MétaCan
Menu
Retour à la cohorte
Enregistrement W1925012636 · doi:10.1111/j.1365-3059.2012.02594.x

A new risk indicator for botrytis leaf blight of onion caused by <i>Botrytis squamosa</i> based on infection efficiency of airborne inoculum

2012· article· en· W1925012636 sur OpenAlexafffund
Odile Carisse, A. Levasseur, Hervé Van der Heyden

Notice bibliographique

RevuePlant Pathology · 2012
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueFungal Plant Pathogen Control
Établissements canadiensPhytodataAgriculture and Agri-Food Canada
Organismes subventionnairesAgriculture and Agri-Food Canada
Mots-clésLeaf wetnessBiologyBotrytisBlightHorticultureBotrytis cinereaRelative humidityInoculationSporeVeterinary medicineBotanyMedicine

Résumé

récupéré en direct d'OpenAlex

Botrytis leaf blight (BLB) caused by Botrytis squamosa is a major leaf disease of onion. Various forecasting systems have been developed to help growers manage the disease. To improve forecasting reliability, the influence of temperature and wetness duration on B. squamosa infection was quantified by inoculating onion leaves with a conidial suspension and incubating them under various combinations of temperature (10–30°C) and leaf wetness duration (0–84 h). Infection was measured as the number of lesions per cm 2 of leaf and converted to the proportion of maximum infection (PMI). Regardless of leaf wetness duration, only a few lesions developed at 30°C and the number of lesions increased as the temperature rose from 10 to 20°C but decreased at 25°C. Between 10 and 25°C the number of lesions per cm 2 of leaf area increased gradually with increasing leaf wetness duration from 12 to 72 h. Relative infection was modelled as a function of both temperature and wetness duration using a modified version of the Weibull equation, which provided a precise description of the response of B. squamosa ( R 2 = 0·88). To facilitate field validation, receiving operating characteristic curve analysis was performed to determine the accuracy of various sets of criteria for establishing the length of an infection event based on field weather data. The total number of leaf wetness and RH >90% hours over a 72 h period was the best criterion, regardless of the wetness interruption pattern (sensitivity = 90·91, specificity = 84·62, area under the receiving operating curve = 0·878). The model describing the relationship of PMI to temperature and leaf wetness duration, and field observations on airborne conidium concentration (ACC) were used to calculate the risk of infection (RI BLB ) as RI BLB = PMI × ACC. In 2009 and 2010, this risk index was compared to the observed rate of BLB progress (Rate BLB+5 days ) during the following 5 days. There was a linear relationship between RI BLB and Rate BLB+5 days indicating that this new risk indicator was reliable for predicting the risk of BLB development. These findings will help to improve the timing of fungicide applications for BLB management.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,199
Écart entre enseignants0,190 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations30
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePlant PathologyMême sujetFungal Plant Pathogen ControlTravaux en français237 207