parāda atšķirības starp šķirnēm, starp slimību

ierobežošanas paņēmieniem, kā arī atspoguļo slimības attīstības progresu veģetācijas

periodā. Darba atvieglošanai var izmantot skalas, kurās grafiski attēlota attiecīgā slimības

attīstības pakāpe uz auga daļām (Nutter et al., 2006).

1. attēlā redzamas dažādu slimību attīstības pakāpes viendīgļlapjiem un

divdīgļlapjiem (autore G. Bimšteine). Attēlu nevar nosaukt par skalu, jo procenti precīzi

neatbilst bojātajam laukumam, taču tas uzskatāmi demonstrē reālo novērtēšanas metodiku

lauka apstākļos.

(1)

Miežu gredzenplankumainības

(ier. Rhynchosporium secalis) attīstības

pakāpes

Kļavu melnkreves (ier. Rhytisma acerinum)

attīstības pakāpes

1. att. Dažādu slimību attīstības pakāpes uz miežu un kļavu lapām.

Ir izveidotas datorprogrammas, kuras palīdz noteikt slimību attīstības pakāpi: augus

vai auga daļas skenē vai fotografē un iegūtos attēlus digitāli analizē. Pašlaik šādas metodes

galvenokārt izmanto zinātniskos pētījumos; tās ir pārlieku darbietilpīgas, lai pielietotu

ražošanas apstākļos. Dabā bieži pastāv kompleksa infekcija, turklāt vienlaicīgi var būt arī

plankumi, kuri radušies citu, neparazitāru iemeslu dēļ, kā arī iespējami kukaiņu bojājumi.

Ja attīstības pakāpi izsaka ballēs, jāizveido īpaša skala. Nozīmīgākajām slimībām

skalas jau ir izstrādātas, daudzos gadījumos tās var pielāgot, taču specifiskiem pētījumiem

vai maz pētītām slimībām veido oriģinālas skalas. Rapša stublāja vēža (ier. Leptosphaeria

spp.) attīstības pakāpes novērtēšanai izmanto Zhou izstrādāto piecu ballu skalu (Zhou et al.,

1999): 0 – slimības pazīmju nav; 1 – plankums/-i pārklāj mazāk nekā pusi stublāja

diametra; 2 – plankums/-i pārklāj vairāk nekā pusi stublāja diametra; 3 – plankums pārklāj

visu stublāja diametru; 4 – augs ir miris vai nolūzis.

Ja slimība ir sistēmiska un pazīmes izpaužas uz visa auga, arī tad jāizmanto

speciālas skalas. Piemēram, I. Moročko-Bičevska izveidojusi piecu ballu skalu zemeņu

sakņu un stublāju pamatnes puves (ier. Gnomonia fragariae) attīstības pakāpes noteikšanai

(Moročko-Bičevska et al., 2011): 1 – slimības simptomu nav; 2 – augs normāls vai nedaudz

atpalicis augumā, ārējās cera lapas atmirušas vai mainījušas krāsu (sarkanas, dzeltenas),

melna puve uz lapu kātu pamatnēm, peritēciju nav; 3 – augs redzami atpalicis augumā, cera

ārējās lapas atmirušas vai mainījušas krāsu (sarkanas, dzeltenas), izteikta melna puve uz

lapu kātu pamatnēm, atsevišķas lapas vīst, jaunās lapas var būt sīkas un zilganzaļas,

atsevišķi sakņu kakli atmiruši, peritēciji (augļķermeņi) ir; 4 – augs stipri atpalicis augumā,

lielākā daļa cera ārējo lapu atmirušas, lielākā daļa sakņu kakla atmirusi, jaunās lapas sīkas

un zilganzaļas, peritēciji ir; 5 – augs aizgājis bojā.

Citādas skalas izmanto šķirņu rezistences novērtēšanai, jo tajās tiek ņemta vērā ne

tikai bojāto audu proporcija, bet arī citas slimību izpausmes formas. Daudzos gadījumos

svarīgi novērtēt rezistences reakciju izpausmes – audu hlorozes (audi dzeltē) vai nekrozes

(audi atmirst) veidošanos; citos gadījumos novērtē simptomu izpausmi – pustulu (sēnes

9

sporu sakopojums, kas veidojies zem vai virs auga epidermas) lielumu un izvietojumu. Šīs

skalas dažādiem kultūraugiem un dažādiem patogēniem var būt atšķirīgas.

Atsevišķos gadījumos lieto jēdzienu bojājuma pakāpe (arī „slimības intensitāte”,

„slimības indekss”) (degree of damage, intensity of disease, index of disease;

интенсивность). Izsaka procentos un rēķina pēc formulas (2). Bojājuma pakāpe rāda,

kāda ir bojājuma kategorija (procentos no maksimāli iespējamā bojājuma) noteiktai šķirnei,

laukam vai citai paraugu kopai. Lai šo rādītāju izmantotu, vispirms jāsastāda vērtēšanas

skala. Piemēram, Juhasova un Praslieka izveidojušas piecu kategoriju skalu bumbieru rūsas

bojājumu pakāpes noteikšanai (Juhasova, Praslieka, 2002): 1 – uz lapas 1 līdz 5 ecīdijas; 2

– uz lapas 6 līdz 10 ecīdijas; 3 – 11 līdz 15 ecīdiju; 4 – 16 līdz 20 ecīdiju; 5 – 21 un vairāk

ecīdiju.

