Manuscript ID : 140407191220899 Visit : 28 Page: 21 - 34

Article Type: Original Research

Optimization of Fungicide Application Conditions for Managing Disease Severity Caused by Rhizoctonia solani in Lettuce

Subject Areas : Plant Pathology

Mahdi Eshaghi ¹ , ُSaminn Seddigh ^{2
*} , Mojdeh Maleki ³

1 - PhD. Student, Department of Plant Pathology, VaP.C., Islamic Azad University, Varamin, Iran
2 - Associated Professor, Department of Plant Pathology, VaP.C., Islamic Azad University, Varamin, Iran
3 - Associated Professor, Department of Plant Pathology, VaP.C., Islamic Azad University, Varamin, Iran

Received: 2025-06-14 Accepted : 2025-09-02 Published : 2025-09-19

Keywords: Rhizoctonia solani, lettuce, biological fungicide, carbendazim, soil-borne disease control,

Abstract :

Rhizoctonia solani Kühn is recognized as one of the most destructive soil-borne pathogens, responsible for causing collar and root rot in numerous economically important crops, including lettuce (Lactuca sativa L.). Due to its broad host range and remarkable persistence in soil ecosystems, effective management of this pathogen remains a significant challenge for sustainable agriculture. In the present study, the Response Surface Methodology (RSM) integrated with a Central Composite Design (CCD) was employed to model and optimize the pathogenicity intensity of R. solani on lettuce. The primary objective was to identify the optimal conditions for applying three fungicidal treatments- a chemical fungicide (carbendazim) and two biological formulations (Pars Basil containing Bacillus velezensis and Trichomix HV containing Trichoderma harzianum- against two distinct isolates (B and C) of R. solani under open-field conditions in Varamin, Iran. Significant differences in pathogenicity intensity were observed between the isolates. Isolate B exhibited higher resistance to the applied treatments, whereas isolate C showed a markedly greater sensitivity to carbendazim. The use of biological fungicides provided substantial protective effects, particularly during the early growth stages of the crop. Furthermore, the statistical modeling demonstrated a strong goodness-of-fit, indicating the model’s high predictive accuracy in estimating disease severity. Optimization results revealed that the maximum efficacy of carbendazim was achieved at a concentration of 3‰ (3 gL⁻¹) with three applications per month. In contrast, the biological fungicides showed optimal preventive performance at a concentration of 2‰ (2 gL⁻¹) with two applications. Collectively, these findings highlight that the selection of fungicide type, application timing, and treatment frequency plays a pivotal role in the sustainable management of lettuce collar rot disease caused by R. solani. This study underscores the potential of integrating chemical and biological control strategies within predictive optimization frameworks to enhance disease suppression while minimizing environmental impact.

References:

Ajayi, O.O. 2016. Genetic diversity and fungicide sensitivity of Rhizoctonia solani associated with soybean seedling disease, University of Illinois at Urbana-Champaign.
Ajayi‐Oyetunde, O.O. and Bradley, C.A. 2018. Rhizoctonia solani: taxonomy, population biology and management of rhizoctonia seedling disease of soybean. Plant pathology 67(1): 3-17. https://doi.org/10.1111/ppa.12733.
Aktar, M.W., Sengupta, D. and Chowdhury, A. 2009. Impact of pesticides use in agriculture: their benefits and hazards. Interdisciplinary Toxicology 2(1): 1-12. https://doi.org/10.2478/v10102-009-0001-7.
Beaumelle, L., Tison, L., Eisenhauer, N., Hines, J., Malladi, S., Pelosi, C., Thouvenot, L. and Phillips, H.R., 2023. Pesticide effects on soil fauna communities-A meta‐analysis. Journal of Applied Ecology 60(7): 1239-1253. https://doi.org/10.1111/1365-2664.14437.
Cook, R.J. and Baker, K.F. 1983. The Nature and Practice of Biological Control of Plant Pathogens. American Phytopathological Society (APS Press), 539p.
Fisher, M.C., Hawkins, N.J., Sanglard, D. and Gurr, S.J. 2018. Worldwide emergence of resistance to antifungal drugs challenges human health and food security. Science 360 (6390): 739-742. https://doi.org/10.1126/science.aap7999.
Glosier, B.R., Ogundiwin, E.A., Sidhu, G.S., Sischo, D.R. and Prince, J.P. 2008. A differential series of pepper (Capsicum annuum) lines delineates fourteen physiological races of Phytophthora capsici: Physiological races of P. capsici in pepper. Euphytica 162: 23-30. https://doi.org/10.1007/s10681-007-9532-1.
Harman, G.E., Howell, C.R., Viterbo, A., Chet, I. and Lorito, M. 2004. Trichoderma species-opportunistic, avirulent plant symbionts. Nature Reviews Microbiology 2(1): 43–56. https://doi.org/10.1038/nrmicro797.
Hu, X., Li, M., Yu, Y. and Wang, Z. 2024. Applications of Bacillus velezensis in sustainable agriculture: A review of mechanisms and field performance. Biological Control, 191, 105301. https://doi.org/10.1016/j.biocontrol.2024.105301.
Indu, Baghel, A.S., Bhardwaj, A. and Ibrahim, W. 2022. Optimization of pesticides spray on crops in agriculture using machine learning. Computational Intelligence and Neuroscience 2022(1): 9408535. https://doi.org/10.1155/2022/9408535.
Jacobsen, B., Kephart, K., Zidack, N., Johnston, M. and Ansley, J. 2004. Effect of fungicide and fungicide application timing on reducing yield loss to Rhizoctonia crown and root rot. Sugarbeet Research and Extension Reports 35: 224-226.
Madden, L.V., Hughes, G. and Van den Bosch, F. 2007. The Study of Plant Disease Epidemics. APS Press. https://doi.org/10.1094/9780890545058.
Muzela, J.K.K. 2008. Evaluation of three fungicides for control of soilborne diseases of lettuce seedlings. University of Pretoria, South Africa, 65p.
Ongena, M., Jourdan, E. and Kieu, N.P. 2024. Bacterial biocontrol agents: The multifaceted action of Bacillus spp. and their application in plant protection. Trends in Plant Science 29(2): 117-132. https://doi.org/10.1016/j.tplants.2024.01.005.
Panth, M., Hassler, S.C. and Baysal-Gurel, F. 2020. Methods for management of soilborne diseases in crop production. Agriculture 10(1): 16. https://doi.org/10.3390/agriculture10010016.
Parmeter, J. R. 2023. Rhizoctonia solani: biology and pathology. University of California Press, 272p.
Raid, R.N. 2004. Lettuce diseases and their management. Pp. 121-147. In: Naqvi, S.A.M.H. (eds.). Diseases of Fruits and Vegetables: Volume II: Diagnosis and Management. Dordrecht: Springer, Netherlands. https://doi.org/10.1007/1-4020-2607-2_5.
Rebollar-Alviter, A. and Nita, M. 2011. Optimizing fungicide applications for plant disease management: Case studies on strawberry and grape. INTECH Open Access Publisher.
Roca-Couso, R., Gutiérrez, S., Casquero, P. A. and Ríos-Momberg, M. 2021. Emerging Trichoderma species for biocontrol: Biological features, mechanisms, and applications. Fungal Biology Reviews 35(2): 62-78. https://doi.org/10.1016/j.fbr.2021.01.003.
Shafi, J., Tian, H. and Ji, M. 2017. Bacillus species as versatile weapons for plant pathogens: A review. Biotechnology & Biotechnological Equipment 31(3): 446-459. https://doi.org/10.1080/13102818.2017.1286950.
Vinale, F., Sivasithamparam, K., Ghisalberti, E. L., Marra, R., Woo, S. L. and Lorito, M. 2008. Trichoderma-plant-pathogen interactions. Soil Biology and Biochemistry 40(1): 1-10. https://doi.org/10.1016/j.soilbio.2007.07.002.
Xu, Y., Gao, Y., Huang, H., Wang, J. and Zhang, L. 2021. Rapid identification and classification of plant pathogenic fungi using molecular and genomic tools. Frontiers in Microbiology 12: 671602. https://doi.org/10.3389/fmicb.2021.671602.
Yousfi, M., Sellami, S. and Djebaili, R. 2024. The emerging role of Trichoderma harzianum in sustainable agriculture: Advances in biofungicide development. Journal of Applied Microbiology 136(4): 845-857. https://doi.org/10.1111/jam.15837.

Full-Text:

گیاهپزشکی کاربردی، جلد 14، شماره 1، سال 1404

بهینه‌سازی شرایط استفاده از سموم به منظور مدیریت شدت بیماری‌زایی قارچ Rhizoctonia solani در کاهو

Optimization of Fungicide Application Conditions for Managing Disease Severity Caused by Rhizoctonia solani in Lettuce

مهدی اسحاقی1، ثمین صدیق2* و مژده ملکی3

دریافت: 24/3/1404 پذیرش: 11/6/1404

چکیده

قارچ Rhizoctonia solani Kühn به‌عنوان یکی از عوامل بیماری‌زای خاکزاد خسارت‌زا، موجب بروز بیماری پوسیدگی طوقه و ریشه در بسیاری از محصولات کشاورزی از جمله کاهو (Lactuca sativa L.) می‌گردد. کنترل این قارچ به‌دلیل گستره میزبانی بالا و بقای طولانی در خاک، همواره با چالش‌های فراوانی همراه بوده است. در این پژوهش، برای مدلسازی و بهینه‌سازی شدت بیماری‌زایی قارچ R. solani در کاهو، از روش سطح پاسخ (RSM) در قالب طرح مرکب مرکزی (CCD) استفاده شد. هدف، تعیین شرایط بهینه مصرف سه نوع قارچ‌کش شامل یک قارچ‌کش شیمیایی (کاربندازیم) و دو فرآورده زیستی (پارس باسیل حاوی Bacillus velezensis و تریکومیکس HV حاوی Trichoderma harzianum) بر شدت بیماری‌زایی دو جدایه متفاوت (B و C) از قارچ R. solani در شرایط مزرعه‌ای در شهرستان ورامین بود. نتایج نشان دهنده تفاوت معنیدار در شدت بیماری‌زایی میان جدایه‌ها بود؛ جدایه B نسبت به تیمارها مقاومت بیشتری نشان داد. در حالی‌که جدایه C به‌طور معنی‌داری نسبت به کاربندازیم حساس‌تر بود. استفاده از قارچ‌کش‌های زیستی تأثیر محافظتی قابل توجهی بر گیاه به‌ویژه در مراحل ابتدایی رشد نشان دادند. همچنین نتایج مدلسازی نشان داد که مدل آماری از برازش مطلوبی برخوردار بوده و قادر به پیش‌بینی دقیق شدت بیماری‌زایی است. بهینه‌سازی مدل نشان داد که بیشترین کارایی کاربندازیم در دز ۳ در هزار و سه نوبت کاربرد در ماه حاصل شد؛ در حالیکه برای قارچ‌کش‌های زیستی، دز ۲ در هزار در دو نوبت کاربرد، بهترین عملکرد پیشگیرانه را داشتند. بهطور کلی، نتایج تأیید کرد که انتخاب نوع قارچ‌کش، زمان و تعداد دفعات مصرف نقش کلیدی در مدیریت پایدار بیماری پوسیدگی طوقه در کاهو دارد.

واژگان کلیدی: Rhizoctonia solani، کاهو، قارچکش بیولوژیک، کاربندازیم، کنترل بیماری‌های خاکزاد

مقدمه

بیماری‌های قارچی یکی از مهم‌ترین عوامل محدودکننده در تولید محصولات کشاورزی در سراسر جهان به شمار می‌روند و خسارات اقتصادی قابل توجهی به بخش‌های مختلف کشاورزی وارد می‌کنند (Fisher et al., 2018). در میان بیماری‌های قارچی،Rhizoctonia solani بهعـنوان یک بیمارگر خاکزی با دامنه میزبان گسترده، یکی از چـالش‌های اصلی تولید سبزیجات، بهویـژه کاهو (Lactuca sativa) محـسـوب می‌شود (Parmeter, 2023). این قارچ، عامل بیماری‌هایی نـظیر پـوسیدگی ریشه و ساقه است که منجر به کاهش کیفیت و کمیت محصول و حتی از بین رفتن گیاه در مراحل اولیه رشد می‌شود (Muzela, 2008; Raid, 2004).

1 و 3- به ترتیب دانشجوی دکتری و دانشیار، گروه بیماریشناسی گیاهی، واحد ورامین-پیشوا، دانشگاه آزاد اسلامی، ورامین، ایران

2- دانشیار، گروه گیاهپزشکی، واحد ورامین-پیشوا، دانشگاه آزاد اسلامی، ورامین، ایران

نویسنده مسئول مکاتبات: samin.seddigh@iau.ac.ir

R. solani با داشتن چرخه زیستی پیچیده، ظرفیت بالایی برای بقا در خاک و محیط‌های مختلف دارد که این امر کنترل آن را دشوارتر می‌کند (Ajayi, 2016). از سوی دیگر، تنوع ژنتیکی بالای این قارچ باعث بروز گونه‌های متفاوت با حساسیت‌های مختلف به روش‌های کنترل شیمیایی و زیستی شده است (Parmeter, 2023). به همین دلیل، مدیریت بیماری‌های ناشی از این بیمارگر نیازمند رویکردهای جامع و چندجانبه است که ضمن حفظ بهره‌وری کشاورزی، اثرات منفی زیست‌محیطی و اقتصادی را کاهش دهد.

استفاده از سمـوم قـارچ‌کـش یکـی از رایج‌تـرین و مـؤثرتریـن روش‌هـا بـرای کنترل بیماری‌های قارچی بهشمار می‌رود (Beaumelle et al., 2023). با اینحال، مصرف نادرست و بیش از حد سموم می‌تواند باعث ایجاد مقاومت در بیمارگر‌ها، کاهش تنوع زیستی خاک، آلودگی منابع آب و بروز خطرات بهداشتی برای انسان‌ها و دام‌ها گردد (Aktar et al., 2009؛). در این راستا، بهینه‌سازی مصرف سموم بهعنوان یک استراتژی کلیدی مطرح است که علاوه بر افزایش کارایی کنترل بیماری، اثرات سوء زیست‌محیطی را نیز کاهش می‌دهد (Panth et al., 2020).

مدلسازی اپیدمیولوژیک بیماری‌های گیاهی به منظور درک بهتر فرآیندهای شیوع بیماری و پیش‌بینی روند آن، ابزاری حیاتی در مدیریت هوشمند بیماری‌ها محسوب می‌شود (Madden et al., 2007). این مدل‌ها می‌توانند با بهره‌گیری از داده‌های تجربی و شرایط محیطی، سناریوهای مختلف شیوع را شبیه‌سازی کـرده و بـهترین استـراتژی‌های مدیریـتی را پیـشنهاد دهند (Panth et al., 2020). در کنار مدلسازی، بهـینه‌سازی شرایط کاربرد سموم از طریق الگوریتم‌های پیشرفته مانند الگوریتم ژنتیک (Genetic Algorithm)، الگوریتم ازدحام ذرات (Particle Swarm Optimization) و روش‌های یادگیری ماشین (Machine Learning)، امکان تعیین بهترین زمان، دوز و روش مصرف را فراهم می‌آورد که می‌تواند به کاهش مصرف سموم و افزایش کارایی کمک کند. این الگوریتم‌ها به‌دلیل توانایی بالا در جستجوی پاسخ بهینه در فضاهای پیچیده و چند بعدی، عدم وابستگی به مشتق تابع هدف و قابلیت همگرایی سریع، ابزارهایی مؤثر برای حل مسائل غیرخطی در سامانه‌های زیستی و کشاورزی محسوب می‌شوند. چنین ویژگی‌هایی موجب می‌شود بتوان از آن‌ها برای یافتن شرایط بهینه مصرف سموم با حداقل اثرات زیست‌محیطی و حداکثر کارایی استفاده کرد (Rebollar-Alviter and Nita, 2011؛ Indu et al., 2022).

مطالعات متعددی اثرات دز و زمان‌بندی کاربرد سموم را بر کنترل بیماری‌های ناشی از R. solani بررسی کرده‌اند. بهعنوان مثال،Jacobsen و همکاران ((2004 نشان دادند که استفاده از دوزهای بهینه و زمان‌بندی مناسب سموم قارچ‌کش می‌تواند شدت بیماری را تا بیش از 50 درصد کاهش و در عین حال مصرف سموم را تا 30 درصد کاهش دهد. این یافته‌ها نشان‌دهنده اهمیت توجه دقیق به پارامترهای کاربرد سموم برای کنترل مؤثر بیماری است. با این وجود، بسیاری از این تحـقـیقـات بهصورت موردی و بـر اسـاس آزمـایش‌های مـحـدود صـورت گرفـته‌انـد و بهنـدرت یـک مدل جـامـع که بـتوانـد عـوامـل مـحـیطی، ویژگی‌هـای بیـمارگر و شـرایط کاربـرد سمـوم را بـهطـور همزمان مدلـسازی و بهیـنه‌سازی کـند، ارائه شده است (Ajayi‐Oyetunde and Bradley, 2018).

از سوی دیگر، ترکیب دانش زیست‌شناسی بیمارگر با مدل‌های ریاضی و الگوریتم‌های بهینه‌سازی، می‌تواند ابزاری قدرتمند برای تصمیم‌گیری‌های مدیریتی در کشاورزی دقیق (precision agriculture) باشد (Panth et al., 2020). با توجه به پیچیدگی‌های شیوع بیماری و تأثیر متقابل عوامل متعدد، استفاده از روش‌های چندمتغیره و داده محور به منظور یافتن شرایط بهینه کاربرد سموم، ضرورت می‌یابد (Indu et al., 2022).

در ایران، کاهو یکی از مهم‌ترین سبزیجات مصرفی است که بهطور گسترده در مناطق مختلف کشت می‌شود و خسارت‌های ناشی از R. solani باعث زیان‌های اقتصادی زیادی شده است. با توجه به این اهمیت و خلاء تحقیقات جامع در زمینه مدلسازی و بهینه‌سازی کاربرد سموم قارچ‌کش و نهاده‌های کنترل‌گر زیستی در کاهو، انجام این پژوهش از ضرورت بالایی برخوردار است. هدف اصلی این مطالعه، توسعه یک مدل ریاضی دقیق برای مدلسازی شدت بیماری‌زایی R. solani در کاهو و بهینه‌سازی شرایط کاربرد سموم قارچ‌کش و نهاده‌های زیستی با استفاده از الگوریتم‌های بهینه‌سازی نوین است. این مدل می‌تواند راهنمایی علمی برای کشاورزان و کارشناسان در تعیین بهترین دوز، زمان و روش کاربرد سموم باشد تا ضمن کنترل مؤثر بیماری، مصرف سموم و آسیب‌های زیست‌محیطی کاهش یابد. بدین ترتیب، این پژوهش می‌تواند سهم مهمی در تحقق کشاورزی پایدار و افزایش امنیت غذایی ایفا کند.

مواد و روشها

نمونه‌برداری و جداسازی قارچ عامل بیماری

در طول سال زراعی ۱۴۰۱–۱۴۰۲، گیاهان کاهوی آلوده با علائم پوسیدگی ریشه ناشی از Rhizoctonia solani از مزارع اصلی کشت کاهو در شهرستان ورامین جمع‌آوری شدند. نمونه‌های آلوده شامل بخش‌هایی از ساقه و ریشه، به آزمایشگاه بیماریشناسی گیاهی در دانشکده کشاورزی دانشگاه آزاد اسلامی واحد ورامین-پیشوا منتقل گردیدند.

برای جداسازی قارچ، قطعات کوچکی به قطر حدود 5/0 تا ۱ سانتی‌متر از ناحیه مرزی بافت سالم و آلوده پس از شستشو با آب و ضدعفونی با محلول هیپوکلریت سدیم 5/0% به‌مدت ۱ تا ۲ دقیقه، سه بار با آب مقطر استریل شسته شدند و سپس روی کاغذ صافی سترون خشک گردیدند. این قطعات بر روی محیط کشت PDA (Potato Dextrose Agar) حاوی آنتی‌بیوتیک کلرامفنیکل کشت داده شدند و در دمای ۲۸ درجه سلسیوس انکوبه گردیدند. پس از سه روز، کلنی‌های قارچی با خصوصیات مورفولوژیک R. solani شناسایی شده و با استفاده از روش نوک ریسه بر روی محیط کشت آب آگار 1% خالص‌سازی شدند. کشت‌های خالص در محیط PDA برای نگهداری کوتاه‌مدت در دمای ۲۸ درجه سلسیوس نگهداری شدند و پس از تشکیل اسکلروت‌ها، به منظور نگهداری بلندمدت، در دمای ۴ درجه سلسیوس حفظ شدند.

آماده‌سازی گیاهان کاهو

بذرهای کاهو رقم 'اورست ۱' حسـاس به بیـماری، در سینی‌های نشـاکاری کشـت داده شـد و پـس از رشد اولیه تا مرحله ۲–۳ برگی، به گلدان‌های استریل حاوی خاک (مخلوطی از خاک زراعی، خاک برگ، ماسه، پرلیت و ورمی‌کمپوست) که در دمای ۱۲۱ درجه سلسیوس به مدت ۶۰ دقیقه اتوکلاو شده بودند، منتقل شدند. در هر گلدان یک نشا کشت شد و گلدان‌ها با برچسب‌گذاری مناسب بر اساس تیمارها در آزمایشگاه به‌صورت تصادفی چیدمان شدند.

شرایط نگهداری آزمایشگاهی

دمای آزمایشگاه به‌طور میانگین در محدوده ۵±25 درجه سلسیوس، رطوبت نسبی در بازه ۲۵ تا ۳۵ درصد و دوره نوری ۱۴ ساعت روشنایی و ۱۰ ساعت تاریکی (با استفاده از نور طبیعی) تنظیم شد تا شرایط مناسب رشد گیاه فراهم گردد.

مایه‌زنی گیاهان

سه روز پس از انتقال نشاها و تثبیت رشد اولیه، مرحله مایه‌زنی آغاز شد. سوسپانسیون قارچی از هر جدایه B و C با استفاده از میسلیوم‌های رشد کرده در آب مقطر استریل تهیه و به‌مدت دو ساعت در دستگاه شیکر قرار گرفتند. سپس جهت شمارش کـلونـی، از هر سوسـپانـسیون رقت‌سازی انجام شده و بر روی پتری‌دیش کشت داده شد. غلظت جدایه Bبرابر با 10 ×7/2 اسپور در میلی‌لیتر و غلظت جدایه Cبه میزان 10× 5/2 اسپور در میلی‌لیتر در نظر گرفته شد. برای هر گلدان، ۱۰ میلی‌لیتر از سوسپانسیون قارچی به پای گیاه افزوده شد. علائم آلودگی در طی روزهای بعد به‌صورت روزانه ثبت گردید.

تیمار با قارچ‌کش‌ها

سه نوع قارچ‌کش کاربندازیم ۶۰٪ WP (شیمیایی - شرکت آریاشیمی)، تریکومیکس HV (زیستی - شرکت فناوران حیات سبز) و پارس باسیل SC (زیستی - شرکت رویان تیسان سبز) مورد آزمایش قرار گرفت. هر قارچ‌کش در سه غلظت ۱، ۲ و ۳ در هزار به‌صورت محلول در آب آبیاری به گیاهان اعمال شد. تعداد دفعات محلول‌پاشی در سه سطح (یک، دو و سه بار در ماه و به فاصله 7 روز) بررسی گردید.

طراحی آزمایش

برای طراحی آزمایش، از طرح مرکب مرکزی (Central Composite Design= CCD) در قالب روش سطح پاسخ (Response Surface Methodology= RSM) استفاده شد. فاکتورهای مورد بررسی شامل نوع قارچ‌کش (۳ سطح)، دز مصرفی (۳ سطح)، تعداد دفعات محلول‌پاشی (۳ سطح) و جدایه قارچ (۲ سطح) بودند. هر تیمار در سه تکرار انجام شد. تجزیه و تحلیل داده‌ها با استفاده از نرم‌افزار Design Expert نسخه ۱۲ انجام شد.

ارزیابی بیماری و شاخص شدت بیماری

ارزیابی‌ها از روز سوم پس از مایه‌زنی و با فواصل چهار روز یک‌بار به مدت ۲۰ روز انجام شد. علائم بیماری بر اساس شاخص شدت بیماری پنج‌درجه‌ای (Glosier et al., 2008) بررسی شد:

1 –گیاه سالم، 2 –زردی برگ‌ها، 3 –پژمردگی جزئی، 4 –پژمردگی شدید، 5 –مرگ کامل گیاه

برای هر گلدان، درصد وقوع بیماری با استفاده از فرمول زیر محاسبه شد:

درصد وقوع بیماری = (تعداد برگ‌های آلوده / تعداد کل برگ‌ها) × ۱۰۰

ارزیابی مدل آماری

برای اعتبارسنجی مدل آماری، از آزمون عدم برازش، ضرایب تبیین R² و R²adj و تحلیل باقی‌مانده‌ها استفاده شد. مقدار معنی‌داری کمتر از 05/0 برای هر عامل نشان‌دهنده تأثیر معنادار آن بر پاسخ بود. با استفاده از RSM، شرایط بهینه جهت کنترل مؤثر بیماری با کمترین اثرات زیست‌محیطی تعیین گردید.

نتایج

ارزیابی صحت داده‌ها در میزان درصد شدت بیماری‌زایی کاهو

درصد خسارت وارد شده به گیاهان کاهو در شکل 1 (الف) نشان داده شده است. بررسی پراکندگی داده‌ها و روند باقیمانده‌ها (شکل 1 ب) نشان می‌دهد که باقیمانده‌ها بهصورت تقریباً خطی و نرمال هستند و خطاها هم‌ واریانس دارند.

$C:\Users\Click\Desktop\Eshaghii\Photos\Picture1.jpg$

شکل 1- پراکنش خطاي مشاهده شده و خطاي پیش‌بینی شده باقیمانده (الف)، روند تغییرات باقیمانده‌ها (ب) در درصد خسارت روی گیاهان

Fig 1. Distribution of observed errors and predicted residual error (a), and trend of residual changes (b) in the percentage of damage on plants

این امر بیانگر عـدم وجود روند خاص در داده‌ها و توزیع نرمال آن‌ها است. هـمچـنین مقادیـر آماری R² برابر با 73/0، R² اصلاح‌شده (Adjusted) برابر با 72/0 و R² پیش‌بینی (Predicted) برابر با 70/0 نشان‌دهنده قدرت بالای مدل در پیش‌بینی درصد شدت بیماری‌زایی است.

مقایسه فاکتورهای مختلف در شدت بیماری‌زایی

نتایج تجزیه واریانس ارائه شده در جدول 1 نشان می‌دهد که فاکتورهای زمان سمپاشی، تکرار، نوع سم، جدایه قارچ و بسیاری از اثرات متقابل آن‌ها بر درصد شدت بیماری‌زایی کاهو معنی‌دار بوده‌اند (p<0.01). اثرات متقابل دز سم و زمان سمپاشی، دز سم و تکرار، دز سم و نوع سم، زمان و نوع سم، زمان و جدایه قارچ، تکرار و نوع سم، تکرار و جدایه قارچ و نوع سم و جدایه قارچ نیز تأثیرات معناداری بر شدت بیماری داشتند.

جدول 1- نتایج تجزیه واریانس براي مدل پاسخ (شدت بیماریزایی)

Table 1. Analysis of variance (ANOVA) results for the response model (disease severity)

ارزش P P-value	ارزش F F-value	میانگین مربعات MS	درجه آزادی df	مجموع مربعات SS	منابع تغییرات SOV
< 0.0001	44.95	4503.40	23	1.036E+05	مدل Model
0.4797	0.5005	50.14	1	50.14	دز سمFungicide dosage (A) (A)
< 0.0001	828.34	82986.43	1	82986.43	زمان سمپاشی (B) (B) Timing of application
0.0233	5.19	520.20	1	520.20	تکرار (C) (C) Frequency of application
< 0.0001	21.08	2111.59	2	4223.18	نوع سم (D) (D) Type of fungicide
< 0.0001	22.37	2241.60	1	2241.60	جدایه قارچ (E) (E) Fungal isolate
0.2593	1.28	127.89	1	127.89	اثر متقابل دز و زمان سمپاشی Dosage×Timing
0.0009	11.14	1116.30	1	1116.30	اثر متقابل دز و تکرار Dosage×Frequency
0.0030	5.91	592.04	2	1184.08	اثر متقابل دز و نوع سمDosage×Type
0.3083	1.04	104.27	1	104.27	اثر متقابل دز و جدایه قارچ Dosage×Isolate
0.6859	0.1638	16.41	1	16.41	اثر متقابل زمان و تکرار سمپاشی Timing×Frequency
< 0.0001	10.01	1003.00	2	2006.00	اثر متقابل زمان و نوع سم Timing×Type
0.0069	7.37	738.84	1	738.84	اثر متقابل زمان و جدایه قارچ Timing×Isolate
< 0.0001	11.04	1105.65	2	2211.30	اثر متقابل تکرار و نوع سم Frequency×Type
0.0045	8.18	819.20	1	819.20	اثر متقابل تکرار و جدایه قارچ Frequency×Isolate
0.0148	4.26	426.86	2	853.73	اثر متقابل نوع سم و جدایه قارچ Type×Isolate
0.0865	2.96	296.05	1	296.05	اثر مربع دز A2
< 0.0001	39.59	3966.64	1	3966.64	اثر مربع زمان B2
0.7343	0.1154	11.56	1	11.56	اثر مربع تکرار C2
		100.18	366	36667.32	باقیمانده Residual
0.0522	1.30	108.41	246	26668.12	عدم برازش مدل Lack of fit
		83.33	120	9999.20	خطای خالص Pure Error

تأثیر فاکتور نوع سم

در شرایط دز 3 در هزار، سه بار تکرار در ماه و پس از گذشت 20 روز از آزمایش، تاثیر نوع سم بر شدت بیماری‌زایی در دو جدایه قارچ B و C متفاوت بود (شکل 2). در جدایه B تفاوت معنی‌داری بین سموم پارس باسیل، تریکومیکس HV و کاربندازیم مشاهده نشد (شکل 2 الف)، اما در جدایه C، کاربندازیم کمترین درصد شدت بیماری و پارس باسیل بیشترین درصد را نشان دادند (شکل 2 ب).

$C:\Users\Click\Desktop\Picture1.jpg$

شکل 2- تأثیر فاکتور نوع سم با دز 3 در هزار، سه تکرار در ماه و پس از روز بیستم آزمایش در جدایه (الف) B و (ب) C

Fig. 2. Effect of fungicide type at a concentration of 3 per thousand, applied three times per month after the twentieth day of the experiment on isolate (a) B and (b) C

تأثیر فاکتور جدایه قارچ

مطالعه اثر جدایه قارچ در شرایط مشابه نشان داد که تفـاوت معنی‌داری بیـن پارس باسـیل و تریکومیکس HV در هر دو جدایـه B و C وجـود نـدارد، اما در تیمـار با کاربنـدازیم شدت بیماری در جـدایه C بهطور معناداری کمتر از جدایه B بود (شکل 3).

$C:\Users\Click\Desktop\Picture2.jpg$

شکل 3- تأثیر فاکتور جدایه قارچ با دز 3 در هزار، سه تکرار در ماه و پس از روز بیستم آزمایش در سموم (الف) پارس باسیل، (ب) تریکومیکس HV و (ج) کاربندازیم

Fig. 3. Effect of fungal isolate at a concentration of 3 per thousand, applied three times per month after the twentieth day of the experiment on the fungicides: (a) Pars Basil, (b) Trichomix HV, and (c) Carbendazi

اثرات متقابل فاکتورهای مختلف

اثر متقابل دز سم و نوع سم: در هر دو جدایه B و C، در دزهای یک و سه در هزار تفاوت معنی‌داری بین سموم مختلف دیده نشد، به استثناء جدایه C که در آن استفاده از دز 3 در هزار تریکومیکس HV و کاربندازیم منجر به کاهش معنی‌دار شدت بیماری نسبت به دز 1 در هزار شد (شکل 4).

$C:\Users\Click\Desktop\Picture3.jpg$

شکل 4- اثر متقابل نوع سم و دز سم در دو جدایه (الف) B و (ب) C در روز بیستم و با سه تکرار

Fig. 4. Interaction effect of fungicide type and fungicide dose on two isolates: (a) B and (b) C, on the twentieth day with three replications

اثر متقابل نوع سم و زمان: شدت بیماری‌زایی بهطور معنی‌داری با گذشت زمان افزایش یافت (شکل 5). در روز بیستم، اختلاف معنی‌داری بین سموم در جدایه B دیده نشد، ولی در جدایه C کاربندازیم نسبت به پارس باسیل اختلاف معنی‌داری داشت و عملکرد بهتری نشان داد (شکل 5).

$C:\Users\Click\Desktop\Picture 8.jpg$

شکل 5- اثر متقابل نوع سم و زمان در دو جدایه (الف) B و (ب) C در روز بیستم آزمایش و پس از تکرار سوم

Fig. 5. Interaction effect of fungicide type and time on two isolates: (a) B and (b) C, on the twentieth day of the experiment after the third application

اثر متقابل زمان و جدایه قارچ: میزان شدت بیماری‌زایی در دو جدایه بهطور معنی‌داری با گذشت زمان افزایش یافت و تفاوت معنی‌داری بین جدایه‌ها در استفاده از پارس باسیل و تریکومیکس HV مشاهده نشد، اما در کاربندازیم شدت بیماری در جدایه C کمتر بود (شکل 6).

$C:\Users\Click\Desktop\Picture4.jpg$

شکل 6- اثر متقابل زمان و جدایه قارچ در سه سم استفاده شده (الف) پارس باسیل (ب) تریکومیکس HV و (ج) کاربندازیم در روز بیستم و با دز سه در هزار

Fig. 6. Interaction effect of time and fungal isolate on the three applied fungicides: (a) Pars Basil, (b) Trichomix HV, and (c) Carbendazim, on the twentieth day at a concentration of 3 per thousand

اثر متقابل تکرار و نوع سم: در جدایه B تفاوت معنی‌داری بین یک بار و سه بار تکرار در هیچ یک از سموم مشاهده نشد، اما در جدایهC با استفاده از کاربندازیم سه بار تکرار منجر به کاهش معنی‌دار شدت بیماری شد (شکل 7).

$C:\Users\Click\Desktop\Picture5.jpg$

شکل 7- اثر متقابل تکرار و نوع سم در دو جدایه (الف) B و (ب) C در روز بیستم و با دز سه در هزار

Fig. 7. Interaction effect of application frequency and fungicide type on two isolates: (a) B and (b) C, on the twentieth day at a concentration of 3 per thousand

اثر متقابل تکرار و جدایه قارچ: هیچ تفاوت معنی‌داری بین تکرارها در تیمارهای پارس باسیل و تریکومیکس HV مشاهده نشد، اما در کاربندازیم در جدایه C سه بار تکرار شدت بیماری را بهطور معناداری کاهش داد (شکل 8).

$C:\Users\Click\Desktop\Picture 6.jpg$

شکل 8- اثر متقابل تکرار و جدایه قارچ در سه سم استفاده شده (الف) پارس باسیل (ب) تریکومیکس HV و (ج) کاربندازیم در روز بیستم و با دز سه در هزار

Fig. 8. Interaction effect of application frequency and fungal isolate on the three applied fungicides: (a) Pars Basil, (b) Trichomix HV, and (c) Carbendazim, on the twentieth day at a concentration of 3 per thousand

اثر متقابل نوع سم و جدایه قارچ: در هر سه سم مورد بررسی، تفاوت معنی‌داری بین سموم تریکومیکس و پارسباسیل در هر جدایه وجود نداشت، ولی در جدایه C، کاربندازیم بهطور قابل توجهی شدت بیماری‌زایی را کاهش داد (شکل 9).

$C:\Users\Click\Desktop\Picture 7.jpg$

شکل 9- اثر متقابل نوع سم و جدایه قارچ در سه سم استفاده شده (الف) پارسباسیل (ب) تریکومیکس HV و (ج) کاربندازیم در روز بیستم، با دز سه در هزار و سه تکرار

Fig. 9. Interaction effect of fungicide type and fungal isolate on the three applied fungicides: (a) Pars Basil, (b) Trichomix HV, and (c) Carbendazim, on the twentieth day at a concentration of 3‰ with three replications

به‌طور کلی، بررسی اثرات متقابل نشان داد که پاسخ گیاه و کارایی قارچ‌کش‌ها تحت تأثیر هم‌زمان نوع جدایه، دُز مصرف و تعداد دفعات کاربرد قرار دارد. چنین تعاملاتی از دیدگاه بیولوژیکی بیانگر آن است که رفتار دینامیکی قارچ‌کش‌ها نه‌تنها به ویژگی‌های فیزیولوژیکی عامل بیماری‌زا بلکه به پایداری ماده مؤثره و سازوکار دفاعی گیاه نیز وابسته است. بهعنوان مثال، حساسیت بالاتر جدایه C نسبت به کاربندازیم احتمالاً ناشی از نفوذپذیری بیشتر دیواره سلولی و جذب مؤثرتر ترکیب سیستمیک بوده است، در حالی‌که کارایی مشابه دو قارچ‌کش زیستی در هر دو جدایه نشان‌دهنده ماهیت عمومی‌تر مکانیسم‌های بیوکنترلی آنها است. این یافته‌ها اهمیت تنظیم دقیق دز و زمان مصرف بر اساس ویژگی‌های زیستی بیمارگر را برجسته می‌کند.

