Integrating ethnophytopathological knowledge and field surveys to improve tomato disease management in Tanzania
Notice bibliographique
Résumé
The prevalence of tomato diseases and local smallholder farmer knowledge was assessed in five villages in the Morogoro Region of Tanzania during the rainy and dry production seasons. The most commonly occurring foliar diseases in both seasons were early blight (88 of 100 fields), bacterial spot/speck (49), viral diseases (42) and Septoria leaf spot (34). Bacterial spot/speck, tomato yellow leaf curl virus, other viral diseases, and late blight were present in significantly higher numbers of fields during the rainy season than the dry season, while significantly more plants per field were affected by early blight in the rainy season than the dry season. A root health assay was conducted to assess root knot nematode damage and root rot severity, and root knot nematodes were found in 44 of 50 fields surveyed. Farmers used local names for plant diseases, which tended to be associated with the symptomatology of the disease, concepts borrowed from other aspects of life, perceived causal agent or weather conditions. Identification of local names improved communication between farmers and researchers and elucidated how farmers perceived key diseases in the region. Extension materials were developed to improve farmers’ identification and management of key tomato diseases in the region. Farmers can better allocate limited resources to manage key diseases through an improved understanding of prevalent diseases and local plant disease knowledge. This study serves as an example of how plant pathologists can develop a baseline understanding of key regional plant disease constraints through the integration of field surveys and ethnophytopathological studies.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».