Effects of crop rotations on carrot yield and on the nematodes Pratylenchus penetrans and Meloidogyne hapla
Notice bibliographique
Résumé
Carrot yield ( Daucus carota ) and population levels of the root-lesion nematode Pratylenchus penetrans and the northern root-knot nematode Meloidogyne hapla were measured in five rotation crops and in subsequent carrot crops at three field sites (1998-1999, 1999-2000, and 2000-2001). Total and marketable carrot yields averaged over the three sites did not differ in the crop sequences but there was a difference among sites. The total yields at sites 1, 2, and 3 were 77.86, 68.12, and 30.33 tonnes ha -1 , respectively. Marketable yields were 59.04, 60.62, and 24.11 tonnes ha -1 at sites 1, 2, and 3, respectively. The lower yields were attributed primarily to less rainfall during July and August in 2001, and possibly to northern root-knot nematodes that were more prevalent at site 3. Mean levels of root-lesion nematodes in soil were highest (2690 nematodes kg -1 ) in carrot that followed timothy ( Phleum pratense cv. Common), lowest (1100 nematodes kg -1 ) in carrots that followed marigold ( Tagetes erecta cv. Crackerjack), and intermediate after barley ( Hordeum vulgare cv. Chapais), pearl millet ( Pennisetum glaucum cv. Millet 101), and annual ryegrass ( Lolium multiflorum cv. Lemtal). Root-lesion nematode populations were also lower in marigold than in the other crops. Northern root-knot nematodes were not detected in rotation crops. The study indicated that carrot yields did not differ irrespective of the previous crop, but root-lesion nematode populations in soil at harvest were highest in carrots that followed timothy and lowest in carrots that followed marigolds. Population levels of root-knot nematodes in carrots did not differ among the crop sequences.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».