معادله کلی مدل درصد شدت بیماری‌زایی

برای هر یک از سموم و جدایه‌ها، مدل خطی زیر برای پیش‌بینی درصد شدت بیماری‌زایی ارائه شد که شامل اثرات اصلی و اثرات متقابل دز، زمان و تکرار است. ضرایب مثبت نشان‌دهنده افزایش درصد بیماری با افزایش متغیرها و ضرایب منفی نمایانگر اثر کاهنده متغیرها بر شدت بیماری هستند.

جدایه B در استفاده از پارسیل باسیل:

Pathogenicity severity%= 18.06134+15.90714 Dose+3.73846 Time+11.96700 Repeat+0.134904 Dose × Time-3.05000 Dose × Repeat+0.048327 Time × Repeat-1.89023 Dose²-0.091567 Time²-0.373563 Repeat²

جدایه C در استفاده از پارسیل باسیل:

Pathogenicity severity%= 42.719008279326+ 14.384917718736 Dose +3.2978888595498 Time+ 7.7003321085356 Repeat + 0.1349043715847 Dose × Time -3.05 Dose × Repeat +0.048326502732244 Time × Repeat -1.8902298850575 Dose² -0.091566676202769 Time² -0.37356321839076 Repeat²

بهینه‌سازی شرایط کاهش درصد شدت بیماری‌زایی

فرآیـند بهیـنه‌سازی نشـان داد که برای هـر یـک از سموم پارسباسیـل، تریکومیـکـس HV و کاربـندازیم در هـر جـدایـه شـرایط خاصی از نظـر دز مصـرف و زمان سـمپاشی وجود دارد که منجر به کمترین میزان شدت بیماری‌زایی می‌شود (شکل‌های 10 و 11).

$C:\Users\Click\Desktop\Eshaghii\Photos\behineh B.jpg$

شکل 10- بهینهسازی شرایط استفاده از سموم (الف) پارس باسیل (ب) تریکومیکس H و (ج) کاربندازیم در صورت آلودگی به جدایه B در روزهای آزمایش و با شرایط مشخص برای بهدست آوردن کمترین درصد بیماریزایی

Fig. 10. Optimization of fungicide application conditions: (a) Pars Basil, (b) Trichomix HV, and (c) Carbendazim, under infection with isolate B during the experimental days, with specified conditions to achieve the lowest disease severity percentage

بر اساس جدول ۲، کاربندازیم در جدایه C با دز ۳ در هزار و سه بار کاربرد در ماه بهترین کارایی را در کاهش شدت بیماری نشان داد. در مقابل، قارچ‌کش‌های زیستی در دزهای پایین‌تر (۲ در هزار) و دو نوبت کاربرد به نتایج مطلوبی دست یافتند. این الگو بیانگر آن است که در کنترل بیماری‌های ناشی از R. solani، کاربندازیم بیشتر برای شرایط بحرانی پس از آلودگی و قارچ‌کش‌های زیستی برای کاربرد پیشگیرانه پیش از آلودگی مناسب هستند.

$C:\Users\Click\Desktop\Eshaghii\Photos\behineh C.jpg$

شکل 11- بهینه‌سازی شرایط استفاده از سموم (الف) پارس باسیل (ب) تریکومیکس Hو (ج) کاربندازیم در صورت آلودگی به جدایه C در روز‌های آزمایش و با شرایط مشخص برای بهدست آوردن کمترین درصد بیماریزایی

Fig. 11. Optimization of fungicide application conditions: (a) Pars Basil, (b) Trichomix HV, and (c) Carbendazim, under infection with isolate C during the experimental days, with specified conditions to achieve the lowest disease severity percentage

جدول 2- شرایط بهینه پیش‌بینی‌شده برای کاربرد قارچ‌کش‌ها و حداقل شدت بیماری‌زایی در هر جدایه قارچ R. solani

Table 2. Predicted optimal fungicide application conditions and minimum disease severity for each R. solani isolate

حداقل شدت بیماری پیش‌بینی‌شده (%) Predicted minimum disease severity (%)	زمان بهینه سمپاشی (روز پس از مایه‌زنی) Optimal application timing (days after inoculation)	تعداد دفعات کاربرد (در ماه) Application frequency (per month)	دُز بهینه (در هزار) Optimal dose (‰)	جدایه قارچ Fungal isolate	نوع قارچ‌کش Fungicide type
12.5	20	3	3	C	کاربندازیم Carbendazim
25.8	20	3	3	B	کاربندازیم Carbendazim
28.4	16	2	2	C	تریکومیکس Trichomix HV
30.1	16	2	2	B	تریکومیکس Trichomix HV
29.6	15	2	2	C	پارس باسیل Pars Basil
31.0	15	2	2	B	پارس باسیل Pars Basil

بحث

کاهو (Lactuca sativa L.) یکی از پرمصرف‌ترین سبزیجات خام در رژیم غذایی انسان است که از ارزش تغذیه‌ای بالایی برخوردار بوده و به‌دلیل ترکیبات زیست‌فعال خود، نقش مهمی در ارتقاء سلامت عمومی ایفا می‌کند. با این حال، این گیاه نسبت به برخی بیمارگر‌های خاکزاد به‌شدت آسیب‌پذیر است. قارچ R. solani Kühn یکی از مهم‌ترین عوامل بیماری‌زای خاکزاد در سراسر جهان محسوب می‌شود که دامنه میزبانی گسترده‌ای دارد و باعث بیماری‌های مخربی در محصولات زراعی مهم، از جمله کاهو میشود. خسارات ناشی از این بیمارگر در مناطق مختلف ایران از جمله ورامین، به‌ویژه از طریق ایجاد بیماری پوسیدگی طوقه، به‌طور مستقیم عملکرد محصول را تحت تأثیر قرار می‌دهد. پیچیدگی زیستی و فیزیولوژیکی این قارچ موجب شده کنترل آن با چـالش‌های متعددی هـمراه باشد، به‌طـوری‌که اسـتفاده طولانی مدت از قـارچ‌کش‌های شیمیایی نه‌تنها به کاهش اثربـخشی آنـها منجر شـده بلکه خـطرات زیـست‌محیـطی و مقاومت قارچ را نیز افـزایش داده است (Cook and Baker, 1983).

در ایـن پــژوهـش، اثـربـخـشـی سه تیمار شامل قـارچ‌کش شیـمیایی کاربـندازیـم و دو مـحصـول بـیـولـوژیـک پارسباسیل (حاویBacillus velezensis) و تریکومیکس HV (حاوی Trichoderma harzianum) بر کنترل بیماری ناشی از جدایه‌های B و C قارچ R. solani مورد بررسی قرار گرفت. یافته‌ها نشان داد که شدت بیماری‌زایی بین دو جدایه متفاوت بوده و پاسخ آن‌ها به تیمارها نیز به‌طور معنی‌داری متفاوت بود. جدایه B نسبت به همه تیمارها مقاومت بالاتری از خود نشان داد که این امر بیانگر اهمیت شناسایی دقیق جدایه‌ها پیش از انتخاب روش کنترل است. در حالی‌که جدایه C نسبت به قارچ‌کش سیستمیک کاربندازیم حساس‌تر بود و کاهش محسوسی در شدت بیماری در پاسخ به این تیمار مشاهده گردید و اثربخشی تیمارهای بیولوژیک عمدتاً به توان پیشگیرانه آن‌ها محدود شد.