(2)

kur BP – bojājuma pakāpe;

n – lapu skaits ar konkrēto kategoriju;

v – kategorijas skaitliskā vērtība;

5 – kategoriju skaits skalā;

N – kopējais apskatīto lapu skaits.

Izvēloties uzskaites metodi, skaidri jāzina, kādam mērķim uzskaite tiek veikta. Ja

lauks ir ražošanas apstākļos, tad pietiks noteikt rādītāju „slimības izplatība”, lai lemtu par

fungicīdu izmantošanas lietderību, taču ja mērķis ir salīdzināt šķirnes, tad jānosaka slimības

attīstības pakāpe un/vai bojājuma pakāpe. Zinātniskiem pētījumiem, piemēram, lai

noskaidrotu slimības izplatīšanās varbūtību, jānovērtē katra lapa vai katrs augs atsevišķi.

Slimību kvantitatīvā uzskaite tiek veikta arī ar molekulārām un imunoloģiskām

metodēm: attiecīgā patogēna nukleīnskābju daudzums tiek konstatēts tieši augu audos.

Kaut gan pašlaik šīs metodes pielieto galvenokārt zinātnē, to izmantošanas iespējas strauji

palielinās. Molekulārās metodes jau tagad izmanto karantīnas organismu identificēšanā, kā

arī augu un augu kravu pārbaudēs. Šīs metodes izmanto stādāmā materiāla veselīguma

noteikšanā.

Otrs pētījumu virziens ir dažādu fizikālu metožu izmantošanas iespējas, piemēram,

nosakot izmaiņas hlorofila daudzumā, mērot lapu temperatūras izmaiņas utt., taču arī šīm

metodēm pagaidām ir ierobežots praktiskais pielietojums.

Netiešie rādītāji. Netiešos rādītājus lieto slimību, piemēram, ābeļu kraupja (ier.

Venturia inaqualis) izplatības riska novērtēšanai. Uzskaita gan pseudotēciju (augļķermeņi,

kuros attīstās asku sporas) daudzumu nobirušajās lapās, gan asku sporu daudzumu gaisā.

Netiešās metodes attīstās līdz ar tehnoloģiju attīstību. To slimību uzskaitei, kuras

izplatās ar sporām pa gaisu, bieži izmanto sporu ķērājus. Ar to palīdzību var uzskaitīt gan

noteiktā gaisa tilpumā esošās sporas, gan arī tās, kuras nosēdušās uz kādas konkrētas

virsmas.

Netieša metode ir arī laputu uzskaitīšana, lai vērtētu vīrusu ierosināto slimību

iespējamo izplatību.

1.3. Slimību attīstības raksturošana un aprakstīšana

Slimību uzskaite tiek veikta slimību attīstības un/vai auga attīstības kritiskajā fāzē

vai arī regulāri visa veģetācijas perioda garumā ik pēc noteiktiem intervāliem. Visbiežāk

šādi pētījumi tiek veikti vairāku gadu garumā.

Slimības uzskaites rezultāti visā veģetācijas periodā raksturo katras konkrētas

slimības attīstības īpatnības, ko vizuāli attēlo slimības attīstības līkne jeb saīsināti DPC

(no angļu valodas – disease progress curve) (2. att.).

Slimības attīstības līkni zīmē, lai parādītu izmaiņas vairāku gadu garumā. Šajā

gadījumā izmanto datus, kas atspoguļo slimības sastopamību (vai arī attīstības pakāpi,

izplatību) slimības maksimālās izplatības laikā vai augam kritiskā periodā. Datus iegūst

noteiktā augu attīstības etapā vai laika periodā – parasti konkrēta nedēļa gadā (3. att.).

2. att. Kviešu lapu plankumainību attīstības īpatnības veģetācijas periodā

(vidēji 1995–2002).

11

3. att. Dzeltenās rūsas sastopamība Latvijā (Bankina et al., 2011).

Šādas līknes zīmē, lai salīdzinātu slimības attīstību atkarībā no dažādiem faktoriem

(šķirnes, priekšaugi, dažādi fungicīdi u.c.). DPC integrēti parāda patogēna, auga un vides

mijiedarbību. Ja veģetācijas perioda laikā tiek veikta slimību ierobežošana, arī tā

atspoguļojas līknes zīmējumā.

Slimību attīstību veģetācijas periodā var izteikt skaitliski un vēlāk matemātiski

apstrādāt. Slimības kopējo attīstību parāda laukums zem slimības attīstības līknes jeb

AUDPC (no angļu valodas – area under the disease progress curve). AUDPC aprēķina pēc

formulas (3,) bet rēķināšanas princips parādīts 4. attēlā. Aprēķinu precizitāte un atbilstība

realitātei atkarīgas no uzskaites reižu daudzuma un intervāla starp tām: jo vairāk uzskaites

reižu un jo īsāki intervāli, jo ticamāki iegūtie rezultāti. Visbiežāk lietotie intervāli ir

septiņas dienas, bet slimībām, kuras attīstās ļoti ātri (piemēram, neīstā miltrasa), uzskaites

vēlams veikt ik pēc trim dienām.

