• Share
  • Email
  • Embed
  • Like
  • Save
  • Private Content
Epidemiologi1 5
 

Epidemiologi1 5

on

  • 4,646 views

Pengendalian Penyakit Tumbuhan

Pengendalian Penyakit Tumbuhan

Statistics

Views

Total Views
4,646
Views on SlideShare
4,639
Embed Views
7

Actions

Likes
3
Downloads
102
Comments
0

1 Embed 7

http://www.slideshare.net 7

Accessibility

Categories

Upload Details

Uploaded via as Microsoft PowerPoint

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

    Epidemiologi1 5 Epidemiologi1 5 Presentation Transcript

      • Pioner-pioner epidemiologi penyakit tumbuhan
      • Van der Plank (1963)
      • Ep: Ilmu yang mempelajari penyakit dalam suatu populasi
      • Nelson (1974)
      • Ep: Ilmu yang mempelajari faktor-faktor yang mempengaruhi kecepatan perkembangan penyakit
      • Kranz (1973)
      • Ep: Ilmu yang mempelajari dinamika populasi dari aspek numerik dari pertumbuhan dan pengaturan populasi yang difokuskan pada perubahan jumlah per satuan waktu
      • Zadok & Schein (1979)
      • EP: ilmu yang mempelajari perkembangan & penyebaran penyakit serta faktor yang mempengaruhi proses epidemik
    • Definisi
      • Epidemiologi Penyakit Tumbuhan :
      • Suatu ilmu yang mempelajari penyakit tumbuhan dalam suatu populasi
      • Suatu ilmu yang mempelajari faktor lingkungan yang mempengaruhi tingkat dan penyebaran penyakit dalam suatu populasi tumbuhan
      • Suatu ilmu yang mempelajari perubahan kecepatan yang mengurangi/menambah jumlah per satuan waktu/ruang atau keduanya
      • Contoh: epidemik penyakit tanaman
      • Sourthern corn leaf blight = Helminthosporium maydis 1917 USA
      • Hawar daun pada kentang di Irlandia
      • Karat kopi (Brasil), 1825
      • Bengal Famine 1943
      • Bulai pada Jagung, 1975
      • Tungro pada Padi 1980 Foto RGS.ppt
      • Layu pisang .... VirologiFoto-fotoanana streak virus.jpg .. VirologiFoto-fotoGemini.jpg
      • KOMPONEN EPIDEMIK PENY AKIT TUMBUHAN
      • Konsep penyakit: Disease Triangle
      • Inang
      • Patogen
      • Lingkungan
      • Konsep Epidemik Penyakit: Piramida Penyakit
      • 5 komponen:
      • Populasi Inang (I)
      • Populasi Patogen (P)
      • Lingkungan (Biotik & Abiotik) (L)
      • Waktu (W)
      • Manusia (M)
      L P I M P I L W
    • Peranan Inang dalam Epidemik * M anusia harus mengetahui pertumbuhan inang sejak mulai pertanaman atau sejarah pertanian * Memilih dari tan aman Liar ( berguna-makanan/sandang/papan
      • Peranan Lingkungan dalam Epidemik
      • Lingkungan sangat berpengaruh terhadap tananamn maupun patogen, TETAPI TIDAK ADA STANDAR UMUM dari lingkungan yang dapat menggambarkan pengaruhnya bagi perkembangan penyakit
      • Pengaruh lingkungan snagat spesifik (ras patogen, varietas inang
      Contoh: - Antraknosa .. Discharge in Phytophthora sojae.htm RH & suhu < 27 C - Karat Kopi, kedelai RH & dingins < 20 C
    • Peranan Patogen dalam Epidemik
      • Perubahan tanaman (introduksi, hasil pemuliaan dll) perubahan ketahanan tanaman
      • EKOSISTEM ALAMI I, P, L dalam keseimbangan yang dinamis
      Yang mempengaruhi adalah:- populasi meningkat monokulture Ekosistem rusak Inang Baru & Patogen Baru M a nusia harus dapat mengelola I, L, P dikendalikan
    • Peranan Waktu dalam Epidemik
      • Elemen segitiga penyakit belum cukup menguraikan epdemik penyakit, karena ada penyakit yang berkembang lebih cepat pada musim tertentu dibandingkan pada musim lainnya
