Using Weather Variables Pre- and Post-heading to Predict Deoxynivalenol Content in Winter Wheat
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
Substantial economic losses have occurred because of unacceptable concentrations of deoxynivalenol (DON) in wheat. Accurate predictions of DON in mature grain at wheat heading are needed to make decisions on whether a control strategy is needed. Our objective was to identify important weather variables, and their timing, for predicting concentrations of DON in mature grain at wheat heading. We measured the concentration of DON in 399 farm fields in southern Ontario, Canada, from 1996 to 2000. DON varied in field samples from undetectable to over 29 μg g -1 . Weather variables, such as daily rainfall, daily minimum and maximum air temperatures, and hourly relative humidity, were estimated for each field from nearby weather stations and were normalized to the date of 50% head emergence. Stepwise multiple regression procedures determined the most important weather variables and their timing around heading. DON was responsive to weather in three critical periods around heading. In the first period, 4 to 7 days before heading, DON generally increased with the number of days with >5 mm of rain and decreased with the number of days of <10°C. In the second period, 3 to 6 days after heading, DON increased with the number of days of rain >3 mm and decreased with days exceeding 32°C. In the third period, 7 to 10 days after heading, DON increased with number of days with >3 mm of rain. A relationship between relative humidity and DON was not detected. Overall, 73% of the variation in the concentration of DON was explained by using weather from all three critical periods. Concentrations of DON <2.0 μg g -1 were predicted best; in fact, concentrations of DON of <1.0 μg g -1 were predicted correctly on over 89% of the fields used to train the model.
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) | 0,001 | 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