MétaCan
Menu
Retour à la cohorte
Enregistrement W1978610399 · doi:10.1094/ats-2010-0326-01-rs

Cultivar Response of Seeded Bermudagrass to Leaf Spot and the Influence of Nitrogen on Disease Severity

2010· article· en· W1978610399 sur OpenAlexaboutno aff
Maria Tomaso‐Peterson, Joseph Young

Notice bibliographique

RevueApplied Turfgrass Science · 2010
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueTurfgrass Adaptation and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésLeaf spotStolonCultivarCynodonCynodon dactylonAgronomyExserohilumBiologyBlightGrowing seasonHorticulture

Résumé

récupéré en direct d'OpenAlex

Seeded bermudagrass [Cynodon dactylon (L.) Pers.] cultivars are currently replacing hybrid‐bermudagrass and cool‐season turfgrasses in some golf course renovations, home lawns, and athletic fields. Leaf spot, a destructive disease of bermudagrass, is caused by a fungal complex consisting of Bipolaris and Exserohilum spp. that infect leaves, stems, and stolons resulting in leaf blight and melting‐out. A three‐year field study was conducted to determine the response of seven seeded bermudagrass cultivars to leaf spot and the influence of nitrogen on leaf spot severity. Princess‐77, Riviera, and Yukon were determined to have improved field tolerance to leaf spot. Transcontinental and Savannah cultivars displayed moderate disease response while Nu‐Mex Sahara and Arizona Common had poor field tolerance to leaf spot. Seeded bermudagrass cultivars with poor field tolerance to leaf spot displayed increased leaf spot severity in response to high nitrogen (2.0 lb N per 1000 ft2 per month). Leaf spot severity of Arizona Common increased at the highest nitrogen level. Nitrogen levels did not influence leaf spot severity in seeded bermudagrass cultivars that had improved field tolerance. Princess‐77, Riviera, and Yukon had the lowest leaf spot severity throughout the growing season each year of the three‐year study.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,008
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,005
Tête enseignante GPT0,221
Écart entre enseignants0,216 · 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'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

Citations3
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueApplied Turfgrass ScienceMême sujetTurfgrass Adaptation and ManagementTravaux en français237 207