MétaCan
Menu
Retour à la cohorte
Enregistrement W2128435673 · doi:10.1139/x03-084

The effects of soil fumigation on pine seedling production, weeds, foliar and soil nutrients, and soilborne microorganisms at a south Georgia (U.S.A.) forest tree nursery

2003· article· en· W2128435673 sur OpenAlexvenueno aff
Stephen W. Fraedrich, L. David Dwinell

Notice bibliographique

RevueCanadian Journal of Forest Research · 2003
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant Disease Management Techniques
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFumigationSlash PineBiologyAgronomySeedlingPEST analysisBotanyPinus <genus>

Résumé

récupéré en direct d'OpenAlex

Pine seedling production and pest problems were evaluated in plots fumigated with methyl bromide and nonfumigated plots over a 6-year period at a Georgia nursery. Fumigation increased bed densities for loblolly pine (Pinus taeda L.) in 1996 and slash pine (Pinus elliottii Engelm. var. elliottii) in 1998; differences were not observed between treatments in other years. The root collar diameter, height, and root and shoot masses of loblolly pine seedlings were often greater in fumigated plots during the first 3 years. Morphological characteristics rarely differed between treatments for slash pine. The primary pest problem was nutsedge (Cyperus spp.); most other weeds were controlled with herbicides used operationally at the nursery. Plant-parasitic nematode populations did not increase over time and were not a problem. Although Fusarium and Pythium spp. were more common in soil and on roots in nonfumigated plots, evidence of disease was rare. Fumigation increased the abundance of and changed the composition of Trichoderma spp. in soil and on roots. Soil manganese and iron, and foliar manganese, phosphorus, and nitrogen were greater in the fumigation treatment in some years. A better understanding of the risks of soilborne diseases may facilitate the development of pest management programs that are more cost-effective.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,131
Score d'incertitude au seuil0,883

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,228
Écart entre enseignants0,213 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Forest ResearchMême sujetPlant Disease Management TechniquesTravaux en français237 207