کاربندازیم به‌عنوان یک قارچ‌کش سیستمیک با توانایی نفوذ به بافت گیاهی، اثرگذاری قابل‌توجهی در کنترل بیمارگر‌هایی دارد که وارد اندام‌های داخلی گیاه شده‌اند. در مقابل، تیمارهای بیولوژیک پارسباسیل و تریکومیکس HV دارای مکانیسم‌هایی چون تولید متابولیت‌های ضدقارچ مانند ایتورین A و فنگیسین توسط B. velezensis و مایکروپارازیتیسم در T. harzianum هـستـنـد کـه اثـر حـفـاظـتـی قـوی در سـطـح ریـشـه ایـجـاد مـی‌کنـنـد (Hu et al., 2024; Yousfi et al., 2024؛ Roca‑Couso et al., 2021). مطالعات نشان داده‌اند که محصولات زیستی مبتنی بر Bacillus spp. و Trichoderma spp. از طریق القای مقاومت سیستمیک در گیاه (ISR) و نیز بهبود جذب عناصر غذایی موجب افزایش مقاومت عمومـی گیـاه می‌شـوند (Shafi et al., 2017؛ Vinale et al., 2008).

در پـژوهش حاضر، مشاهده شد که قارچ‌کش‌های بیولوژیک در صورت نفوذ بیمارگر به داخل بافت‌های گیاه، قدرت مهارکنندگی کمتری دارند. بر این اساس، استفاده پیش‌کشت از این ترکیبات به‌عنوان راهبردی پیشگیرانه توصیه می‌شود تا از نفوذ اولیه قارچ جلوگیری گردد. از سوی دیگر، قارچ‌کش کاربندازیم نه تنها در مراحل اولیه بلکه در دوره‌های بعدی رشد نیز توانست شدت بیماری را کاهش دهد، به‌ویژه در جدایه C که نسبت به آن حساس‌تر بود. در مقابل، در جدایه B، حتی با افزایش دز کاربندازیم نیز کاهش معنی‌دار بیماری مشاهده نشد که این مسئله نشان‌دهنده مقاومت ذاتی بیشتر این جدایه و ضرورت به‌کارگیری روش‌های کنترل تلفیقی در مواجهه با آن است.

نتایج همچنین نشان داد که تیمار با تریکومیکس HV پس از مدتی موجب بهبود رشد و احیای نسبی گیاهان آسیب‌دیده شد، حال آنکه این اثر در سایر تیمارها به چشم نمی‌خورد. این یافته با مطالعات پیشین در خصوص نقش تقویتی Trichoderma در رشد گیاهان از طریق تولید هورمون‌های رشد هم‌راستا است (Harman et al., 2004). از سوی دیگر، مشاهدات حاکی از آن بود که کاربندازیم علاوه بر مدیریت بیماری، احتمالاً با تحریک برخی مسیرهای دفاعی گیاه، مانع از پیشرفت بیماری گردید. بنابراین به نظر می‌رسد که تأثیر مثبت این قارچ‌کش فراتر از نقش ضدقارچی مستقیم آن است و می‌تواند از طریق ساز و کارهای ناشناخته، چرخه بیماری را مختل نماید.

در نتیجه، با توجه به تأثیر حفاظتی پارسباسیل و تریکومیکسHV ، استفاده از این تیمارها در مرحله آماده‌سازی خاک و پیش از کشت به‌عنوان اقدامی مؤثر برای پیشگیری توصیه می‌شود. همچنین برای کنترل مؤثرتر بیماری، تقویت گیاه با استفاده از کودهای حاوی عناصر اصلی و ریزمغذی مانند پتاسیم و روی که در ارتقاء مقاومت سلولی نقش دارند، می‌تواند در قالب یک برنامه مدیریت یکپارچه بیماری گنجانده شود. علاوه بر این، با توجه به تفاوت پاسخ جدایه‌ها به تیمارهای مختلف، شناسایی سریع جدایه‌های بیمارگر از طریق روش‌های مولکولی به جای شناسایی‌های مورفولوژیک پیشنهاد می‌شود تا امکان اتخاذ تصمیم‌های مدیریتی مناسب در کوتاه‌ترین زمان فراهم گردد (Xu et al., 2021؛ Ongena et al., 2024).

یافته‌های این مطالعه از نظر الگوی پاسخ قارچ‌کش‌ها تا حد زیادی با گزارش‌های پیشین همخوانی دارد. بهعنوان مثال، کاهش قابل توجه شدت بیماری در پاسخ به کاربـندازیم مشابه نتایج Jacobsenet al. (2004) و Panth et al. (2020) است که هر دو بر اثربخشـی بالای این ترکـیـب در کـنتـرل R. solani تأکید کرده‌اند. با این حال، تفاوت مشاهده‌شده بین جدایه‌های B و C در حساسیت به کاربندازیم می‌تواند ناشی از تفاوت‌های ژنتیکی در مکانیزم‌های مقاومت قارچ باشد که پیش‌تر Ajayi (2016) نیز به آن اشاره کرده‌اند. از سوی دیگر، کارایی محدود تیمارهای زیستی در شرایط آلودگی شدید در این پژوهش، با یافته‌های Hu et al. (2024) و Yousfi et al. (2024) هم‌راستا است که نشان داده‌اند فرآورده‌های زیستی عمدتاً نقش پیشگیرانه (preventive) دارند و در مهار عفونت‌های پیشرفته تأثیر کمتری دارند. این مقایسه‌ها نشان می‌دهد که نتایج حاضر نه تنها تأییدکننده روندهای شناخته شده در کنترل R. solani است، بلکه با بهره‌گیری از مدلسازی کمی، چارچوبی دقیق‌تر برای تحلیل تعاملی میان نوع قارچ‌کش، جدایه و شرایط کاربرد ارائه می‌دهد.

افزون بر مقایسه اثربخشی تیمارها، یکی از دستاوردهای کلیدی این پژوهش، توسعه و اعتبارسنجی مدل آماری مبتنی بر روش سطح پاسخ (Response Surface Methodology, RSM) بود. این مدل توانست اثرات اصلی و متقابل نوع قارچ‌کش، دز، تعداد دفعات کاربرد و نوع جدایه قارچ را به‌طور کمی تحلیل کرده و شدت بیماری‌زایی را با دقت بالا پیش‌بینی کند. خروجی مدل (R²=0.73) نشان داد که تغییرات جزئی در دز و زمان مصرف می‌تواند تأثیر قابل‌توجهی بر کارایی کنترل بیماری داشته باشد. همچنین، فرایند بهینه‌سازی مدل نشان داد که دز ۳ در هزار و سه نوبت کاربرد در ماه برای قارچ‌کش کاربـندازیـم و دز ۲ در هزار و دو نوبت کاربرد برای قارچ‌کش‌های زیستی، بهترین شرایط کاهش شدت بیماری را فراهم می‌کنند. این یافته‌ها نشان می‌دهد که استفاده از مدل‌های آماری چند متغیره می‌تواند ابزاری قدرتمند برای تصمیم‌گیری علمی و بهینه‌سازی مصرف نهاده‌ها در مدیریت پایدار بیماری‌های خاکزاد باشد. این پژوهش فراتر از مقایسه ساده تیمارها، چارچوبی تحلیلی فراهم می‌آورد که قابلیت استفاده در طراحی راهبردهای مدیریتی دقیق‌تر و کاهش مصرف سموم را دارد. بنابراین، یافته‌های این تحقیق می‌تواند به‌عنوان مبنایی برای توسعه ابزارهای تصمیم‌یار در مدیریت تلفیقی بیماری‌های خاکزاد مورد استفاده قرار گیرد.

