Factors Influencing the Occurrence of Onion Downy Mildew (Peronospora destructor) Epidemics: Trends from 31 Years of Observational Data
Notice bibliographique
Résumé
Onion downy mildew (ODM) caused by Peronospora destructor has been increasing annually in south-western Québec since the early 2000s, reaching 33% of affected onion fields in 2014. Using observational data collected over a period of 31 consecutive years, this study aimed to investigate the variations in ODM incidence and epidemic onset and identify the meteorological variables that influence its polyetic development. A logistic model was fitted to each ODM epidemic to estimate and compare the onset of epidemics on a regional basis. Results of this analysis showed that the first observation date, 10% epidemic onset (b10) and mid-time (b) were, on average, 30.4, 15.1 and 11.3 days earlier in 2007–2017 than in 1987–1996. Results of a principal component analysis suggested that regional disease incidence was mostly influenced by the precipitation regime, the final regional disease incidence the previous year, and warmer temperature during the harvest period the previous fall. Subsequently, the data were divided in three periods of 10, 10 and 11 years, and a discriminant analysis was performed to classify each year in the correct period. Using a sufficient subset of five discriminating variables (temperature and rainfall at harvest the previous fall, winter coldness, solar radiation, and disease incidence the previous year), it was possible to classify 93.5% of the ODM epidemics in the period where they belong. These results suggest that P. destructor may overwinter under northern latitudes and help to highlight the need for more research on overwintering and for the development of molecular-based tools enabling the monitoring of initial and secondary inoculum.
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 | 0,001 | 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 ».