Meta-Analytic and Economic Approaches for Evaluation of Pesticide Impact on Sclerotinia Stem Rot Control and Soybean Yield in the North Central United States
Notice bibliographique
Résumé
As complete host resistance in soybean has not been achieved, Sclerotinia stem rot (SSR) caused by Sclerotinia sclerotiorum continues to be of major economic concern for farmers. Thus, chemical control remains a prevalent disease management strategy. Pesticide evaluations were conducted in Illinois, Iowa, Michigan, Minnesota, New Jersey, and Wisconsin from 2009 to 2016, for a total of 25 site-years (n = 2,057 plot-level data points). These studies were used in network meta-analyses to evaluate the impact of 10 popular pesticide active ingredients, and seven common application timings on SSR control and yield benefit, compared with not treating with a pesticide. Boscalid and picoxystrobin frequently offered the best reductions in disease severity and best yield benefit (P < 0.0001). Pesticide applications (one- or two-spray programs) made during the bloom period provided significant reductions in disease severity index (DIX) (P < 0.0001) and led to significant yield benefits (P = 0.0009). Data from these studies were also used in nonlinear regression analyses to determine the effect of DIX on soybean yield. A three-parameter logistic model was found to best describe soybean yield loss (pseudo-R 2 = 0.309). In modern soybean cultivars, yield loss due to SSR does not occur until 20 to 25% DIX, and considerable yield loss (−697 kg ha −1 or −10 bu acre −1 ) is observed at 68% DIX. Further analyses identified several pesticides and programs that resulted in greater than 60% probability for return on investment under high disease levels.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 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 tête enseignante, 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 ».