MétaCan
Menu
Retour à la cohorte
Enregistrement W1975812613 · doi:10.1094/phyto-11-12-0300-r

Lagged Association Between Powdery Mildew Leaf Severity, Airborne Inoculum, Weather, and Crop Losses in Strawberry

2013· article· en· W1975812613 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevuePhytopathology · 2013
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePowdery Mildew Fungal Diseases
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesAgriculture and Agri-Food Canada
Mots-clésPowdery mildewCropBiologyLinear regressionMildewWeather stationAgronomyRegression analysisCrop yieldConidiumRelative humidityHorticultureMathematicsMeteorologyStatisticsGeography

Résumé

récupéré en direct d'OpenAlex

Knowledge about epidemiology and the impact of disease on yield is fundamental for establishing effective management strategies. The purpose of this study was to investigate the relationship between foliar strawberry mildew severity, Podosphaera aphanis airborne inoculum concentration, weather, and subsequent crop losses for day-neutral strawberry. The experiment was conducted at three, five, and four sites in 2006, 2007, and 2008, respectively, for a total of 12 epidemics. At each site, data were collected on 25 plants at 2-day intervals from the end of May to early October for a total of 60 to 62 samplings annually. First, seasonal crop losses were statistically described; then, a lagged regression model was developed to describe crop losses from the parameters that were significantly associated with losses. There was a strong positive linear relationship between seasonal crop losses and the area under the leaf disease progress curve (R(2) = 0.90) and daily mean airborne conidia concentration (R(2) = 0.86), and a negative linear relationship between crop losses and time to 5% loss (R(2) = 0.76) and time to 5% leaf area diseased (R(2) = 0.61). Among the 53 monitoring- and weather-based variables analyzed, percent leaf area diseased, log10-transformed airborne inoculum concentration, and weather variables related to temperature were significantly associated with crop losses. However, polynomial distributed lag regression models built with weather variables were not accurate in predicting losses, with the exception of a model based on a combined temperature and humidity variable, which provided accurate prediction of the data used to construct the model but not of independent data. Overall, the model based on log10-transformed airborne inoculum concentration did not provide accurate crop loss predictions. The model built using percent leaf area diseased with a time lag of 8 days (n = 4) and a polynomial degree of 2 provided a good description of the crop-loss data used to construct the model (r = 0.99 and 0.90) and of independent data (r = 0.92). For the 12 epidemics studied, 5% crop loss was reached when an average of 17% leaf area diseased was observed since the beginning of symptom development. These results indicate that information on foliar powdery mildew must be considered when making strawberry powdery mildew management decisions.

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.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,059
Score d'incertitude au seuil0,435

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 Opus0,014
Tête enseignante GPT0,221
Écart entre enseignants0,207 · 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