Fungal lesion length and expansion rate for the root pathogen <i>Armillaria ostoyae</i> in Douglas‐fir affecting root colonization and damage
Notice bibliographique
Résumé
Abstract Plant lesions affect disease impact, progression and host resistance. Root lesions caused by Armillaria ostoyae (Romagn.) Herink were inspected on 24‐ to 34‐year‐old planted Douglas‐fir ( Pseudotsuga menziesii (Mirb.) Franco) pulled from the soil in five locations. Four hundred seventy‐nine lesions were measured for length (mm), expansion rate (mm/year) and lesion type. Lesion types were patch lesions on a root side, girdled lesions covering the root circumference and root collar lesions on the stem below ground. Non‐linear mixed modelling revealed that fungal lesion length at girdled and collar lesions increased but the expansion rate slowed as a power function of time, indicating increasing secondary inoculum and host resistance. Average fungal lesion expansion rate in girdled root and collar lesions was 127 mm the first year which then declined non‐linearly to 26 mm/year after 10 years. Fungal lesion length in patch lesions showed little change after the first year of infection. For girdled and collar lesions, fungal lesion length increased with tree size at the time of infection. Sites with a longer frost‐free period had shorter girdled root and stem lesions, probably because of more active host defence. Results indicate that mortality would be rare from one infection event. Furthermore, patch lesions pose a lower risk of mortality than other lesions because of a lower fungal lesion expansion rate and secondary inoculum. Tree size, lesion position, lesion type and fungal lesion expansion rate need to be considered when assessing the risk of lesions to individual tree survival. Techniques to minimize the disease impact are discussed.
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 | 0,000 | 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) | 0,000 | 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 ».