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

Kód výsledku v 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>

Výsledek na webu

<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

—

Jazyk výsledku

čeština

Název v původním jazyce

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

Popis výsledku v původním jazyce

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

Název v anglickém jazyce

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

Popis výsledku anglicky

Deoxynivalenol (DON) is the most common mycotoxin in samples of wheat in the Czech Republic, and therefore the prediction of its presence may be an appropriate tool of preventing its entry into the food chain. Data on the content of DON in wheat grain, weather conditions during the growing season and methods of tillage of two field trials were used to create the model based on neural network to predict DON content. The best neural network is based on five input variables: the previous crop, the averagetemperature in April, the amount of precipitation in April, average temperature 5 days before flowering, the amount of precipitation 5 days before flowering. The most important input parameters are preceding crop and amount of precipitation 5 days beforeflowering. Meteorological conditions in April, which are important for the formation of the inoculum, are also important for the model. Weather conditions in May and 5 days after flowering are not for DON content in grain so important. I

Druh

J_x - Nezařazeno - Článek v odborném periodiku (Jimp, Jsc a Jost)

CEP obor

GC - Pěstování rostlin, osevní postupy

OECD FORD obor

—

Projekt

Výsledek vznikl pri realizaci vícero projektů. Více informací v záložce Projekty.

Návaznosti

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

Rok uplatnění

2014

Kód důvěrnosti údajů

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

Název periodika

Obilnářské listy

ISSN

1212-138X

e-ISSN

—

Svazek periodika

22

Číslo periodika v rámci svazku

2

Stát vydavatele periodika

CZ - Česká republika

Počet stran výsledku

3

Strana od-do

52-54

Kód UT WoS článku

—

EID výsledku v databázi Scopus

—