Fungicide and Cultivar Effects on Sudden Death Syndrome and Yield of Soybean
Notice bibliographique
Résumé
The effect of fungicides on severity of sudden death syndrome (SDS; caused by Fusarium virguliforme), plant establishment, and soybean yield was evaluated in 12 field experiments conducted in Illinois, Indiana, Iowa, Michigan, and Ontario in 2013 and 2014. Two soybean cultivars that differed in susceptibility to SDS were planted in fields with a history of SDS or with artificial augmentation of F. virguliforme. Efficacy of seed, in-furrow, and foliar-applied fungicides was assessed. SDS levels varied across locations and years. Fluopyram applied on the seed or in-furrow reduced foliar disease index maximum up to 95% in 5 of the 12 experiments. In three experiments with significant (P < 0.10) treatment effect, fluopyram seed treatment improved yields up to 11% compared with the base seed treatment comprising prothioconazole + penflufen + metalaxyl and clothianidin + Bacillus firmus. Meta-analysis also indicated that the fluopyram seed treatment and in-furrow application were effective at reducing SDS and increasing yield relative to the control; however, the baseline disease influenced the yield and disease response to fungicide treatments. Treatment effect was not significant when disease pressure was low. The concentration of F. virguliforme DNA in soybean roots, measured by a specific real-time quantitative polymerase chain reaction assay, was not different among fungicide treatments in 9 of 10 experiments. Moderately resistant cultivars had less disease than susceptible cultivars, indicating that resistant cultivars in combination with fluopyram seed treatment or in-furrow application could provide effective management of SDS.
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 ».