/ NIBIO BOK 6 (1) 86 Ficke, A. et al. Testng av ulike modeller for bladfekksjukdommer i hvete og bygg Andrea Ficke 1 , Chloé Grieu 1 & Berit Nordskog 1 1 NIBIO Plantehelse Andrea.ficke@nibio.no Innledning/Bakgrunn Varslingsmodeller for plantesjukdommer skal være en beslutningstøtte for landbruksrådgivere og bønder, slik at bruk av soppmidler er i tråd med det aktuelle behovet i åkeren. Ved NIBIO har vi hatt varslingsmodeller for bladfekksjukdommer i hvete og bygg tilgjengelig gjennom informasjonsplattfor- men VIPS (vips-landbruk.no) over fere år. Regre- sjonsmodellene som ligger bak beregnede varsler er basert på mengde nedbør og antall dager med nedbør, – faktorer som har stor betydning for sjuk- domsutvikling. Ved utvikling av modellene ble de oppdatert og tilpasset aktuelle sjukdoms- og værfor- hold etter hver vekstsesong fra 2004 t.o.m. 2009 for å sikre at varslene refekterer aktuelt behov for sprøyting i åkeren. Det er imidlertid vanskelig å evaluere hvor godt modellene fungerer og hvor ofte anbefalinger/varsel er «riktig» i en vanlig feltsitua- sjon. Forsøksserien i hvete fra 2012 t.o.m. 2015 viste at soppbehandling etter VIPS-varsel var lønnsomt (Abrahamsen 2016), men hvor lønnsomt hvert varsel var, varierte under ulike vekstforhold. I det nordisk-baltiske C-IPM prosjektet «SpotIT» (IT-solutions for user-friendly IPM-tools in manage- ment of leaf spot diseases in barley and wheat) har vi sammenlignet ulike varslingsmodeller og testet hvor godt de har fungert i Norge, Danmark, Sverige, Fin- land og Litauen over to år. Målet med prosjektet er å implementere varslingsmodeller som fungerer best for hvert land i et beslutningsverktøy for integrert plante- vern som er tilpasset hvert lands behov og ønske for bruker-interaksjon, funksjonalitet, og informasjons- type (sjukdomsvarsel, sprøyteanbefaling i tid eller/og produkt anbefaling med dose). For bygg har vi valgt en dansk nedbørsmodell fra Plantevern Online (PVO) og en fnsk modell for byggbrunfekk. I hvete har vi testet to danske modeller; nedbørsmodellen fra PVO og en nyere fuktmodell. Norske feltforsøk inkluderte også bladfekkmodellen for vår- og høsthvete og den byggbrunfekk- og grå øyefekkmodellene som vi kan fnne på VIPS (www.vips-landbruk.no) i dag. Den danske nedbørsmodellen (PVO) anbefaler sprøyting når det har vært nedbør (1 mm) i 4 dager innen de siste 14 til 30 dagene (avhengig av utviklingsstadium). Det er mulig å sette inn aktuelle sjukdomsdata for å justere modellen. Den fnske modellen beregner akkumulert angrepsrisiko basert på forgrøde, sort, jordarbeiding, luftfuktighet, temperatur, vindhastighet og nedbørmengde. Når den akkumulerte angrepsrisiko er over 50 %, skal sprøyting vurderes. Den danske fuktmodellen anbe- faler sprøyting når det har vært minst 20 timer med luftfuktighet over 85 %. De norske modellene for bladfekksjukdommer i hvete og for byggbrunfekk eller grå øyefekk er basert på dager med nedbør i løpet av de siste 30 dager og mengde nedbør. Modellene starter beregninger etter BBCH 31-32. Etter soppsprøyting vil modellene ikke gi et nytt varsel for de påfølgende 10–14 dagene. Denne artikkelen sammenfatter data fra to år med feltforsøk med hvete og bygg for å teste de ulike modellene vi hadde tilgjengelig gjennom SpotIT pro- sjektet, og sammenligner de danske og fnske model- ler med modeller vi tidligere har utviklet i Norge. Metoder Feltplaner/sprøyteskjema 2018/2019 Vi hadde 2 feltforsøk i vårhvete og et forsøk i høst- hvete i 2018. Høsthvete-felt med ‘Kuban’ ble plassert på Ås, et felt med ‘Zebra’ ble plassert i Rakkestad (NLR Øst) og et felt med ‘Bjarne’ ble plassert i Hell (NLR Trøndelag). I 2019 hadde vi 5 feltforsøk i vår- hvete, 3 felt sådd på Ås, Kirkejordet (NIBIO) med sort ‘Bjarne’, ‘Zebra’ og ‘Mirakel’, et felt sådd med ‘Zebra’ i Mysen (NLR Øst) og et forsøk med ‘Zebra’ anlagt i Ramnes (NLR Viken). De ulike sortene har litt ulike nivå av mottakelighet mot bladfekksjuk- dommer. Bjarne er den mest mottakelig sort (karak- ter 3 på en skala fra 1–9), fulgt av ‘Zebra’ og ‘Kuban’ (begge 6), og ‘Mirakel’ som er sterkest mot bladsjuk- dommer (7) (Åssveen et al. 2019). Hvert felt hadde 8