Contenuto
Ti trovi in: HOME »Programmi, progetti e risultati »I progetti »PRIN - Programmi di ricerca di Rilevante Interesse Nazionale»Programma di ricercaINIZIO_TESTO_DA_INDICIZZARE
PROGRAMMA DI RICERCA 2006
italiano - english
Unità di Ricerca
Programmi di ricerca simili:
Classificazione scientifico-disciplinare
- Area scientifico disciplinare: Scienze agrarie e veterinarie
Classificazione brevettuale
- HUMAN NECESSITIES
- AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- PLANTING; SOWING; FERTILISING (combined with general working of soil A01B49/04; parts, details or accessories of agricultural machines or implements, in general A01B51/00 to A01B75/00; [N: apparatus for spreading sand or salt E01C; sowing and fertilising with aircraft B64D1/16 to B64D1/20])
- PRESERVATION OF BODIES OF HUMANS OR ANIMALS OR PLANTS OR PARTS THEREOF; BIOCIDES, e.g. AS DISINFECTANTS, AS PESTICIDES, AS HERBICIDES (preparations for medical, dental or toilet purposes A61K; methods or apparatus for disinfection or sterilisation in general, or for deodorising of air A61L); PEST REPELLANTS OR ATTRACTANTS (decoys A01M1/06; medicinal preparations A61K); PLANT GROWTH REGULATORS (compounds in general C01, C07, C08; fertilisers C05; soil conditioners or stabilisers C09K17/00) [C9908]
- AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- PHYSICS
- COMPUTING; CALCULATING; COUNTING (score computers for games A63; combinations of writing applicances with computing devices B43K29/08)
- COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS [N0004]
- COMPUTING; CALCULATING; COUNTING (score computers for games A63; combinations of writing applicances with computing devices B43K29/08)
Classificazione geografica
- Regione: Veneto
Bibliografia
Benech Arnold R.L., Ghersa C.M., Sanchez R.A. e Insausti P. 1990. A mathematical model to predict Sorghum halepense (L.) Pers seedling emergence in relation to soil temperature. Weed Res. 30: 91-99.Berti A., Dunan C., Sattin M., Zanin G., e Westra P. 1996. A new approach to determine when to control weeds. Weed Sci., 44, 486-503.
Berti A. e Zanin G. 1997. GESTINF: a decision model for post-emeregnce weed management in soybean (Glycine max (L.) Merr). Crop Protection, 156, 109-116.
Bewick T.A., Binning L.K. e Yandell B. 1988. A degree day model for predicting the emergence of swamp dodder in cranberry. J. Am. Soc. Hortic. Sci. 113: 839-841.
Buhler D.D., Liebman M., e Obrycki J.J. 2000. Theoretical and practice challenges to an IPM approach to weed management. Weed Sci. 48: 274-278.
Cardina J., Johnson G.A. e Sparrow D. 1997. The nature and consequences of weed spatial distribution. Weed Sci. 45: 364- 373.
Cousens R. 1985. An empirical model relating crop yield to weed density and a statistical comparison with other models. J. Agricultural Sci. 105: 513–521.
Friesen G.H. 1979. Weed interference in transplanted tomatoes. Weed Sci. 27: 11-14
Grundy A.C. 2003. Predicting weed emergence: a review of approaches and future challenges. Weed Res. 43: 1-11.
Harker K.N. 2004. My view. Weed Sci. 52: 183-184.
Heisel T., Ersboll A.K. e Andreasen C. 1999. Weed mapping with co-kriging using soil properties. Precision Agriculture 1: 39-52.
Jensen H.A. 1969. Content of l buried seeds in arable soil in Denmark and its relation to the weed population. Dansk Botanisk Arkiv. 2: 1-56.
Kropac Z. 1966. Estimation of weed seeds in arable soil. Pedobiologia, Bd, 105-128 <br />
Kropff M.J. e Spitters C.J.T. 1991. A simple model of crop loss by weed competition from early observations on relative area of the weeds. Weed Res. 31: 97-105.
Malone R. 1967. A rapid method for enumeration of vial e seed s in soil. Weeds 15: 381-382.
Marra M.C. e Carlson G.A. 1983. An economic threshold model for weeds in soybean (Glycine max). Weed Sci. 31: 604-609.
Ogg A.G. Jr e Dawson J.H., 1984. Time of emergence of eight weed species. Weed Sci. 32: 327-335.
Perez A. e Kogan M. 2003. Glyphosate-resistant Lolium multiflorum in Chilean orchards. Weed Res. 43: 12-19.
Rew L.J. e Cussans G.W. 1995. Patch and dynamics-How much do we know? Proc. Brighton Crop Protection Conf., Weeds, 1059-1068.
Roberts H.A. 1962. Studies on the weeds in vegetable crops. II. effect of six years of cropping on the weed seeds in the soil. J. of Ecology 50: 803-813.
Roberts H.A. e Feast P.M. 1973. Changes in the number of viable weed seeds in soil under different regimes. Weed Research 13: 298-303.
Stoller E.W. e Wax L.M. 1973. Periodicity of germination and emergence of some annual weeds. Weed Sci. 21: 574-580.
Van Gessel M.J. 2001. Glyphosate-resistant horseweed from Delaware. Weed Sci. 49: 703-705.
Zanin G. e Sattin M. 1988. Threshold level and seed production of velevtleaf (Abutilon theophrasti Medicus) in maize. Weed Res. 28: 347-352.
Zanin G., Berti A e Sattin G. 1989. Mais (Zea mays L) Abutilon theophrasti Medicus: effetto della durata e del periodo di competizione. Rivista di Agronomia, 23, 185-192.
Zanin G., Berti A. e Riello L. 1998. Incorporation of weed spatial variability into the weed control decision process. Weed Res. 38: 107-118.
Zanin G. e Catizone P. 2003. Malerbologia. Dalla metà del XX secolo. In I GEORGOFILI-QUADERNI -I. Evoluzione dei mezzi di difesa fitosanitaria. (vol. 1, pp. 195-269). Firenze ,Società Editrice Fiorentina.
Zimdahl R.L. 1980. Weed crop competition- A review. Int Plant Protection Centre, Oregon State University.
Walter A.M., Christensen S. e Simmelsgaard S.E. 2002. Spatial correlation between weed species densities and soil properties. Weed Research 42: 26-38.
Weaver S.E. 1984. Critical period of weed competition in three vegetable crops in relation to management practices Weed Res. 24: 317-323.
Parole Chiave
MALERBE, EMERGENZE, BANCA DEI SEMI, MODELLIZZAZIONE, TEMPO IDROTERMICO, GESTIONE INTEGRATA, CRESCITA DI PRE-EMERGENZALa previsione delle emergenze come strumento per migliorare la gestione delle infestanti nel mais
Università degli Studi di PadovaAbstract
In due località, Pisa e Padova, si avvierà una serie di ricerche per costruire e validare un modello in grado di prevedere l’emergenza (Weed Emergence Model = WEM) di sei importanti malerbe del mais.Lo studio comprende attività di laboratorio, in ambiente confinato e di campo.
Inizialmente si determineranno in laboratorio alcuni parametri biologici, quali temperatura di base e potenziale di base, necessari per il calcolo del tempo idrotermico, “motore” del modello previsionale.
Successivamente in ambiente confinato in tubi di polipropilene interrati si studierà l’emergenza dei semi delle sei malerbe posti a diverse profondità o mescolati nei primi 10 cm di terreno. Queste prove saranno condotte sia a Pisa che Padova. Si seguiranno le emergenze delle infestanti e si rileverà la temperatura e il potenziale idrico alle diverse profondità. Con questi dati e con i parametri biologici (temperatura di base, potenziale di base...) si costruirà il modello previsionale.
In campo si seguiranno le emergenze delle sei malerbe su terreni coltivati a mais a semina precoce e tradizionale per differenziare ulteriormente gli scenari sia dal punto di vista agronomico che climatico: i terreni saranno arricchiti in autunno con i semi delle sei specie. Prima della semina si eseguirà la valutazione dello stock di semi per poter definire la relazione tra flora reale e potenziale, cioè la percentuale di semi delle diverse specie che daranno origine a >>>
Coordinatore Scientifico del Programma di Ricerca
Giuseppe Zanin Università degli Studi di PADOVAObiettivo del Programma di Ricerca
Gli obiettivi della ricerca sono:- migliorare le conoscenze biologiche ed ecologiche di sei importanti malerbe del mais determinando alcuni parametri, necessari per la costruzione di un modello in grado di prevedere le emergenze in campo: temperatura di base, potenziale di base, temperatura limite oltre la quale le emergenze cessano;
- definire la relazione tra flora potenziale e flora reale;
- approfondire le conoscenze relativamente all’emergenza in funzione della profondità di interramento;
- studiare e modellizzare il periodo di pre-emergenza cioè il tempo che intercorre tra l’inizio della germinazione e l’emergenza, in funzione della specie e della profondità di interramento del seme.
- costruire e validare un modello matematico basato sul concetto di tempo idrotermico per prevedere l’emergenza di sei importanti malerbe del mais;
- integrare il modello di previsione delle emergenze con il modello di previsione della crescita di pre-emergenza;
- affiancare al modello matematico un modello di previsione delle emergenze basato sull’impiego di indicatori fenologici da usare eventualmente per produrre bollettini agrometeorologici di allerta;
- integrare tra loro il modello di previsione delle emergenze, ed i modelli GESTINF e TDE per poter fornire agli agricoltori un tool efficace nel prevedere il danno competitivo di infestazioni miste che emergono >>>
Durata
24 mesiBase di partenza scientifica nazionale o internazionale
L’interesse verso gli studi di biologia ed ecologia delle malerbe ultimamente ha perso di appeal verso i ricercatori. Uno dei motivi è dovuto alla diffusione in molti paesi delle colture OGM resistenti agli erbicidi, tale tecnologia ha ingenerato infatti negli utilizzatori la convinzione di poter risolvere, almeno nel breve periodo, quasi tutti i problemi rendendo così superflue le conoscenze di base sulle malerbe. Tuttavia lo sviluppo di resistenze al glifosate, la riduzione del tasso di introduzione di nuovi erbicidi e la mancanza di erbicidi con nuovi meccanismi di azione (Van Gessel, 2001; Perez e Kogan, 2003; Zanin e Catizone, 2003) sottolineano l’importanza di non abbandonare la ricerca in questo settore. Come dice infatti Harker, 2004 “Research on ecological approaches to weed management is crucial and must continue”. Se in passato gli studi sull’ecologia e la gestione integrata non fossero stati trascurati, oggi ci sarebbero probabilmente molti meno casi di malerbe resistenti e un miglior approccio anche a livello di ricerca.In una tale congiuntura diventa importante migliorare le conoscenze a livello di biologia ed ecologia delle specie infestanti in modo da trarre spunti gestionali ed elementi per migliorare la tecnica di impiego dei mezzi di controllo sia chimici che agronomici. E’ ampiamente condivisa l’impressione che a fronte di molecole sempre più raffinate come meccanismo di azione l’utilizzazione a livello agronomico sia ancora grossolana, non >>>