(3)

kur AUDPC – laukums zem slimības attīstības līknes;

n – uzskaites reizes;

x – slimības attīstības pakāpe uzskaites reizē;

t1 – t2 – laika periods starp uzskaites reizēm.

4. att. AUDPC aprēķināšanas princips – laukumu rēķina, izmantojot tā saukto

viduspunkta principu.

AUDPC ir integrēts rādītājs, kas atspoguļo slimības attīstību laikā un telpā. To

izmanto, lai aprakstītu slimības, piemēram, lapu plankumainības, kartupeļu lakstu puvi,

miltrasu, kuru radītie bojājumi un sekojošie ražas zudumi ir proporcionāli slimību ilgumam

un attīstības pakāpei. Izmantojot AUDPC vērtības, var salīdzināt šķirņu rezistenci,

ierobežošanas pasākumu efektivitāti, kā arī dažādu slimību ietekmi uz augiem konkrētā

veģetācijas sezonā.

Slimības attīstības ātrums (precīzāk būtu teikt „redzamo simptomu parādīšanās

ātrums”) rāda, par cik vienībām palielinājusies (samazinājusies) slimības attīstības pakāpe

vai izplatība noteiktā laika vienībā. Slimības attīstības ātruma atšķirības izmanto, lai

raksturotu dažādus epidēmijas attīstības aspektus. Slimības attīstība nav lineāra, tādēļ tās

raksturošanai parasti izmanto nevis tieši iegūtos skaitļus, bet to logaritmus. Vienkāršāko

vienādojumu (formula 4) slimības attīstības ātruma aprēķināšanai sastādījis Van der Planks.

Vēlākos gados veiktas dažādas, specifiskiem gadījumiem paredzētas modifikācijas (Kranz,

2003).

(4)

kur r1 – slimības attīstības ātrums;

x2 – slimības attīstības pakāpe nākamajā uzskaites reizē;

x1 – slimības attīstības pakāpe iepriekšējā uzskaites reizē;

t2 – t1 – dienu (vai citu laika vienību) skaits starp divām uzskaitēm.

Slimības attīstības ātrumu rēķina dažādiem laika periodiem vai arī visai veģetācijas

sezonai kopumā. Izmaiņas slimības attīstības ātrumā atspoguļo patogēna bioloģiskās

īpatnības un tā mijiedarbību ar augu.

Dienu skaits 7 6 8 7

pēc iepriekšējās uzskaites

13

5. att. Miltrasas (ier. Blumeria graminis) un

gredzenplankumainības (ier. Rhynchosporium graminicola) attīstības

vidējie ātrumi ziemas miežu sējumos 2009.–2011. gadā.

5. attēlā parādītas miltrasas un gredzenplankumainības attīstības ātruma izmaiņas

veģetācijas sezonā. Redzams, ka miltrasas attīstības ātrums stiebrošanas fāzes laikā ir

negatīvs, jo jaunās miežu lapas atvērušās ātrāk, nekā veidojušās miltrasas kolonijas, līdz ar

to slimības attīstības pakāpe samazinās. Taču vārpas piebriešanas laikā slimības attīstības

ātrums strauji palielinās, jo miltrasas attīstība visstraujāk noris uz jaunajām lapām.

Redzams, ka vēlākos attīstības etapos, lapām novecojot, arī slimības attīstības ātrums

samazinās. Miltrasas attīstības ātruma izmaiņas liecina, ka slimības attīstības kritiskais

periods ir līdz ziedēšanai. Turpretim gredzenplankumainība, kā redzams attēlā, salīdzinoši

vienmērīgi attīstās visu veģetācijas sezonu.

Zināšanas par kritiskajiem periodiem var izmantot, izstrādājot slimību

ierobežošanas shēmas – piemēram, graudaugu sējumos miltrasa visbiežāk jāierobežo

veģetācijas perioda sākumā, bet lapu plankumainības – pēc ziedēšanas.

Izrēķinot slimības attīstības ātrumu visā veģetācijas periodā, var novērtēt slimības

potenciālo postīgumu noteiktā periodā vai reģionā. Tā, iepriekšminētajā piemērā (5. att.)

labi redzams, ka gredzenplankumainības attīstība bijusi ievērojami straujāka nekā miltrasas

– attiecīgi 0.15 un 0.07 nosacīto vienību dienā. Līdz ar to var uzskatīt, ka

gredzenplankumainība bija potenciāli postīgāka.

Slimības attīstības ātrumu ietekmē saimniekauga ieņēmība, patogēna virulence un

agresivitāte, laikapstākļi un citi faktori.

1.4. Slimību ierobežošanas efektivitātes aprēķināšana

Slimību uzskaites un epidēmiju aprakstīšanas galējais mērķis ir efektīva, lēta un

videi pēc iespējas mazāk kaitīga slimību ierobežošanas sistēma.

