Evaluation of disease forecasting variables for sclerotinia stem rot (<i>Sclerotinia sclerotiorum</i>) of canola
Notice bibliographique
Résumé
Selected environmental, crop and pathogen variables were sampled weekly from winter and spring canola crops before and during flowering and evaluated for the ability to predict sclerotinia stem rot, caused by Sclertinia sclerotirum. Linear and nonlinear relationships were examined among variables but, because no strong correlations were observed between final disease incidence and any of the variables tested, a categorical approach (e.g., disease severity) was used instead. Disease severity in individual crops was categorized as low (< 20% diseased plants) or high (> 20% disease), and differences in weekly rainfall, soil moisture, crop height, percentage of petal infestation, and number of apothecia m −2 and clumps of apothecia m −2 were significantly associated with differences in disease severity within or between years. Two disease prediction models were compared for the ability to predict low or high disease severities using petal infestation alone, or petal infestation in combination with soil moisture. The model that included petal infestation and soil moisture predicted more fields correctly than the model using petal infestation alone, but the accuracy of both was affected by the timing of soil moisture measurements in relation to petal infestation, and threshold values used in discriminating categories of soil moisture and petal infestation. Key words: Brassica rapa, Brassica napus, Sclerotinia sclerotiorum, disease prediction
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».