Application of widely used fungicides does not necessarily affect grain yield, and incidence of Fusarium spp. and mycotoxins DON, HT-2 and T-2 in spring barley in northern climates
Notice bibliographique
Résumé
Fungicides are widely used to reduce Fusarium infections and grain contamination by mycotoxins and increase the yield in cereals, but the efficacy of fungicide treatments in varying climates has not been systematically explored. Field experiments with Estonian spring barley (Hordeum vulgare L.) cv. ‘Maali’ were carried out in three successive years 2012–2014 with strongly varying weather conditions to study the effects of three fungicides, Folicur (active ingredient tebuconazole), Falcon Forte (prothioconazole, tebuconazole, spiroxamine) and Archer Top (fenpropidin, propiconazole), on the yield, incidence of Fusarium spp. and on the contamination of grain with mycotoxins DON, HT-2 and T-2. The fungicides were sprayed once a year at spring barley flowering time. The weather conditions during the three years of study were extremely different. The content of cycotoxin DON, HT2 and T2 was low. The spraying with fungicides had not a clear effect on the barley yield and 1 000 kernel weight, and the study year was primarily the main factor that affected barley yield (p<0.05) and 1 000 kernel weight (p<0.05). The impact of year together with fungicide treatment had a significant effect on the incidence of Fusarium spp. (p<0.05) and on the incidence of mycotoxin DON in barley kernels (p<0.001), but did not have a clear effect on the incidence of mycotoxins HT2 and T2.
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 | 0,000 | 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) | 0,001 | 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 ».