MétaCan
Menu
Retour à la cohorte
Enregistrement W2176793530 · doi:10.1111/ppa.12486

Fungal trunk diseases: a problem beyond grapevines?

2015· article· en· W2176793530 sur OpenAlexaff
David Gramaje, Kendra Baumgartner, F. Halleen, L. Mostert, Mark Sosnowski, J. R. Úrbez‐Torres, Josep Armengol

Notice bibliographique

RevuePlant Pathology · 2015
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePlant Pathogens and Fungal Diseases
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésVineyardPruningPhylloxeraLimitingBiologyAgroforestryViticultureProductivityHorticultureNatural resource economicsWineRootstockEconomicsEngineeringEconomic growth

Résumé

récupéré en direct d'OpenAlex

Grapevine trunk diseases (GTDs) are caused by a broad range of taxonomically unrelated fungi that occur wherever grapes are grown and are the main biotic factor limiting vineyard productivity and longevity (Bertsch et al., 2013). GTDs cause untenable economic losses to the grapevine industry worldwide. For example, they are considered a ‘national crisis’ in France, where it has been estimated that 12% of the vineyards are currently economically nonviable due to these maladies causing losses of about €1 billion (Lorch, 2014). Because GTDs are chronic and there is currently no option to eradicate the infections, unproductive vineyards must be replanted, at a worldwide annual cost estimate of €1·132 billion (Hofstetter et al., 2012). The establishment, progress, severity and spread of GTDs have been associated with (i) drought, (ii) limited availability of effective fungicides, (iii) pressure to increase yields, (iv) lack of pruning wound protection due to cost of labour, and/or (v) poor low-quality propagation material. Growers are demanding solutions. Many vineyards with high GTD incidence were planted in the mid-to-late 1990s, during which wine-grape prices were increasing (Volpe et al., 2008). These vineyards were being replanted in the wake of phylloxera, and nurseries could barely meet the demand for grape plants. In 2009 researchers declared the worldwide impact of GTDs and prioritized research goals (Bertsch et al., 2009). Despite scientific advances, there are still unanswered questions, for example about how the pathogens spread and which climate conditions favour infection. This limits the efficacy of GTD management practices. Other crops, such as almond, pistachio and walnut, are now experiencing planting booms (INC, 2015). The significance of these and other tree crops is that they host some of the same GTD pathogens. While researchers fine-tune strategies for managing GTDs in grape, the pathogens may alternate to tree crops, thus endangering the productivity and longevity of orchards and vineyards alike. Recent reports of high disease incidence in pome and stone fruits, nut crops, small fruits and olive in California (Úrbez-Torres et al., 2013), Iran (Mohammadi et al., 2015), Italy (Carlucci et al., 2015), South Africa (Cloete et al., 2011) and Spain (Gramaje et al., 2012) highlight the need for a focus on this new set of hosts. The production systems are different; not all practices for GTD management in grape are feasible in tree crops, especially with dwindling numbers of skilled farm labourers. Tree crop nurseries are struggling to meet demands for plant material and, from our experience with GTDs, a lack of first-quality plants means that low-quality plants are sold, too. Are these plantings doomed to a lifetime of poor productivity? Is the sustainability of the fruit and tree nut industries at risk? Yours sincerely, David Gramaje et al.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,003
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,043

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,003
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0040,005
Science ouverte0,0010,002
Intégrité de la recherche0,0050,004
Charge utile insuffisante (le modèle a refusé de juger)0,0130,005

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 Opus0,013
Tête enseignante GPT0,223
Écart entre enseignants0,210 · 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 source (Gemma direct ou Codex distillé), 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

Citations50
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePlant PathologyMême sujetPlant Pathogens and Fungal DiseasesTravaux en français237 207