Emerging diseases of <i>Cannabis sativa</i> and sustainable management
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Cultivation of cannabis plants (Cannabis sativa L., marijuana) has taken place worldwide for centuries. In Canada, legalization of cannabis in October 2018 for the medicinal and recreational markets has spurned interest in large-scale growing. This increased production has seen a rise in the incidence and severity of plant pathogens, causing a range of previously unreported diseases. The objective of this review is to highlight the important diseases currently affecting the cannabis and hemp industries in North America and to discuss various mitigation strategies. Progress in molecular diagnostics for pathogen identification and determining inoculum sources and methods of pathogen spread have provided useful insights. Sustainable disease management approaches include establishing clean planting stock, modifying environmental conditions to reduce pathogen development, implementing sanitation measures, and applying fungal and bacterial biological control agents. Fungicides are not currently registered for use and hence there are no published data on their efficacy. The greatest challenge remains in reducing microbial loads (colony-forming units) on harvested inflorescences (buds). Contaminating microbes may be introduced during the cultivation and postharvest phases, or constitute resident endophytes. Failure to achieve a minimum threshold of microbes deemed to be safe for utilization of cannabis products can arise from conventional and organic cultivation methods, or following applications of beneficial biocontrol agents. The current regulatory process for approval of cannabis products presents a challenge to producers utilizing biological control agents for disease management. © 2021 The Author. Pest Management Science published by John Wiley & Sons Ltd on behalf of Society of Chemical Industry.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,003 |
| 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 découle