      Peran waktu Musim (iklim micro-macro) Umur Tanaman Musiman dan tahunan Peranan Manusia dalam Epidemik Manusia Tanaman Monukulture/polikulture, musim tanam, pemuliaan, hidroponi/aeroponik Patogen Fungisida, Rumah kaca, bioteknolgi Lingkungan D eforesty erosi, banjir , O zon , pemanasan global Rumah kaca Waktu Waktu tanam, tumpang sari, rotasi tanam
    • Perkembangan Epidemic dipengaruhi oleh:
      • Environmental factors
      • Rate of pathogen reproduction
      • Mode of pathogen dispersal
      • Efficiency of pathogen survival
      • Level of aggressiveness of the pathogen
      • Level of host plant resistance
    • Apa kegunaan epidemiology ?
      • 1 – Model disease progress
      • 2 – Assess effectiveness of alternative control measures
      • 3 – Predict disease spread
      • 4 – Predict yield loss
      • 5 – Disease forecasting
    • Teori Sistem Epidemik
      • Sub proses siklus penyakit untuk terjadinya epidemik
      • Saprogenesa
      • Penyebaran
      • Xo (Inukulum awal)
      • Perkecambahan spora
      • Penetrasi
      • Kolonisasi
      Infeksi
      • Pelepasan spora
      • Penyebaran spora
      • Diposisi spora
      Penyebaran
      • Produksi sporophore
      • Produksi spora
      • Pematangan spora
      Sporulasi Sub tahapan Tahapan
    • Horsfall
      • Potensi inokulum equivalen dengan kepadatan inokulum
      • (IP ~ ID)
      Karena ia berpedapat Inoculum Density =  partikel enfektifpada permukaan inang dalam lingkungan inang per area
    • Gannet
      • PI = energi
      • Energi yang tersedia pada permukaan inang untuk mengkolonisasi inang
      • PI akan meningkat dengan
      • meningkat jumlahnya
      • meningkat status nutrisi inokulum
      hal ini menunjukan bahwa kepadatan inokulum merupakan bagian dari PI yang memiliku vigor atau virulensi yang diepngaruhi genotif yang termodifikasi oleh lingkungan PI = ID+Genotif+Lingk.
    • Van der Plank
      • PI = tidak akan pernah dapat dikuantifikasi
      • Hanya inokulum yang dikuantifikasi (spora, konidia, dsb)
      Potensi Inokulum - Kepadatan inokulum (ID) - Inokulum+IP - Inokulm Potensial= inokulum yang belum diproduksi - IP=ndeks ienfeksi
    • Baker
      • Hubungan kepadatan inokulum (ID) dengan kurva Penyakit (DC)
      •  kepadatan inokulum  Beratnya penyakit
    • HUBUNGAN KEPADATAN INOKULUM & PENYAKIT
      • Van der Plank (1975
      • Hubungan ID dengan kurva penyakit ada 6 kemungkinan
      D C F E B A
    • Hubungan langsung proposional  bercak per cm2 dg  inok/  spora per cm2 Pada saat ini  gejala menurun dengan pertambahnya  spora Pada tipe B ini pertambahan  spora tidak selalu di i kuti dengan pertambahan  bercak/gejala A B
    • Dimana pertambahan spora mengakibatkan penurunan bercak, karena adanya antagonistisk D Type Synergistik  spora membantu perkembangan Semakin tinggi  spora maka  bercak semakin banyak C
    • E Type sinergisme obligat Teori ambang numerik Ada  min tertentu dari spora untuk berhasil menimbulkan infeksi Teori Spontan
        • Tidak mungkin adan peny akit t anpa inokulum
        • Ada inokulum tersembunyi
      F
    • Backer A. Norma distribusi Hubungan kepadatan inokulum dan keparahan penyakit menyebar normal B. True Logarithmic scale P ertambahan inokulum akan meningkatkan infeksi dalam skala log (perkembangan dengan cepat) C. Sinergi slope P ertambahan penyakit semakin cepat dengan adanya perubahan pertambahan kepadatan inokulum yang sedikit saja- karena ada sinergis D. Transitional scale Pertumbuhan penyakit mulai lambat, kapasitas inang berkurang, walaupun pertumbuhan inokulum tetap besar . ..CHAP32LATEBLIT.EXE A. Norm distr. B. True logarithmic scale C. sinergistic slope D. Transitional scale
    • TEORI INOKULUM
      • Potensi i n o kulum dan hubungan dengan kepadatan inokulum (ID-inokulum density ) & Intensitas Penyakit ( DSV=Diseases severity )
      • Konsep Potensi Inokulum
      • Horsfall
      • Gannet
      • Vander Plank
      • Baker
      • Tipe epidemik
      • Monosiklik
      • Polisiklik
      Mono siklik: Patogen berkembang dengan menginfeksi tanaman dalam satu siklus contoh Virus, Nematoda, Bakteri Poli siklik: inokulum primer mengifeksi inang, kemudian produksi inokulum/sekunder, patogen digunakan untuk infeksi dalam siklus sekunder dan siklus sekunder bisa berulang. Conto:Bercak, Hawar daun Dalam epidemik peny. Tumbuhan penekanannya ke Polisiklik yang
    • Model Konservatif Yang diusulkan Vanderplank (1963) Bunga Tunggal Monosiklik Bunga Majemuk Polisiklik Ada 5 model yang umum di gunakan Perkembangan Penyakit - Exponential - Monomolecular - Logistic - Gompertz - Linier Model Lain - Richard - Wiibull
    • Soilborne pathogens are usually monocyclic due to physical constraints--inoculum is not dispersed within the growing season. DSCI0060.AV I DSCI0061.AVI Verticillium wilt of strawberry
    • Some rust and smut fungi are monocyclic because their life cycles take a full season to complete. Oat smut Cedar-apple rust
    • Polycyclic pathogens have several secondary disease cycles each season. Oat stem rust Halo blight Soybean mosaic
    • Peningkatan penyakit pada populasi tanaman dapat dianalogkan dengan teori bunga bank (interest) Penyakit yang disebabkan patogen monosiklik dianalogikan dengan bunga tunggal , sedangkan penyakit yang disebabkan patogen polisiklik di analogikan sebagai bunga majemuk .
    • With simple interest, capital grows at a constant rate (the interest bearing capital remains unchanged) Bulan/tahun Jumlah Uang
    • With compound interest, invested capital grows at an increasing rate over time as the earned interest is reinvested. Bulan/tahun Jumlah uang
    • Formula matematika yang menggambarkan peningkatan bunga majemuk adalah sama formulanya pada biologi yang menggambarkan perkembangan exponential. Formula tersebut jga dapat diaplikasikan pada epedemik yang disebabkan oleh patogen polisiklik.
    • Peningkatan Penyakit Exponential Bunga Majemum-Patogen Polysiklik X = intensitas penyakit pada waktu t X 0 = initial disease/primary inoculum (at time t = 0) e = 2.73… ( base of natural log) r = tingkat perkembangan penyakit t = time period
    • Time Disease EXPONENTIAL GROWTH LOGISTIC GROWTH
    • Pada kenyataan, peningkatan penyakit polycyclic meningkat secara exponential hanya pada awal perkembangan epidemik (< 5% disease). Why do you think this is so?
    • Alasan mengapa penyakit tidak berkembang secara exponential dalam waktu lama:
      • Jumlah jaringan tanaman yang sehat menjadi terbatas, kemudian perkembangan penyakit menurun
      • Infeksi berlangsung singkat, tidak terus menerus.
      • Jaringan terbaru tidak segera terinfeksi.
      • Penyakit terjadi pada bagian tanaman, tidak berlangsung di lapang.
    • Kurva perkembangan penyakit patogen polisiklik berbentuk “S” (sigmodi). Time Disease LOGISTIC GROWTH
    • Logistic Growth Bunga majemuk patogen polisiklik r = apparent infection rate t = time x 2 = proportion disease at t 2 x 1 = proportion disease at t 1
    • Kurva perkembangan penyakit patogen monosiklik TIME DISEASE SEVERITY
    • Model Mathematical pnyakit monosiklik r m = infection rate (monocyclic) t = time x 2 = proportion disease at t 2 x 1 = proportion disease at t 1
    • Perkmbangan late blight pada tanam kentang rentan (Hudson) dan resistant (Sebago) DAYS PROPORTION DISEASE Sebago r = 0.21 Hudson r = 0.43 10 20 30 40 50
    • Effect of different fungicide dosages on development of potato late blight. (Cultivar Russet Rural; weekly applications in kg/ha.) DAYS PROPORTION DISEASE 10 20 30 40 50 0.00 0.22 0.67 1.79 (Fry, W. E. Phytopathology 65:908)
    • Effect of different levels of weekly fungicide applications on Late Blight epidemics in plots of Russet Rural and Sebago potatoes. (Fry, W. E. Phytopathology 65:908)
    • Effects of fungicide dose on yield of Sebago and Russet Rural potatoes under conditions favorable for Late Blight. 0 0.5 1.0 Fungicide (kg/ha) 50 25 75 100 Yield % of max. Sebago Russet Rural (Fry, W. E. Phytopathology 65:908) Difference is approximately 0.25 kg/ha/week
    • Pada kultivar dengan resistensi tinggi membutuhkan fungisida lebih rendah untuk menghasilkan umbi kentang. If weekly applications of 1.75 kg/ha gave adequate control with Russet Rural, we could expect that 1.50 kg/ha would be sufficient for Sebago.
    • Example: How much lettuce mosaic virus infection can be tolerated in lettuce seed lots?
      • r = 0.12 per day
      • Season is 70 days long
      • 1% infection tolerated in crop at harvest
      We will use this equation to determine tolerance level in a 30,000 seed assay.
    • Lettuce mosaic virus seed assay (cont.) 1.00% = X 0 (4447) 0.0002% = x 0 1 in 30,000 = 0.003%, so seed lots must have 0 in 30,000 to pass certification.
    • Pengelolaan penyakit ditujukan pada 3 hal yaitu:
      • Mengurangi jumlah inokulum awal (X 0 )
      • mengurangi kecepatan infeksi (r)
      • Mengurangi waktu perkembangan penyakit (t)
    • Pilihan pengendalian penyakit yang disebabkan oleh patogen polycyclic
      • Describe a disease management strategy which will reduce the amount of initial inoculum.
      • Describe a disease management strategy which will reduce the rate at which disease develops.
      • Determine how each of these management strategies will affect the disease progress curve.
    • Time Disease No control Reduce X 0 Reduce r
    • Disease Gradient: change of disease with distance from a source Pathogens: A- splash dispersed B- large spores, wind dispersed C- small spores, wind dispersed Disease
    • x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x Random Clustered (point source) Spatial patterns of disease x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x x Clustered (line source)
    • Disease severity Yield loss (ton/ha) Southern leaf blight Powdery mildew Stem rust Yield loss models
    • Relationship of temperature and duration of leaf wetness to infection by ascospores of Venturia inequalis 10 20 30 40 10 15 20 25 Temperature (•C) Hours of continuous leaf wetness
    • What is epidemiology used for?
      • 1 – Model disease progress
      • 2 – Assess effectiveness of alternative control measures
      • 3 – Predict disease spread
      • 4 – Predict yield loss