به‌طور کلی می‌توان نتیجه گرفت که موفقیت در کنترل بیماری‌های خاکزاد ناشی از Rhizoctonia solani نه‌تنها به نوع قارچ‌کش مورد استفاده بلکه به نوع جدایه، زمان مصرف، شرایط خاک و وضعیت فیزیولوژیک گیاه نیز وابسته است. بنابراین، انتخاب راهبردی چند جانبه با استفاده از عوامل بیولوژیک، ترکیبات شیمیایی با اثر سیستمیک، تقویت گیاه و شناسایی سریع عامل بیماری‌زا می‌تواند رویکردی پایدار، کارآمد و سازگار با محیط زیست برای مدیریت بیماری پوسیدگی طوقه در کاهو، فراهم آورد.

منابع References

Ajayi, O.O. 2016. Genetic diversity and fungicide sensitivity of Rhizoctonia solani associated with soybean seedling disease, University of Illinois at Urbana-Champaign.

Ajayi‐Oyetunde, O.O. and Bradley, C.A. 2018. Rhizoctonia solani: taxonomy, population biology and management of rhizoctonia seedling disease of soybean. Plant pathology 67(1): 3-17. https://doi.org/10.1111/ppa.12733.

Aktar, M.W., Sengupta, D. and Chowdhury, A. 2009. Impact of pesticides use in agriculture: their benefits and hazards. Interdisciplinary Toxicology 2(1): 1-12. https://doi.org/10.2478/v10102-009-0001-7.

Beaumelle, L., Tison, L., Eisenhauer, N., Hines, J., Malladi, S., Pelosi, C., Thouvenot, L. and Phillips, H.R., 2023. Pesticide effects on soil fauna communities-A meta‐analysis. Journal of Applied Ecology 60(7): 1239-1253. https://doi.org/10.1111/1365-2664.14437.

Cook, R.J. and Baker, K.F. 1983. The Nature and Practice of Biological Control of Plant Pathogens. American Phytopathological Society (APS Press), 539p.

Fisher, M.C., Hawkins, N.J., Sanglard, D. and Gurr, S.J. 2018. Worldwide emergence of resistance to antifungal drugs challenges human health and food security. Science 360 (6390): 739-742. https://doi.org/10.1126/science.aap7999.

Glosier, B.R., Ogundiwin, E.A., Sidhu, G.S., Sischo, D.R. and Prince, J.P. 2008. A differential series of pepper (Capsicum annuum) lines delineates fourteen physiological races of Phytophthora capsici: Physiological races of P. capsici in pepper. Euphytica 162: 23-30. https://doi.org/10.1007/s10681-007-9532-1.

Harman, G.E., Howell, C.R., Viterbo, A., Chet, I. and Lorito, M. 2004. Trichoderma species-opportunistic, avirulent plant symbionts. Nature Reviews Microbiology 2(1): 43–56. https://doi.org/10.1038/nrmicro797.

Hu, X., Li, M., Yu, Y. and Wang, Z. 2024. Applications of Bacillus velezensis in sustainable agriculture: A review of mechanisms and field performance. Biological Control, 191, 105301. https://doi.org/10.1016/j.biocontrol.2024.105301.

Indu, Baghel, A.S., Bhardwaj, A. and Ibrahim, W. 2022. Optimization of pesticides spray on crops in agriculture using machine learning. Computational Intelligence and Neuroscience 2022(1): 9408535. https://doi.org/10.1155/2022/9408535.

Jacobsen, B., Kephart, K., Zidack, N., Johnston, M. and Ansley, J. 2004. Effect of fungicide and fungicide application timing on reducing yield loss to Rhizoctonia crown and root rot. Sugarbeet Research and Extension Reports 35: 224-226.

Madden, L.V., Hughes, G. and Van den Bosch, F. 2007. The Study of Plant Disease Epidemics. APS Press. https://doi.org/10.1094/9780890545058.

Muzela, J.K.K. 2008. Evaluation of three fungicides for control of soilborne diseases of lettuce seedlings. University of Pretoria, South Africa, 65p.

Ongena, M., Jourdan, E. and Kieu, N.P. 2024. Bacterial biocontrol agents: The multifaceted action of Bacillus spp. and their application in plant protection. Trends in Plant Science 29(2): 117-132. https://doi.org/10.1016/j.tplants.2024.01.005.

Panth, M., Hassler, S.C. and Baysal-Gurel, F. 2020. Methods for management of soilborne diseases in crop production. Agriculture 10(1): 16. https://doi.org/10.3390/agriculture10010016.

Parmeter, J. R. 2023. Rhizoctonia solani: biology and pathology. University of California Press, 272p.

Raid, R.N. 2004. Lettuce diseases and their management. Pp. 121-147. In: Naqvi, S.A.M.H. (eds.). Diseases of Fruits and Vegetables: Volume II: Diagnosis and Management. Dordrecht: Springer, Netherlands. https://doi.org/10.1007/1-4020-2607-2_5.

Rebollar-Alviter, A. and Nita, M. 2011. Optimizing fungicide applications for plant disease management: Case studies on strawberry and grape. INTECH Open Access Publisher.

Roca-Couso, R., Gutiérrez, S., Casquero, P. A. and Ríos-Momberg, M. 2021. Emerging Trichoderma species for biocontrol: Biological features, mechanisms, and applications. Fungal Biology Reviews 35(2): 62-78. https://doi.org/10.1016/j.fbr.2021.01.003.

Shafi, J., Tian, H. and Ji, M. 2017. Bacillus species as versatile weapons for plant pathogens: A review. Biotechnology & Biotechnological Equipment 31(3): 446-459. https://doi.org/10.1080/13102818.2017.1286950.

Vinale, F., Sivasithamparam, K., Ghisalberti, E. L., Marra, R., Woo, S. L. and Lorito, M. 2008. Trichoderma-plant-pathogen interactions. Soil Biology and Biochemistry 40(1): 1-10. https://doi.org/10.1016/j.soilbio.2007.07.002.

Xu, Y., Gao, Y., Huang, H., Wang, J. and Zhang, L. 2021. Rapid identification and classification of plant pathogenic fungi using molecular and genomic tools. Frontiers in Microbiology 12: 671602. https://doi.org/10.3389/fmicb.2021.671602.

Yousfi, M., Sellami, S. and Djebaili, R. 2024. The emerging role of Trichoderma harzianum in sustainable agriculture: Advances in biofungicide development. Journal of Applied Microbiology 136(4): 845-857. https://doi.org/10.1111/jam.15837.

Control of bacterial soft rot of carrots using actinomycetes
Print Date : 2025-09-16
Mycelial Compatibility Groups and Genetic Diversity in Populations of Sclerotinia sclerotiorum, the Causal Agent of Sclerotinia Stem Rot of Rapeseed in Mazandaran Province
Print Date : 2025-03-18
Effects of the histone deacetylase inhibitor Trichostatin A on morphology, conidiation and vegetative growth of Fusarium graminearum, the causal agent of wheat Fusarium head blight
Print Date : 2025-01-07
The effect of plant extracts on reducing the growth of almond bacterial canker agent (Pseudomonas syringae pv. syringae) in vitro conditions
Print Date : 2024-09-20
Evaluation of the antagonistic ability of two isolates of Trichoderma harzianum against Tobacco root-knot nematode (Meloidogyne incognita)
Print Date : 2024-09-15
Molecular basis of interactions between fungal effectors and host plants
Print Date : 2024-08-07

Share To

Article Url

Optimization of Fungicide Application Conditions for Managing Disease Severity Caused by Rhizoctonia solani in Lettuce