Phytotoxicity of GF‐120 <sup>®</sup> NF Naturalyte <sup>®</sup> fruit fly bait carrier on sweet cherry ( <i>Prunus avium</i> L.) foliage
Notice bibliographique
Résumé
BACKGROUND: Six sweet cherry (Prunus avium L.) cultivars were tested with GF-120 with spinosad (0.2 g L(-1) spinosad bait) or without it (blank bait) to understand leaf phytotoxicity observed in the field. RESULTS: Spinosad bait and blank bait did not differ significantly with respect to damage observed. Leaf damage was found almost exclusively at the abaxial (lower) surfaces with the doses (0, 17, 20, 25 or 40%) and cultivars tested. The effects of the blank bait on abaxial surfaces increased from 24 to 168 h, and with dose, in terms of the proportion of droplets (0.00, 0.42, 0.52, 0.75 or 0.94) and area (0.0, 18.7, 23.5, 40.5 or 91.6 mm) burned. In addition, chlorophyll was reduced with increasing dose on abaxial surfaces (SPAD = 44.6, 36.1, 34.1, 31.0, 21.5), but not on adaxial (upper) surfaces (SPAD = 44.6, 44.2, 44.0, 44.8, 44.4). The chlorophyll level in undamaged leaves (adaxial surfaces) differed by cultivar. Cherry leaves were less damaged by a 20% bait application in June (0.26) than in July (0.46) and August (0.50). Incidental insect leaf feeding at bait locations occurred at a low rate and was highest on abaxial bait surfaces. CONCLUSIONS: Applying GF-120 to the adaxial leaf surface, or at doses of <or=20%, will minimize leaf phytotoxicity.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».