Fungicīdu (augu aizsardzības līdzekļi slimību ierobežošanai) efektivitāti raksturo

jēdziens tehniskā efektivitāte. Tā rāda, kādā mērā slimība tikusi ierobežota, un to izsaka

procentos. Fungicīdu tehniskās efektivitātes aprēķināšanai visos gadījumos jāveic

izmēģinājumi, jo laukus (lauciņus, dobes, augļu koku kvartālus u.c. vienības), kuros lietoti

fungicīdi, var salīdzināt tikai ar tiem laukiem, kuros fungicīdi nav izmantoti. Novērtēšanas

laiks ir atkarīgs no konkrētās slimības, taču visbiežāk vērtējums tiek izdarīts tajā augu

attīstības fāzē, kurā slimības pazīmes var novērtēt vislabāk, piemēram, visām graudaugu

lapu plankumainībām tā ir piengatavība līdz dzeltengatavība, putošajai melnplaukai –

ziedēšanas fāze. Savukārt kodināšanas efektivitāti pret sniega pelējumu vērtē, veģetācijai

atjaunojoties. Atkarībā no slimības attīstības cikla un izpausmes formām fungicīdu

efektivitātes novērtēšanai izmanto datus par slimības izplatību vai attīstības pakāpi.

Zinātniskos pētījumos, lai iegūtu precīzākus rezultātus, bieži papildus aprēķina arī

AUDPC vērtības variantos, kur fungicīdi lietoti, un variantos, kur tie nav lietoti.

Fungicīdu lietošanas tehnisko efektivitāti aprēķina pēc formulas (5).

(5)

kur T – tehniskā efektivitāte,

k – slimības attīstības pakāpe (izplatība, AUDPC) variantā, kur fungicīdi nav lietoti;

v – slimības attīstības pakāpe (izplatība, AUDPC) variantā, kur fungicīdi lietoti.

Tehniskā efektivitāte ir tikai viens no faktoriem, kas jāņem vērā, lemjot par slimību

ierobežošanas nepieciešamību. Ļoti būtisks ir fungicīdu lietošanas ekonomiskais

novērtējums, jo nav lietderīgi slimības ierobežot tad, ja paredzami nelieli ražas zudumi (to

vērtība nepārsniegs ieguldītos resursus).

Diemžēl reāli novērtēt iespējamos ražas zudumus fungicīdu smidzināšanas laikā ir

ļoti grūti, jo pārāk daudz ir nezināmo faktoru, tai skaitā meteoroloģiskie apstākļi

turpmākajā laika periodā. Pašreizējās slimību attīstības prognožu sistēmas vēl nav

pietiekami drošas, un galīgais lēmums tomēr ir atkarīgs no speciālista subjektīvā viedokļa.

Precīza slimību identificēšana un zināšanas par slimību attīstības cikliem konkrētos

apstākļos ir efektīvas – un tajā pašā laikā vidi saudzējošas – slimību ierobežošanas sistēmas

pamats.

IZMANTOTĀ LITERATŪRA

Agrios G.N. (2005). Plant Pathology. Elsevier Academic Press, 922 p.

Augu slimības (2003). B. Bankinas red. Jelgava: LLU, 247 lpp.

Bankina B., Jakobija I., Bimšteine G. (2011) Peculiarities of wheat leaf disease distribution

in Latvia. Acta Biologica Universitatis Daugavpiliensis. 11 (1): 88-95.

15

Cooke B.M. (2006). Disease assessment and yield losses. In: The epidemiology of plant

diseases. Ed by B.M. Cooke, D.G. Jones and B. Kaye, Springerlink, 43-80.

Juhasova G., Praslieka J. (2002) Occurrence and harmful effects of Gymnosporangium

sabinae (Dicks) Winter in Slovak republic. Plant Protection Science, 38(3): 89 – 93.

Kranz J. (2003) Comparative epidemiology of plant diseases. Springer, 206 p.

Moročko-Bičevska I., Sokolova O., Laugale V. (2011) The effect of cultural practices on

severity of strawberry root rot and petiole blight. Integrated plant protection in soft fruits,

IOBC/wprs, 70, p. 191-195.

Nutter F.W., Teng P.S., Shokes F.M. (1991). Disease assessment terms and concepts. Plant

diseases, 75(11): 1187-1188.

Nutter F.M., Esker P.D., Netto R.A.C. (2006) Disease assessment concepts and the

advancements made in improving the accuracy and precision of plant disease data.

European Journal of Plant pathology, 115: 95–103.

The epidemiology of plant diseases. (2006): ed. by BM Cooke, D.G. Jones and B. Kaye.

Springerlink, 2nd

edition, 576 p.

Turka I., Bankina B. (1999) Kartupeļu un graudaugu slimību un kaitēkļu uzskaites metodes

un izmēģinājumu iekārtošana integrētās aizsardzības sistēmās. Jelgava. 411pp.

Zhou Y, Fitt BDL, Welham SJ, Gladders P, Sansford CE & West JS (1999) Effects of

severity and timing of stem canker (Leptosphaeria maculans) symptoms on yield of winter

oilseed rape (Brassica napus) in the UK. European Journal of Plant Pathology, 105: 715-

728.

