Weather-based logistic regression models for predicting the risk of wheat blast epidemics | Modelos de regressão logística baseados em dados meteorológicos para prever o risco de epidemias de brusone no trigo

Wheat blast, caused by Pyricularia oryzae Triticum lineage, is an important yield- limiting disease in the tropics of Brazil. This study aimed to develop models for predicting the within-season risk of wheat blast outbreaks. Data sets used in this study were obtained from field trials conducted in Patos de Minas (n = 103 epidemics) as well as in 10 other locations (n = 40 epidemics); the latter as part of the cooperative fungicide trial network. The trials were conducted across six states of Brazil over a nine-year period (2012-2020). A binary response variable was created based on disease incidence being ≥20% or <20%. Daily meteorological variables including minimum (Tmin), maximum (Tmax), and mean temperature (Tmean), relative humidity (RH) and precipitation (P) were obtained from the NASA POWER. The wheat heading date (WHD) was used to define four time windows, consisting of two intervals of seven days each, before and after the WHD. These windows combined with the weather variables resulted in 36 prediction variables (9 weather variables × 4 windows). Logistic regression models were fitted with selection of variables using LASSO followed by best subset selection. Four accuracy measures were computed and the model performance was evaluated using leave-one-out cross validation (LOOCV). The models were further run for six sites using a historical series of 23 years of weather data. The variables that best explained outbreak risk were RH, days with Tmean < 22ºC and Tmean x RH two weeks before WHD, Tmean x RH one week before WHD, and RH and Psum one week after WHD. The selected models included 2 to 5 predictors, with accuracies ranging from 0.80 to 0.85. Sensitivities ranged from 0.80 to 0.91, specificities from 0.72 to 0.86, and AUC values from 0.89 to 0.91. The accuracy values obtained for LOOCV ranged from 0.77 to 0.81. The model predictions generally agreed with most historical reports in the tropical region of Brazil. This study enhanced our understanding of the complex relationship between weather variables and wheat blast, contributing valuable insights for disease management. Keywords: Magnaporthe oryzae. Triticum aestivum. Prediction models.

A brusone, causada por Pyricularia oryzae linhagem Triticum, é uma doença importante que limita a produção nas regiões tropicais do Brasil. Este estudo teve como objetivo desenvolver modelos para prever o risco de epidemias de brusone em trigo. Os dados foram obtidos de ensaios de campo conduzidos em Patos de Minas (n = 103 epidemias), e em outros 10 locais (n = 40); sendo este último como parte da rede de ensaios com fungicidas. Os ensaios foram conduzidos em seis estados do Brasil em um período de nove anos (2012-2020). Uma variável resposta binária foi criada com base na incidência da doença ser ≥20% ou <20%. Variáveis climáticas diárias, incluindo temperatura mínima (Tmin), temperatura máxima (Tmax), temperatura média (Tmean), umidade relativa (RH) e precipitação (P), foram obtidas no NASA POWER. A data de espigamento do trigo (DET) foi usada para definir quatro períodos, compostas por dois intervalos de sete dias cada, antes e depois do DET. Esses períodos, combinados com as variáveis do clima, resultaram em 36 preditores (9 variáveis climáticas × 4 períodos). Modelos de regressão logística foram ajustados com seleção de variáveis utilizando regressão LASSO seguida de seleção do melhor subconjunto. Quatro medidas de acurácia foram calculadas e o desempenho do modelo foi avaliado usando validação cruzada leave-one-out (LOOCV). Os modelos foram executados em seis locais para uma série histórica climática de 23 anos. As variáveis que melhor explicaram o risco de surto epidêmico foram RH, dias com Tmean < 22ºC e Tmean x RH duas semanas antes da DET, Tmean x RH uma semana antes da DET, e RH e soma de P uma semana após a DET. Os modelos selecionados incluíram de 2 a 5 preditores, apresentando acurácias de 0,80 a 0,85. As sensibilidades variaram de 0,80 a 0,91, as especificidades de 0,72 a 0,86 e os valores de AUC de 0,89 a 0,91. Os valores de acurácia da LOOCV variaram de 0,77 a 0,81. As predições do modelo geralmente estavam de acordo com os relatos históricos na região tropical. Este estudo aprimorou nossa compreensão da complexa relação entre variáveis meteorológicas e brusone do trigo, fornecendo informações valiosas para o manejo da doença. Palavras-chave: Magnaporthe oryzae. Triticum aestivum. Modelos de predição.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior