Forecasts model for deoxynivalenol content in wheat grain based on metheorological data and previous crop

Result code in IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F25328859%3A_____%2F14%3A%230000792" target="_blank" >RIV/25328859:_____/14:#0000792 - isvavai.cz</a>

Result on the web

<a href="http://www.vukrom.cz/obilnarske-listy/obsah/2-2014/52-54" target="_blank" >http://www.vukrom.cz/obilnarske-listy/obsah/2-2014/52-54</a>

DOI - Digital Object Identifier

—

Result language

čeština

Original language name

Model predikce obsahu deoxynivalenolu v zrnu pšenice na základě meteorologických údajů a předplodiny

Original language description

Deoxynivalenol (DON) je nejčastějším fuzáriovým toxinem ve vzorcích pšenice v ČR, a proto predikce jeho výskytu může být vhodným nástrojem prevence jeho vstupu do potravního řetězce. Údaje o obsahu DON v pšeničném zrnu, meteorologických podmínkách běhemvegetační doby a metodách zpracování půdy ze dvou polních pokusů byly využity k vytvoření modelu na bázi neuronové sítě pro predikci obsahu DON. Nejlepší neuronová síť je založena na pěti vstupních proměnných: předplodina, průměrná teplota v dubnu, sumasrážek v dubnu, průměrná teplota 5 dnů před kvetením, suma srážek 5 dnů před kvetením. Nejdůležitějšími vstupními parametry jsou předplodina a suma srážek 5 dnů před kvetením. Meteorologické podmínky v dubnu, které jsou důležité pro tvorbu inokula na rostlinných zbytcích, jsou pro model také důležité. Meteorologické podmínky v květnu a 5 dnů po kvetení nejsou pro obsah DON v zrnu příliš významné. Bylo zjištěno, že zpracování půdy má na funkci modelu také malý vliv. Korelace mezi pozorova

Czech name

Model predikce obsahu deoxynivalenolu v zrnu pšenice na základě meteorologických údajů a předplodiny

Czech description

Deoxynivalenol (DON) je nejčastějším fuzáriovým toxinem ve vzorcích pšenice v ČR, a proto predikce jeho výskytu může být vhodným nástrojem prevence jeho vstupu do potravního řetězce. Údaje o obsahu DON v pšeničném zrnu, meteorologických podmínkách běhemvegetační doby a metodách zpracování půdy ze dvou polních pokusů byly využity k vytvoření modelu na bázi neuronové sítě pro predikci obsahu DON. Nejlepší neuronová síť je založena na pěti vstupních proměnných: předplodina, průměrná teplota v dubnu, sumasrážek v dubnu, průměrná teplota 5 dnů před kvetením, suma srážek 5 dnů před kvetením. Nejdůležitějšími vstupními parametry jsou předplodina a suma srážek 5 dnů před kvetením. Meteorologické podmínky v dubnu, které jsou důležité pro tvorbu inokula na rostlinných zbytcích, jsou pro model také důležité. Meteorologické podmínky v květnu a 5 dnů po kvetení nejsou pro obsah DON v zrnu příliš významné. Bylo zjištěno, že zpracování půdy má na funkci modelu také malý vliv. Korelace mezi pozorova

Type

J_x - Unclassified - Peer-reviewed scientific article (Jimp, Jsc and Jost)

CEP classification

GC - Plant growing, crop rotation

OECD FORD branch

—

Project

Result was created during the realization of more than one project. More information in the Projects tab.

Continuities

P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)<br>I - Institucionalni podpora na dlouhodoby koncepcni rozvoj vyzkumne organizace

Publication year

2014

Confidentiality

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Name of the periodical

Obilnářské listy

ISSN

1212-138X

e-ISSN

—

Volume of the periodical

22

Issue of the periodical within the volume

2

Country of publishing house

CZ - CZECH REPUBLIC

Number of pages

3

Pages from-to

52-54

UT code for WoS article

—

EID of the result in the Scopus database

—