Strategies for Management of Soybean Sudden Death Syndrome and White Mold
Notice bibliographique
Résumé
Soybean sudden death syndrome (SDS) caused by Fusarium solani f. sp. glycines and soybean white mold caused Sclerotinia sclerotiorum were two of the most prevalent diseases in 2006. The two diseases have become even year production problems for some producers. This workshop will review results of the latest studies from the past two years and discuss management strategies for the two diseases. The SDS has been recognized as a major disease of soybean (Glycine max (L.) Merrill) in the southern United States for nearly three decades. In 1995 Scherm and Yang using computer model predicted that the disease would become an important disease in North Central region. In the past 10 years SDS has becom prevalent and severe in northern soybean production areas and reduces soybean yield significantly. SDS is an early to late season disease of soybean. This year SDS has been observed in most parts of Iowa towards mid September. There is concern among producers in the north central region, due to noticeable expansion in geographical array of SDS, wide spread damage in the field and the associated potential yield losses. Yield loss due to SDS in the top 10 soybean producing countries varies from 2 x103 in Canada to 9 x105 metric tons in the United States (Wrather, et al., 2001). The SDS generally occur in fields where yield potentials are high and yield losses up to 50% have been observed in Arkansas (Rupe, et al 1989). The SDS was first found in Iowa, in experimental plots in 1993 (Yang and Rizvi 1994). However, SDS was first noticed in Arkansas in 1971 as disease of unknown cause. Later it was reported from Tennessee, Missouri, and Mississippi in 1984, from Illinois, Kentucky, Kansas and Indiana in 1985 (Rupe et al 1989, Wylie, T.D. 1988) and an epidemic (46% of the soybean fields) in 1993 in east -central Illinois (Hartman, et al 1995). The SDS has been reported in 2004 from Nebraska (Ziems, et al 2006), and from Argentina (Scandiani, et al 2004). The yield damage caused by SDS and white mold are comparable now. Like SDS, soybean white mold also is more prevalent in fields with high yielding potential.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».