2. KULTŪRAUGU KAITĒKĻU IZPLATĪTĀKĀS UZSKAITES

METODES

Kultūraugu kaitēkļu uzskaites tiek veiktas, lai noskaidrotu to sastopamību un

ģeogrāfisko izplatību, kā arī lai precizētu to ierobežošanas nepieciešamību. Detalizēti

analizējot iegūtos datus, var noskaidrot kaitēkļu attīstības gaitu uz konkrēto meteoroloģisko

apstākļu un augu attīstības stadijas fona. Lēmumu par augu aizsardzības līdzekļu lietošanu

saimniecības vai valsts līmenī var pieņemt, tikai pamatojoties uz reprezentatīviem kaitēkļu

populāciju blīvuma uzskaites datiem (Dent, 1993). Uzskaites metodēm jābūt

standartizētām, viegli veicamām un lētām. Metodes un uzskaites laikus izvēlas, balstoties

uz zināšanām par kaitēkļu attīstības cikliem un kultūraugu attīstības etapiem.

Kultūraugu kaitēkļu uzskaites veic:

izbraukuma ekspedīcijās;

tīrumos, dārzos, segtās platībās;

stacionārās vietās ilgstošā laika periodā.

Ekspedīcijās noskaidro kaitēkļu relatīvo invāziju un migrācijas līmeni, bet

specifiskās lauka uzskaitēs – kaitēkļu sugu sastāvu, populāciju relatīvo blīvumu,

populācijas skaita dinamiku un kultūrauga izplatības viendabīgumu konkrētā tīrumā

(Southwood, 1975, 1978). Pēc šiem datiem iespējams pieņemt pamatotākus lēmumus par

kaitēkļu ierobežošanas pasākumiem, kaitīguma ekonomiskajiem sliekšņiem un kaitīguma

rīcības sliekšņiem.

Kaitēkļu uzskaites jeb monitorings stacionārās vietās ļauj iegūt zinātniskus datus

par izmaiņām reģionālā, gadu un sezonu griezumā.

Kultūraugu kaitēkļi un kaitēkļu dabiskie ienaidnieki apdzīvo visas auga daļas: lapas,

lapu žākles, ziedus, sēklas, stublājus, saknes. Tātad daļai no tiem ir atklāts, daļai – slēpts

dzīves veids. Līdz ar to jāizvēlas atšķirīgas kaitēkļu uzskaites metodes un uzskaites laiks.

Optimālā uzskaites laika izvēle atkarīga no kaitēkļu attīstības cikla, vides un

konkrētiem ekoloģiskajiem apstākļiem. Tā kā kultūraugu kaitēkļu attīstība ir saistīta ar

konkrētā auga attīstību, tad bieži vien pēc augu sadīgšanas jāsāk kontrolēt situācija, lai

konstatētu pirmo kaitēkļu parādīšanos un novērotu to tālāko attīstību.

Kultūraugu kaitēkļi jāuzskaita vismaz vienu reizi nedēļā, vienā un tajā pašā nedēļas

dienā un laikā. Atsevišķos gadījumos (atsevišķās vasarās), kad izveidojušies īpaši labvēlīgi

apstākļi kukaiņu attīstībai un kaitēkļu attīstība norit ļoti strauji, jālemj par otru uzskaites

reizi nedēļā. Pētot atsevišķas kukaiņu kārtas, papildus jāveic literatūras studijas, lai

iepazītos ar šo kukaiņu diennakts ritma īpatnībām un izvēlētos aktīvākās diennakts stundas.

Tas gan neattiecas uz stacionāri novietotiem slazdiem un lamatām.

Pirms uzsākt kaitēkļu uzskaiti ar kādu no turpmāk minētajām kaitēkļu uzskaites

metodēm tīrumā vai dārzā, vispirms vizuāli jānovērtē sējuma, stādījuma vai dārza

vispārējais stāvoklis. Protokolā jāatzīmē, ja vērojami kultūraugam netipiski plankumi un

perēkļi.

Pirms paraugu vākšanas jānolemj, kādu paraugu skaitu ievākt attiecīgajā laukā.

Pirms reālās paraugu vākšanas vēlams veikt priekšizpēti. Šim nolūkam var izmantot

zinātniskās literatūras datus par līdzīgiem apstākļiem vai arī var veikt priekšizpēti un

analizēt iegūtos vākumus.

Ievāktajam paraugu skaitam ir liela ietekme uz secinājumu precizitāti. Lai

aprēķinātu paraugu skaitu, kāds nepieciešams darbam ar uzskaites izlases daļu (piemēram,

ar kukaiņiem invadēto augu vai to daļu procentuālo attiecību), lietojama formula, kurā

17

izmanto randomizētās paraugu ņemšanas laikā iegūtos datus un apriori zināšanas par

sastopamības varbūtības P vērtību. Piemēram, ja priekšizpētes vākumos apmēram 30%

augu ir kukaiņu invadēti, tad P=0.30. Šajā gadījumā ievācamo uzskaites paraugu skaits (n),

lai nepārsniegtu 5% kļūdas robežu, ir:

kur t – Studenta kritērijs no statistikas tabulām, ja c = 0.05, ir 1.96;

q = 1 - p,

p – veselie augi vai augu daļu attiecība.

Lai noteiktu uzskaites paraugu skaitu (n) turpmākajām randomizētajām uzskaitēm,

lieto formulu:

n

No priekšizpētes datiem izmanto parauga standartnovirzi (s) un vidējā parauga

vērtējuma datus (y); c skatīt iepriekš (Walker, 1991).

