Managing Flea Beetles (<i>Phyllotreta</i> spp.) (Coleoptera: Chrysomelidae) in Canola with Seeding Date, Plant Density, and Seed Treatment
Notice bibliographique
Résumé
Fall seeding of canola can increase equipment and manpower efficiencies for producers, hasten crop maturity, and improve seed quality, but no previous studies have examined effects of this practice on infestations of flea beetles ( Phyllotreta spp.) (Coleoptera: Chrysomelidae), the major pests of crop seedlings in North America. Field experiments were conducted at Vegreville, Fort Saskatchewan, and Lethbridge, AB, Canada from 1998 through 2000 to determine the effect of fall versus spring seeding of canola ( Brassica napus L. and Brassica rapa L.) on feeding damage by flea beetles. Interactions with seeding rate and seed treatment on flea beetle damage also were investigated. Flea beetle damage was greater on plants of B rapa than B napus , on spring‐seeded canola than on plants seeded in fall, and on plants that developed from seed treated with Vitavax Single (containing carboxin) than on plants treated with Vitavax rs (containing carboxin, thiram, and lindane). Mean flea beetle damage per plant declined with an increase in seeding rate. Canola seeded in fall reached 50% flowering about 10 d earlier than plants seeded in April and about 20 d before plants seeded in May. Fall‐seeded plants matured 5 to 21 d earlier than plants seeded in April and about 10 to 30 d before plants seeded in May. Seeding in fall enabled plants to progress beyond the vulnerable cotyledon stage by the time that most flea beetle injury occurred. Seeding canola in fall, at rates selected to achieve vigorous plant stands, is an important component of an integrated management strategy for flea beetles, with the potential for substantially reducing insecticide use in this crop.
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 ».