MétaCan
Menu
Retour à la cohorte
Enregistrement W2999455084 · doi:10.3390/agriculture10010016

Methods for Management of Soilborne Diseases in Crop Production

2020· article· en· W2999455084 sur OpenAlexaboutno aff
Milan Panth, Samuel C. Hassler, Fulya Baysal-Gurel

Notice bibliographique

RevueAgriculture · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant Disease Management Techniques
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Food and AgricultureSouthern SAREU.S. Department of Agriculture
Mots-clésNutrient managementAgronomySoil solarizationSoil fertilityCrop rotationEnvironmental scienceCrop yieldBiologyAgroforestryCropAgricultureSoil water

Résumé

récupéré en direct d'OpenAlex

The significant problems caused by soilborne pathogens in crop production worldwide include reduced crop performance, decreased yield, and higher production costs. In many parts of the world, methyl bromide was extensively used to control these pathogens before the implementation of the Montreal Protocol—a global agreement to protect the ozone layer. The threats of soilborne disease epidemics in crop production, high cost of chemical fungicides and development of fungicide resistance, climate change, new disease outbreaks and increasing concerns regarding environmental as well as soil health are becoming increasingly evident. These necessitate the use of integrated soilborne disease management strategies for crop production. This article summarizes methods for management of soilborne diseases in crop production which includes the use of sanitation, legal methods, resistant cultivars/varieties and grafting, cropping system, soil solarization, biofumigants, soil amendments, anaerobic soil disinfestation, soil steam sterilization, soil fertility and plant nutrients, soilless culture, chemical control and biological control in a system-based approach. Different methods with their strengths and weaknesses, mode of action and interactions are discussed, concluding with a brief outline of future directions which might lead to the integration of described methods in a system-based approach for more effective management of soilborne diseases.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,283
Écart entre enseignants0,255 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations443
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAgricultureMême sujetPlant Disease Management TechniquesTravaux en français237 207