Uzskaites protokols jāveido tā, lai situācija tiktu pilnīgi aprakstīta un vēlāk to būtu

viegli izmantot datu apstrādē. Parasti katram kaitēklim un kaitēkļa konstatētajām

parazitārajām un plēsīgajām sugām sagatavo vienotu protokolu (1. tabula) (protokols

modificēts pēc Gilkerson1).

1. tabula

Ievākto paraugu uzskaites protokols

Datums Saimniecība/Lauks Kultūraugs Kultūrauga attīstības

fāze un etaps

Meteoroloģiskie mērījumi laukā

1 2 3 4 5 6 7 8 9 10 Σ

Kaitēkļa

nosaukums

Imago

Kāpurs

Kūniņa

Parazitāra

suga

Plēsīga suga

1 http;//www.extension.org/pages/19198/overview-of-monotoring-and-identification-tec...

Lai izslēgtu malas efektu, pamatuzskaites sāk pāris metru no lauka malas. Lauka vai

dārza malā mītošo kukaiņu uzskaites veic un reģistrē atsevišķi. Atkarībā no lauka

konfigurācijas uzskaites veic pa divām diagonālēm vai ļoti šauros laukos – zigzagveidā.

Gatavojot kopsavilkumus par uzskaitīto sugu dinamiku, grafikos jāizmanto

logaritmiskās skalas.

Kaitēkļu uzskaitēm tiek izmantotas tiešās un netiešās uzskaites metodes. Lai sekotu

līdzi kaitēkļu attīstībai tieši uz auga, tos uzskaita uz stublāja, lapām, ziedpumpura vai

vārpas – tiešā uzskaites metode. Savukārt netiešās uzskaites metodes pamatā ir kaitēkļa

radīto bojājumu uzskaite.

2.1. Tiešās kaitēkļu uzskaites metodes

Lidojošu kukaiņu un citu brīvi dzīvojošu kukaiņu uzskaitēm izmanto entomoloģisko

tīkliņu, līmes slazdus (dažādu krāsu līmes plāksnes un vairogi, kā arī vējā rotējošas līmes

lamatas), dažādu krāsu Moerikes ūdens trauku lamatas, dažādas konfigurācijas feromonu

slazdus. Epigejisko kukaiņu uzskaitēm izmanto zemsedzes lamatas kukaiņu pievilināšanai.

Piemēram, rudzu tripša Limothrips denticornis Hal. izplatību graudaugu sējumos

nosaka (pēc VAAD instrukcijas) no graudaugu karoglapas parādīšanās līdz ziedēšanas

beigu stadijai (AS 37-69). Uzskaita tikai pieaugušos īpatņus.

Invadētos augus (%) vērtē randomizēti 5 vietās, katrā pa 5 stiebriem (kopā 25

stiebrus), atverot karoglapas maksti un saskaitot invadētos stiebrus. Invadēto augu skaitu

aprēķina procentos.

Invāzijas pakāpi (%) nosaka, saskaitot tikai pieaugušos īpatņus un aprēķinot vidējo

tripšu skaitu uz stiebra (%).

Līdzīgi uzskaita laputis un citus brīvi dzīvojošus kukaiņus uz stiebra, vārpas u.c.

auga daļām. Piemēram, uzmanīgi nobrauka laputu kolonijas no 25 stiebriem (5 stiebri no 5

vietām) un aprēķina laputu daudzumu. Auzu melno stiebrmušu (Oscinella frit L.) vērtē

vienu reizi labību agrās stiebrošanas fāzē (piemēram, vasarājiem – DC 30), saskaita bojātos

galvenos dzinumus vismaz 20 augiem 5 vietās un aprēķina bojāto galveno dzinumu skaitu

procentos.

Entomoloģiskais tīkliņš. Entomoloģiskā tīkliņa izmantošana kukaiņu uzskaitēs

literatūrā dažkārt tiek kritiski vērtēta (Southwood, 1955), tomēr praksē to joprojām lieto, lai

noteiktu sugu sastāvu, populāciju relatīvo blīvumu un skaita dinamiku dažādās

agrocenozēs. Parasti vienam paraugam atbilst 50 tīkliņa vēzienu, ja vienā tīrumā vāc ne

mazāk par 10 paraugiem. Piemēram, plaši izmantotajam entomoloģiskajam tīkliņam ir

nošķelta konusa forma ar piesienamu maisiņu kukaiņu savākšanai un 1.20 m garš rokturis.

Parasti mazā atvēruma diametrs ir 8 cm. Laukumu, kurā tiek ievākti kukaiņi, nosaka,

izmantojot aprēķinus, kas doti 6. attēla aprakstā.

19

6. att. Entomoloģiskā tīkliņa atvēruma shēma:

S )( d – apļa laukums, kur d – roktura garums (mazā apļa diametrs), d = 1.2 × 2 =

2.4 m;

– tīkliņa diametrs, =0.3 m;

D – lielā apļa diametrs, D = 2 × (1.2 + 0.3) = 3 m; S = 3.14 × (2.4 + 0.3) = 2.54 m;

C/R =S/S1.5, kur C – lielā apļa perimetrs, R – lielā apļa rādiuss, S – riņķveida apļa laukums,

S1.5 – laukums, kuru aptver 1.5 m vēziens ar tīkliņu;

C = 2 R = 2×3.14×1.5 = 9.4 m;

Viena parauga laukums: 0.4 m2 × 50 tīkliņa vēzienu = 20 m

2-1. Tādējādi 10 paraugi

reprezentē kukaiņu uzskaites 200 m2-1

platībā, ko nosacīti var pārrēķināt uz visu

apsekojamo platību.

