Predicting Asian Soybean Rust Epidemics Based on Off-Season Occurrence and El Niño Southern Oscillation Phenomenon in Paraná and Mato Grosso States, Brazil
Notice bibliographique
Résumé
The study aimed to propose models to predict Asian soybean rust epidemics based on both the occurrence of the disease in the period between seasons and the climate variability index, which is influenced by the El Niño Southern Oscillation (ENSO) phenomenon. The data used to develop these models were obtained from 11 crop seasons, distributed among six regions of Paraná and twelve regions of Mato Grosso which was determined by the National Institute for Space Research (INPE). The three-dimensional model was obtained from linear and quadratic polynomial regression analyses, considering the following climatic variables as independent (Y axis): Rainfall (PP), Standardized Precipitation Index (SPI), Southern Oscillation Index (SOI) and Temperature on the sea surface (SST Niño 3.4). The independent variable (X axis) was the number of occurrences of rust in the off-season, and the dependent variable (Z axis) was defined as rust occurrences during the season, which were reported by the Anti-rust Consortium. The best model that explains the epidemic of the disease during the season in Paraná state was composed by Rainfall or SST Niño 3.4 variable as the Y axis. The best model for Mato Grosso state used SST Niño 3.4 or SOI variable. The variable number of occurrences in the off-season significantly influenced the model, indicating the potential use of this variable and meteorological variables on a macro scale to predict epidemics even before the start of the season.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 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 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 ».