The effect of pyraclostrobin on soybean plant health, yield, and profitability in Ontario
Notice bibliographique
Résumé
Mahoney, K. J., Vyn, R. J. and Gillard, C. L. 2015. The effect of pyraclostrobin on soybean plant health, yield, and profitability in Ontario. Can. J. Plant Sci. 95: 285–292. Prophylactic fungicides have been advocated to manage foliar diseases, optimize plant heath, and increase yields. Studies were conducted in 2009, 2010, and 2011 using 20 soybean cultivars to determine if pyraclostrobin, a strobilurin, induced plant health effects to increase yield and profitability under conditions with low levels of foliar disease. Pyraclostrobin applied at the R3 stage significantly reduced leaf defoliation caused by brown spot (Septoria glycines Hemmi) compared with the untreated control with 27 and 45% defoliation, respectively, across all cultivars. Pyraclostrobin delayed maturity, but the response varied among cultivars. For example, cultivars with low levels of leaf defoliation responded with an increase in the number of days to maturity, whereas cultivars with high levels of defoliation generally did not. Pyraclostrobin increased yield by 4.1% compared with the untreated control across all cultivars with 4.49 and 4.31 t ha −1 harvested, respectively. Increased revenue from increased yield was offset by increased fungicide costs, resulting in a negligible effect on profitability; however, effects of pyraclostrobin application on profit margins in individual environments ranged from -$50.02 ha −1 in 2009 to $53.73 ha −1 in 2011. Overall, these results suggest that if environmental conditions are conducive for foliar disease, a pyraclostrobin application could be warranted.
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 | 0,002 | 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 ».