Priekšizpētes laikā jāveic vismaz 100 tīkliņa vēzienu.

Feromonu slazdi. Feromonu slazdi ir speciālas konstrukcijas slazdi kukaiņu

uzskaitei vai ierobežošanai; to dispenseros (iztvaikotājos) ievietotie feromoni kalpo par

kukaiņu pievilinātājiem un savācējiem. Plašāk izmanto dzimuma un agregācijas feromonu

slazdus. Patlaban jau sintezēti vairāk nekā 1500 dzīvnieku sugu feromoni, no kuriem

dzimumferomoni veido vismaz 80%, un tie galvenokārt paredzēti lidojošo kaitēkļu

izlidošanas laika konstatēšanai.

Feromonu slazdu uzdevums ir pievilināt kaitēkļu tēviņus – slazdos ievietotais

iztvaikotājs ir piesūcināts ar kaitēkļa mātītes smaržvielām, kas pievilina tēviņus. Apskatot,

kādi kaitēkļi saķerti un cik daudz to ir, var lemt par turpmākās ierobežošanas

nepieciešamību. Līdzīgi izmanto agregācijas feromonus: feromonu slazdus izvieto

parauglaukumos un kukaiņus savāc ik pārdienas vai reizi nedēļā.

Feromonu slazdus plaši lieto arī integrētās augu aizsardzības un monitoringa

sistēmā.

Krāsaini līmes vairogi. Līmes vairogus (7. att.) biežāk izmanto, lai noteiktu kādas

konkrētas kaitēkļu sugas (piem., pirmo burkānu mušu) parādīšanos konkrētā agrocenozē

vai arī lai tikai savāktu kukaiņus. Sugu sastāva un skaita dinamikas uzskaitēm šī metode

nav parocīga, jo uz līmes vairoga pielipušie kukaiņi ir grūti noņemami un identificējami.

Krāsai ir būtiska loma dažādu kukaiņu sugu pievilināšanā: vienādspārņu kārtas Homoptera

pārstāvju, īpaši laputu un baltblusiņu, pievilināšanai izmanto dzeltenas krāsas līmes

vairogus, savukārt tripšu kārtas Thysanoptera pārstāvju pievilināšanai izmanto zilas krāsas

vairogus. Līmes vairogi var būt arī cilindriski un triangulāri.

7. att. Dažādu krāsu un konfigurāciju līmes vairogi.

Moerikes ūdens trauku lamatas. Pievilina kukaiņus ar krāsu, līdzīgi kā to veic

krāsainie līmes vairogi. Moerikes traukus izvieto tieši tajā vidē, kur, iespējams, kukaiņi

iekritīs, t.i., uz zemes un pacilus auga augstumā (8. att.). Lai iekritušie kukaiņi neizkļūtu no

trauka, ūdenim pievieno virsmas aktīvās vielas.

8. att. Dažādas krāsas un konfigurācijas Moerikes ūdens trauki.

21

Moerikes ūdens traukos notvertajiem kukaiņiem var noteikt gan sugu sastāvu, gan to

skaita dinamiku attiecīgajā agrocenozē. Arī Moerikes ūdens trauki var būt dažādās krāsās –

dzeltenā, baltā un zilā – atkarībā no tā, kādas kukaiņu kārtas plānots uzskaitīt.

Vējā rotējoši līmes vairogi. Laputu un citu pasīvi lidojošu kukaiņu uzskaitēm uz

lauka var izmantot vējā rotējošus līmes vairogus (9. att.), jo šie kukaiņi uz lauka nokļūst

atkarībā no vēja virziena. Šī metode ir daudz praktiskāka un precīzāka salīdzinājumā ar

stacionāri novietotiem līmes vairogiem.

9. att. Vējā rotējošs līmes vairogs.

(I. Turkas foto)

Stacionāri Johnsona–Taylora sūcējslazdi. Bez iepriekšminētajām metodēm laputu,

divspārņu u.c. kukaiņu uzskaitēm Eiropā plaši izmanto īpašus, stacionārus, 12.2 m augstus

sūcējslazdus, kuri elektromotora darbības rezultātā iesūc pasīvi lidojošos kukaiņus.

Sūcējslazdos laputis parasti konstatē agrāk, nekā tās pēc migrācijas parādās uz lauka.

Tādējādi ar sūcējslazdu palīdzību iegūst informāciju, ko tālāk izmanto laputu invāzijas

prognozēšanai, kā arī lai savlaicīgi noskaidrotu pasīvi lidojošo laputu sugu sastāvu (Ward,

1985).

10. att. Stacionārs sūcējslazds.

(R. Sigvald foto)

Zemsedzes lamatas epigejisko kukaiņu uzskaitēm. Ar zemsedzes lamatām var

notvert uz augsnes vai augsnē dzīvojošos kukaiņus. Dažādas konfigurācijas lamatās

visbiežāk izmanto kādu ķīmisku vielu, piemēram, etiķskābi, lai kukaiņi iekrītot neizkļūtu

no lamatām ārā. Izvietojot pārdomātu (aprēķinātu) skaitu lamatu, iespējams noskaidrot gan

kukaiņu sugu sastāvu, gan to skaita dinamiku. Zemsedzes slazdi var būt dažādas

konfigurācijas trauki: ar jumtiņu vai režģi virs slazda.

