Potato Early Dying and Yield Responses to Compost, Green Manures, Seed Meal and Chemical Treatments
Notice bibliographique
Résumé
Verticillium dahliae Kleb. is a soilborne fungal pathogen of many crops. In potato, it is the major causal agent of Early Dying. In Manitoba, potato fields planted with cv. Russet Burbank are infested with highly pathogenic V. dahliae isolates, which can produce up to 90 % disease severity. The objective of the study was to evaluate selected compost, green manure, and seed-meal treatments, in comparison with the soil fumigant Vapam, for their ability to reduce propagule density of V. dahliae in soil and decrease disease, and to enhance potato yield. Select green manure crops (oriental and white mustard, Canada milk vetch, sorghum-sudangrass, rye, alfalfa, oat/pea mixture), organic amendments (composted cattle manure and mustard seed-meal), and Vapam, and crop sequences that contribute to the suppression of Verticillium, or the improvement of potato yield were used in a 3-year field study initiated in 2006. Survival in soil of microsclerotia was evaluated as a measure of treatments’ success in potentially reducing Early Dying. Compost and seed-meal treatments, compared to an untreated control, reduced incidence to 30 and 40 %, respectively, but only seed-meal reduced V. dahliae propagule density. Overall, green manures over 1 or 2-years were ineffective in reducing propagule density or improving potato yield. Vapam was partially effective in reducing the propagule density only at the beginning of the potato season, but it did not reduce disease incidence compared to the control. Compost and seed-meal are promising as alternative control of V. dahliae. Only compost reduced disease and increased potato yield, which was associated with improved nutrient availability (phosphorus and sulfate) in soil.
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 | 0,001 | 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 ».