MétaCan
Menu
Retour à la cohorte
Enregistrement W1964489907 · doi:10.1080/07060660209507033

Effect of crop rotation and tillage system on sclerotinia stem rot on soybean

2002· article· en· W1964489907 sur OpenAlexvenueno aff
Daren S. Mueller, W. L. Pedersen, G. L. Hartman

Notice bibliographique

RevueCanadian Journal of Plant Pathology · 2002
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant pathogens and resistance mechanisms
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésPloughAscocarpTillageAgronomySclerotiniaCrop rotationMulchCropPopulationMathematicsBiologyBotanyMedicine

Résumé

récupéré en direct d'OpenAlex

Sclerotinia stem rot (SSR) of soybean is a major disease in the North Central region of the United States. A 3-year study was done to determine if crop rotation and tillage, moldboard plowing then mulch tillage (MP + MT), mulch tillage (MT), and no-till (NT), affected the population density of sclerotia and apothecia, incidence of SSR, and soybean yield. Crop rotation did not significantly affect the number or distribution of sclerotia or SSR incidence, but did affect the number of apothecia and the yield. The highest number of apothecia per square metre was observed in the plots in the continuous soybean rotation. Tillage affected both the number and distribution of sclerotia in the soil profile. Moldboard plowing lowered the number of sclerotia per litre of soil, compared to MT and NT plots, and buried the sclerotia deeper than 10 cm into the soil. Tillage did not affect the total number of apothecia observed, but moldboard plowing did delay emergence of apothecia compared to no-till. The MP + MT plots had the lowest disease incidence and the highest yield, while the NT plots had the highest disease incidence and the lowest yields. One year of moldboard plowing will bury sclerotia at least 10 cm in soil and delay the production of apothecia. How this affects SSR development depends on the other factors involved with disease development.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,510
Score d'incertitude au seuil0,182

Scores Codex et Gemma par catégorie

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

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 Opus0,015
Tête enseignante GPT0,177
Écart entre enseignants0,162 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations52
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Plant PathologyMême sujetPlant pathogens and resistance mechanismsTravaux en français237 207