Effects of Planting Pattern and Fungicide Application Systems on Ascochyta Blight Control and Seed Yield in Chickpea
Notice bibliographique
Résumé
Improved cultural practices can be used to manage ascochyta blight in chickpea ( Cicer arietinum L.), a disease caused by Ascochyta rabiei (Pass.) Labrousse. This study examined the effect of planting pattern, seeding rate, and fungicide application systems on ascochyta blight severity and crop yield of chickpea at Swift Current (50°25′ N, 107° 44′ W), SK, Canada, in 2004 and 2005. Crop was grown in uniform row (25 cm) and paired‐row spacing (25 cm within each pair and 75 cm between pairs), at 44 and 31 plants m −2 , and with 1× and 0.67× the recommended fungicide application rates. Area under disease progress curve (AUDPC) averaged 1580 units for the susceptible cultivar CDC Xena, and significantly greater than 573 for the partially resistant cultivar Amit. The AUPDC value reduced from 750 at one fungicide application to 400 at four applications for Amit, and from 1907 to 1250 for CDC Xena. Seed yield was 2.24 Mg ha −1 with four applications and 1.73 Mg ha −1 with one application for Amit, and 1.04 and 0.18 Mg ha −1 , respectively, for CDC Xena. Paired‐row spacing reduced AUDPC by 12% for Amit and 14% for CDC Xena from uniform row spacing. With paired‐row spacing, blight severity did not differ between the 1× and 0.67× fungicide application rates or between the plant densities of 44 and 31 plants m −2 . Altered planting patterns, in combination with improved fungicide application systems, can potentially enable growers to reduce fungicide rates by 30% without decreasing efficacy of ascochyta blight control or seed yield for chickpea in northern Great Plains.
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 ».