RESUMO No presente trabalho foram estudadas, em condições controladas, a influência da temperatura (15, 20, 25, 30 e 35°C) e do molhamento foliar (6, 12, 24 e 48 horas) na severidade da cercosporiose da beterraba causada por Cercospora beticola. A densidade de lesões foi influenciada pela temperatura e pela duração do molhamento foliar (P<0,05). Os dados foram submetidos à análise de regressão não linear. A função beta generalizada foi usada para ajuste dos dados de severidade e temperatura, enquanto uma função logística foi escolhida para representar o efeito do molhamento foliar na severidade da cercoporiose. A superfície de resposta obtida pelo produto das duas funções foi expressa por SE = 0,0001105 * (((x-8)2,294387) * ((36-x)0,955017)) * (0,39219/(1+25,93072 * exp (-0,16704*y))), onde SE, representa o valor da severidade estimada (0,1); x, a temperatura (ºC) e y, o molhamento foliar (horas). Este modelo deverá ser validado em condições de campo para aferir o seu emprego como um sistema de previsão computacional para a cercosporiose da beterraba.
ABSTRACT In the present study, the influence of temperature (15, 20, 25, 30 and 35°C) and leaf wetness period (6, 12, 24 and 48 hours) on the severity of Cercospora leaf spot of beet, caused by Cercospora beticola, was studied under controlled conditions. Lesion density was influenced by temperature and leaf wetness duration (P<0.05). Data were subjected to nonlinear regression analysis. The generalized beta function was used for fitting the disease severity and temperature data, while a logistic function was chosen to represent the effect of leaf wetness on the severity of Cercospora leaf spot. The response surface resultant of the product of the two functions was expressed as ES = 0.0001105 * (((x-8)2.294387) * ((36-x)0.955017)) * (0.39219/(1+25.93072 * exp (-0.16704*y))), where: ES represents the estimated severity value (0.1); x, the temperature (ºC) and y, the leaf wetness duration (hours). This model should be validated under field conditions to assess its use as a computational forecast system for Cercospora leaf spot of beet.