Please use this identifier to cite or link to this item: http://hdl.handle.net/2067/46461
Title: Characterization of the metabolites associated with Xylella fastidiosa infection in olive trees & study of the spatial distribution of X. fastidiosa infection in the apulian olive groves according to bayesian modelling
Other Titles: Caratterizzazione dei metaboliti associati all'infezione da Xylella fastidiosa negli ulivi e studio della distribuzione spaziale dell'infezione da X. fastidiosa negli oliveti pugliesi secondo modelli bayesiani
Authors: Jlilat, Asmae
Keywords: Xylella fastidiosa;Bacteria;Olive;Metabolism;Spatial distribution;Modelling;Batteri;Olivo;Metabolismo;Distribuzione spaziale;Modellazione;AGR/16
Issue Date: 22-Jul-2020
Publisher: Università degli studi della Tuscia - Viterbo
Series/Report no.: Tesi di dottorato di ricerca. 32. ciclo
Abstract: 
Xylella fastidiosa is one of the most dangerous plant pathogenic bacterium introduced recently in the EU. It is causing the death of millions of olive trees in Apulia region (southern Italy) with the Olive Quick Decline Syndrome (OQDS). The symptoms differ on a varietal basis, making difficult the detection of X. fastidiosa that spreads rapidly through its main vector, Philaenus spumarius. Since the olive tree is the primary host of the bacterium and covers most of the Apulian territory, the aim of this thesis is to establish an efficient approach for the early detection of X. fastidiosa in olive trees focusing on two different aspects. The first one is the characterisation of discriminating metabolites (associated to the infection) that can be correlated to hyperspectral data acquired remotely for largescale survey. The X. fastidiosa infection affected the concentrations of mannitol, sucrose, malic acid, oleuropein and formic acid in inoculated olive plants. The second aspect concerns the use of largescale predictive modelling. The spatial distribution of X. fastidiosa was assessed in Apulian olive groves according to Bayesian modelling. Three proposed strategies S93, S75 and S38 that correspond to the number of samples per grid cell (1 km2) were used, and S75 was considered optimal, as it can reduce the number of samples per grid cell to more than 50% but can detect 87% of infected grid cells.

La Xylella fastidiosa è uno dei batteri patogeni delle piante più pericolosi introdotto di recente
nell'UE. Sta causando la morte di milioni di ulivi in Puglia (Italia meridionale) con la Sindrome da
declino rapido delle olive (OQDS). I sintomi differiscono su base varietale, rendendo difficile il rilevamento di X. fastidiosa che si diffonde rapidamente attraverso il suo vettore principale, Philaenus spumarius. Poiché l'olivo è l'ospite principale del batterio e copre la maggior parte del territorio pugliese, lo scopo di questa tesi è stabilire un approccio efficace per la diagnosi precoce della X. fastidiosa negli ulivi, concentrandosi su due aspetti diversi. Il primo è la caratterizzazione dei metaboliti discriminanti (associati all'infezione) che possono essere correlati ai dati iperspettrali
acquisiti in remoto per sondaggi su larga scala. L'infezione da X. fastidiosa ha influenzato le concentrazioni di mannitolo, saccarosio, acido malico, oleuropeina e acido formico nelle piante di
olivo inoculate. Il secondo aspetto riguarda l'uso della modellazione predittiva su larga scala. La
distribuzione spaziale di X. fastidiosa è stata valutata negli uliveti pugliesi secondo la modellistica
bayesiana. Sono state utilizzate tre strategie S93, S75 e S38 che corrispondono al numero di campioni per cella della griglia (1 km2) e S75 è stato considerato ottimale, in quanto può ridurre il numero di campioni per cella della griglia a più del 50% ma può rilevare 87% delle celle della griglia infette.
Description: 
Dottorato di ricerca in Scienze delle produzioni vegetali e animali
URI: http://hdl.handle.net/2067/46461
Appears in Collections:Archivio delle tesi di dottorato di ricerca

Files in This Item:
File Description SizeFormat
ajlilat_tesid.pdf7.12 MBAdobe PDFView/Open
Show full item record

Page view(s)

19
Last Week
6
Last month
1
checked on May 21, 2022

Download(s)

3
checked on May 21, 2022

Google ScholarTM

Check


All documents in the "Unitus Open Access" community are published as open access.
All documents in the community "Prodotti della Ricerca" are restricted access unless otherwise indicated for specific documents