Forecasting diseases caused by<i>Sclerotinia</i>spp. in eastern Canada: fact or fiction?
Notice bibliographique
Résumé
Abstract Diseases caused by Sclerotinia sclerotiorum and Sclerotinia minor are responsible for economically important losses on several crops in eastern Canada, including canola, cabbage, carrots, celery, lettuce, snap beans, soybeans, and white beans. For crops such as cabbage and celery, the etiology of these diseases is known, but little information is available on the epidemiology. In these crops, disease avoidance and cultural practices are the primary methods of disease management, although fungicides are sometimes applied after symptoms are observed. For other crops such as beans, canola, carrots, lettuce, and soybean, the epidemiology has been described and at least partially quantified. Based on these epidemiological studies, disease-forecasting systems have been developed for canola, lettuce, and beans, and another is currently being developed for carrots. Epidemics in snap beans are associated with ascospores infecting petals as the primary inoculum, and forecasting is based on soil moisture, rainfall, crop flowering, canopy enclosure, and apothecia. Epidemics in carrots are bicyclic and represent a different situation. Epidemics in the field are associated with infection on senescing leaves in contact with moist soil under the carrot canopy. Forecasting is based on soil moisture, canopy enclosure, senescing leaves, air and soil temperature, and the presence and number of apothecia. Epidemics in storage are associated with air temperature, rate of cooling, surface wetness, and preexisting infection. Despite the availability of forecasting systems for diseases caused by Sclerotinia spp. on several crops, there are no examples of organized monitoring or forecasting programs for these diseases in eastern Canada. Anecdotal comments suggest that the reasons for the lack of development and implementation of forecasting models include the variable severity of epidemics, a lack of registered fungicides, little or no infrastructure to deliver disease-forecasting systems, and declining prevalence of integrated pest management (IPM) programs. Keywords: Sclerotinia sclerotiorum white moldbeansclerotinia rot in storagecarrotetiologyepidemiologydisease forecasting
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 ».