MétaCan
Menu
Retour à la cohorte
Enregistrement W2700642762 · doi:10.2298/pif1701009m

Methods for management of soilborne plant pathogens

2017· article· en· W2700642762 sur OpenAlexaboutno aff
Milica Mihajlović, Emil Rekanović, Jovana Hrustić, Mila Grahovac, Brankica Tanović

Notice bibliographique

RevuePesticidi i fitomedicina · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant Disease Management Techniques
Établissements canadiensnon disponible
Organismes subventionnairesMinistarstvo Prosvete, Nauke i Tehnološkog Razvoja
Mots-clésMontreal ProtocolSoil solarizationBiologyChlamydosporePlant diseaseAgricultureCrop rotationSolarisationAgronomyOzone layerBiotechnologyCropHorticultureOzoneEcology

Résumé

récupéré en direct d'OpenAlex

Soilborne pathogens cause significant economic losses in agricultural production all over the world. These species can survive for many years in the absence of a host plant by forming persistent structures such as microsclerotia, sclerotia, chlamydospores or oospores. Consequently, soilborne diseases are particularly difficult to predict, detect, diagnose and successfully control. Over the past 30 years, a fumigant, methyl bromide, has been widely used for their control in many crops. In 1992, methyl bromide was listed as an ozone-depleting substance under the Montreal Protocol ? an international treaty to protect the ozone layer. During the phaseout of methyl bromide, problems generated in agricultural production made it clear that dependence on a single method or a single chemical should be avoided. The objective of this review paper was to summarize the current knowledge about different methods of soilborne disease control including: crop rotation, steam soil disinfection, soil amendments, hydroponics and soilless growing systems, soil solarization, grafting, biological control and use of natural compounds, and chemical control. Positive and negative aspects of all available methods were reviewed. Benefits, achieved by simultaneous application of several methods based on different mechanisms of actions, are discussed.

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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,921
Score d'incertitude au seuil0,212

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,048
Tête enseignante GPT0,347
Écart entre enseignants0,299 · 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'étudeAutre devis
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

Citations118
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePesticidi i fitomedicinaMême sujetPlant Disease Management TechniquesTravaux en français237 207