Condições meteorológicas e ambientais são componentes críticos nas epidemias de ferrugem asiática da soja (FAS), doença causada pelo fungo Phakopsora pachyrhizi e que causa o maior dano na cultura da soja. Nesta revisão, o conhecimento sobre o efeito de fatores meteorológicos que influenciam nas epidemias foi usado para construir uma abordagem sistêmica para compreender o risco de epidemias de FAS. Esta é baseada em uma estrutura hierárquica onde os fatores relevantes que afetam os estágios chave no ciclo da doença foram delineados, incluindo os componentes aerobiológicos e epidemiológicos. As seguintes características epidemiológicas foram avaliadas: liberação de esporos, dispersão de esporos, deposição de esporos, eficiência de infecção, período latente e produção de esporos. O conhecimento sobre os fatores meteorológicos que afetam cada um dos componentes foi revisado, sendo identificados os fatores mais importantes e as falhas de conhecimento, bem como as implicações para a previsão da doença. A informação é importante para orientar a pesquisa epidemiológica futura e especialmente desenvolver e melhorar modelos de risco da doença em níveis locais a regionais.

Favorable meteorological and environmental conditions are critical components that affect Asian soybean rust (ASR), caused by Phakopsora pachyrhizi, the most damaging fungal disease of soybean. In this review, we used available knowledge on the effect of meteorological factors affecting the disease to construct a systems-based approach to understand the risk of ASR epidemics. The systems approach is based on a hierarchical framework where relevant environmental factors that affect the key stages of the ASR disease cycle are identified and this included both aerobiological and epidemiological components. The formal framework we used examined the following epidemic characteristics: spore release, spore dispersal, spore deposition, infection efficiency, latent period and spore production. It provided the ability to identify the most important meteorological-related factors along with relevant knowledge gaps from which the implications for disease forecasting were described. This is new information that can be used as a guide for further epidemiological research and especially to develop and improve upon both local and regional risk models.