MétaCan
Menu
Retour à la cohorte
Enregistrement W2896146497 · doi:10.1094/pdis-06-18-1107-re

Development of Action Threshold to Manage Common Leaf Spot and Black Seed Disease of Strawberry Caused by <i>Mycosphaerella fragariae</i>

2018· article· en· W2896146497 sur OpenAlexafffund
Odile Carisse, Vanessa McNealis

Notice bibliographique

RevuePlant Disease · 2018
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePlant Pathogens and Fungal Diseases
Établissements canadiensUniversité de MontréalAgriculture and Agri-Food Canada
Organismes subventionnairesAgriculture and Agri-Food Canada
Mots-clésBiologyLeaf spotMycosphaerellaFragariaHorticultureCLs upper limitsBlack spotBerryBotanyOphthalmologyMedicine

Résumé

récupéré en direct d'OpenAlex

The fungus Mycosphaerella fragariae is responsible for two strawberry diseases: common leaf spot (CLS) and black seed disease (BSD). In June-bearing strawberry plantings, CLS influences vigor, yield, and winter survival. During production years, BSD causes black lesions around strawberry seeds, reducing the market value of the berries. The objective of this study was to characterize the relationships between CLS and BSD and to develop action thresholds for the management of BSD. Data on the number of lesions per leaf, number of black seeds per berry, and percentage of diseased berries were collected at two experimental and six commercial sites from 2000 to 2011, corresponding to 50 farm-years. First, logistic regression was used to model the relationship between BSD occurrence in its binary data form and the number of lesions per leaf assessed at 7, 14, 21, and 28 days before 10% bloom. Second, linear regression was used to model the relationship between BSD severity, BSD incidence, and number of lesions per leaf assessed at 7, 14, 21, and 28 days before 10% bloom. Resulting action thresholds of 15, 25, or 33 lesions per leaf at 21, 14, or 7 days before 10% bloom, respectively, were compared with the recommended practice at three commercial sites in 2014, 2015, and 2016. The percentage of diseased berries was significantly (P = 0.0016; least significant difference = 7.140) higher in the sections of the fields that were not managed for BSD, with an average of 15.22% diseased berries, in comparison with 3.22 and 2.44% diseased berries in sections managed according to the recommendations and the thresholds, respectively. Overall, 40% less fungicide was used when the thresholds were applied. Hence, these thresholds can be used as an additional decision tool to optimize fungicide applications during the prebloom period.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,015
Tête enseignante GPT0,241
Écart entre enseignants0,226 · 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

Citations8
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePlant DiseaseMême sujetPlant Pathogens and Fungal DiseasesTravaux en français237 207