11. att. Uz augsnes un augsnē mītošo kukaiņu vākšanas lamatas.

Trīcpiltuve ābeļu kaitēkļu un entomofāgu uzskaitēm. Trīcpiltuvju izmantošana

augļu koku kaitēkļu uzskaitīšanai ir viena no plašāk izmantotajām metodēm. Trīcpiltuvei

var būt dažāda veida konstrukcija, bet pats metodes princips paliek nemainīgs: kukaiņus

savāc, tricinot augļu koku zarus ar nūju, kuras gals aptīts ar mīkstu materiālu.

Trīcpiltuve izveidota no polietilēna plēves, piltuves veidā, ar augšējo atvērumu 0.25

m2-1

. Dažkārt izmanto trīcpiltuves ar atvērumu 0.5 × 1.0 m, kas aprēķinos noteikti jāņem

vērā.

Savukārt trīcpiltuves savākšanas maisiņus vēlams gatavot no kaprona sieta vai

audekla, nevis no polietilēna.

23

12. att. Trīcpiltuves uzbūve (A. Priedīte):

1 – piltuves rāmis; 2 – polietilēna plēves piltuve; 3 – kaprona maisiņš kukaiņu

savākšanai; 4 – nūja uzsišanai pa ābeļu zariem; 5 – gumijotais nūjas gals.

Visbiežāk uzskaites veic agri no rīta vai arī vakarā, parasti vienā atkārtojumā un

vienā kvartālā nopurinot 20 līdz 50 zarus, kamēr kukaiņi nav īpaši aktīvi. Tomēr trīcpiltuvi

nevar izmantot, ja dārzā vēl ir rasa.

2.2. Netiešās kultūraugu kaitēkļu uzskaites metodes

Ar netiešo uzskaites metodi novērtē kaitēkļa radītos bojājumus. Parasti vērtē vizuāli

radītos bojājumus visam augam vai arī atsevišķām auga daļām: lapām, stumbram, augļiem,

sēklām, saknēm. Vērtē sastopamību (incidence) un bojājuma pakāpi (intensity), pēdējo

izsakot noteiktā, pieņemtā ballu skalā; vērtēšana ir līdzīga tai, kādu izmanto augu patogēnu

radīto redzamo bojājumu uzskaitē.

2.3. Izmēģinājumi augu aizsardzībā

Kultūraugu izmēģinājumus augu aizsardzības līdzekļu vērtēšanai iekārto atbilstoši

‘EPPO Standartiem augu aizsardzības līdzekļu efektivitātes novērtēšanai’ (EPPO

Standards on Efficacy Evaluation of Plant Protection Products: http://www.eppo.int/).

Izmēģinājumā pēc rezultātu izvērtēšanas aprēķina augu aizsardzības līdzekļa

lietošanas tehnisko efektivitāti. Ar tehnisko efektivitāti izsaka kukaiņu mirstības pakāpi un

augu bojājumu pakāpes samazināšanos ķīmiskās apstrādes rezultātā. Tehnisko efektivitāti

izsaka procentos (%).

Lai novērtētu insekticīdu tehnisko efektivitāti, jāuzskaita kaitēkļi apstrādātajos

variantos un kontroles variantā. Tehnisko efektivitāti izsaka ar vienādojumu:

kur T – tehniskā efektivitāte;

k – vidējais kaitēkļu skaits kontroles variantā;

v – vidējais kaitēkļu skaits apstrādātajā variantā.

Kukaiņu skaita samazināšanos atklātā laukā var izraisīt arī citi faktori, tādi kā

kukaiņu migrācija, parazītu darbība, plēsīgo kukaiņu darbība, ko svarīgi ņemt vērā, lai

precīzi noteiktu insekticīdu tehniskās efektivitātes izmaiņas. Insekticīda tehniskā

efektivitāte šādā gadījumā būs:

T = Tkoriģētā kontrole – T v.

Vērtējot insekticīda lietošanas tehnisko efektivitāti, uzskaites paraugu skaita izvēle

ir līdzīga tai, kura aprakstīta iepriekš.

IZMANTOTĀ LITERATŪRA Dent, D. (1993) Insect pest management. CAB International, 604 pp.

Southwood, T.R.E. (1975) The dynamics of insect populations. In D. Pimentel (Ed.),

Insects, science and society. New York: Academic Press, pp. 151–199.

Southwood, T.R.E. (1978) Ecological methods: With particular reference to the study of

insect populations (2nd ed.). London: Chapman and Hall, 524 pp.

Walker, P.T. (1991) Measurement of insect pest populations and injury. In P.S. Teng (Ed.),

Crop loss assessment and pest management. APS Press, pp.19–29.

Ward, S.A., Rabbinge, R., & Mantel, W.P. (1985) The use of incidence counts for

estimations of aphid populations. Minimum sample size for required accuracy. Netherlands

Journal of Plant Pathology, 91, pp. 93–99.