Control, by microbial seed treatment, of dampingoff caused by<i>Pythium</i>sp. on canola, safflower, dry pea, and sugar beet
Notice bibliographique
Résumé
Indoor and field experiments were conducted to determine the effects of seed treatment with strains of rhizosphere bacteria collected from southern and central Alberta for control of damping-off of sugar beet, canola, safflower, and dry pea caused by Pythium sp. Indoor experiments showed that 12 strains of rhizobacteria, including Pseudomonas fluorescens (708, 1-2, 1105, 1809, 2106, and 2202), Bacillus cereus PS1, Bacillus megaterium SB6, Arthrobacter sp. 2101, Pantoea agglomerans (909, 2-2), and Erwinia rhapontici A123, were effective in controlling damping-off of sugar beet. These strains varied in their ability to suppress mycelial growth of Pythium sp. group G, in vitro, and in their ability to secrete extracellular protease. Strains of Pseudomonas fluorescens (708, 1-2, 2202), B. cereus PS1, E. rhapontici A123, and Pantoea agglomerans 2-2 were effective seed-treatment agents for control of damping-off of canola, safflower, dry pea, and sugar beet in fields naturally infested with Pythium spp., although there were some differences in efficacy among the strains for each of the crops. Seed treatment with combination of Pseudomonas fluorescens 708, B. cereus PS1, or E. rhapontici A123 and the fungicide Thiram™ did not improve dry pea emergence compared with the fungicide control under field conditions.
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 ».