Estimating the global severity of potato late blight with GIS‐linked disease forecast models
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.
Notice bibliographique
Résumé
Global severity of potato late blight was estimated by linking two disease forecast models, Blitecast and Simcast, to a climate data base in a geographic information system (GIS). The disease forecast models indirectly estimate late blight severity by determining how many sprays are needed during a growing season as a function of the weather. Global zonation of estimated late blight severity was similar for both forecast models, but Blitecast generally predicted a lower number of sprays. With both forecast models, there were strong differences between potato production zones. Zones of high late blight severity include the tropical highlands, western Europe, the east coast of Canada and northern USA, south‐eastern Brazil and central‐southern China. Major production zones with a low late blight severity include the western plains in India, where irrigated potato is produced in the cool dry season, north‐central China, and the north‐western USA. Using a global GIS data base of potato production, the average number of sprays was calculated by country. These averages were compared with estimates of current fungicide use. The results using Blitecast and Simcast were correlated but only Blitecast estimates correlated with observed data for developed countries. The estimated number of sprays, whether from Blitecast or Simcast, did not correlate with the observed number of sprays in developing countries, and in a number of developing countries the predicted optimal number of sprays was much higher than the actual number observed. In these countries, increased access to host resistance and fungicides could have a strong economic impact.
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 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 découle