Determination of weed hosts of soybean cyst nematode in South Dakota
Notice bibliographique
Résumé
Abstract Soybean cyst nematode (SCN) causes over $1.2 billion in revenue loss annually in the United States and consistently ranks as the most threatening pathogen for soybean. SCN weed hosts have been documented in other states in the eastern Corn Belt, but very little work has been done in the midwestern Corn Belt. To determine alternative SCN weed hosts in South Dakota, 670 whole weed root samples comprising 63 weed species were collected from 48 SCN-positive fields in 13 counties during fall 2016 and spring 2017. Among the 63 weed species, 12 contained SCN juveniles and 7 were confirmed hosts of SCN based on the completion of the SCN life cycle in greenhouse studies. Ranking of female index (FI) for the weed hosts were purple deadnettle (FI = 34.6) > field pennycress (FI = 26.9) > common mallow (FI = 2.04) > shepherd’s purse (FI = 1.89) > white clover (FI = 1.86) > Canada thistle (FI = 1.24) > common cocklebur (FI = 1.10). These results indicate that some weeds can support SCN, and therefore a proactive weed management approach should be employed for fields infested with SCN.
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 | 0,000 | 0,000 |
| 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 | 0,000 |
| 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) | 0,001 | 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 ».