Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Disease is one of the limiting factors for the production of sainfoin(Onobrychis viciaefolia).By the end of 2011,32 diseases had been found in this legume forage world wide,including 27 fungal diseases,2 bacterial diseases,1 virus disease and 2 nematode diseases.Of the fungal diseases,24 were found in China,9 in Britain,5 in Iran,3 in Turkey,2 in Canada,and 1 in each of the former Soviet Union and Germany.Among these diseases,13 such as leaf spot(Cercospora sp.),anthracnose(Colletotrichum truncatum)and root rot(Aphanomyces euteiches)only occurred in China,whereas 3 diseases,powdery mildew(Erysiphe trifolii),ring spot(Pleospora herbarum)and root rot(Phytophthora citricola,P.cryptogea,P.megasperma)only occurred abroad.In total,there were 36 fungal species pathogenic on the plant.Of the plant tissues damaged,21 were found in leaves and stems,5 in root systems,and 1 which can cause systematic infection in the whole plant.In China,20 were found in Gansu,9 in Xinjiang,5 in Inner Mongolia and fewer in other provinces.These bacteria,virus and nematode diseases occurred abroad except for stem epidemic disease(Pseudomonas syingae).Up to now,the loss,life cycle and management of some frequently occurring stem-leaf diseases such as powdery mildew,rust(Uromyces onobrychis),black rot(Alternaria tenuis)have been studied at various levels but there have been few studies on most of the stem-leaf diseases,root diseases and systematic diseases.Therefore,it is necessary to focus on several important diseases and to accurately identify their causal agents,frequently survey their dynamics and clearly determine their occurrence.The aim of this review is to propose effective management strategies for farmers.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle