MétaCan
Menu
← Retour à la cohorte
Enregistrement W2512494684 · doi:10.1139/cjps-2015-0362

Cherry Leaf Spot Disease Management in Ornamental Cherries in Mid-Tennessee.

2016· article· en· W2512494684 sur OpenAlexvenueno aff
Jacqueline Joshua, Margaret T. Mmbaga, Lucas Mackasmiel

Notice bibliographique

RevueCanadian Journal of Plant Science · 2016
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePlant Pathogens and Fungal Diseases
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFungicideAzoxystrobinCaptanCultivarLeaf spotHorticultureBiologyCercosporaCLs upper limitsPlant disease resistanceTebuconazoleAgronomyMedicine

Résumé

récupéré en direct d'OpenAlex

Cherry leaf spot (CLS) disease caused by Blumeriella jaapii is a significant constraint in nursery production of flowering cherries in the southeastern United States. The objectives of this study were to evaluate six commercial cultivars for host resistance to CLS and identify effective fungicides that can be recommended to growers. Out of six cultivars ‘Kwanzan’, ‘Okame’, ‘Autamnalis’, ‘Snowgoose’, ‘Yoshino’, and ‘Akebono’ evaluated for host resistance, only ‘Kwanzan’ displayed moderate resistance with the least amount of disease symptoms in a shade-house environment, followed by ‘Autamnalis’. ‘Yoshino’ was most susceptible to CLS in both the shade-house and field experiments. Out of seven fungicides evaluated individually and in rotations, captan in rotations with tebuconazole and trifloxystrobin and captan in rotations with chlorothalonil and acibenzolar-S-methyl were most effective in controlling CLS. A biopesticide (neem seed oil extract) and a biological control isolate (Stenotrophomonas spp.) were also effective in controlling CLS either alone or in rotation with conventional fungicides. This study identified effective fungicides, a biopesticide, and a biological agent that can be used along with resistant cultivars in CLS disease management.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,253
Score d'incertitude au seuil0,503

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 ouverte0,0010,000
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 Opus0,010
Tête enseignante GPT0,213
Écart entre enseignants0,203 · 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

Citations3
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Plant Science→Même sujetPlant Pathogens and Fungal Diseases→Travaux en français237 207→