Characterization and assessment of compost for suppression of selected turfgrass diseases
Notice bibliographique
Résumé
The use of composts for turfgrass disease management allows for a reduction of pesticide use in traditional chemical control practices. Up to five composts were characterized and evaluated for suppression of turfgrass diseases. The monitoring of temperature and oxygen throughout the composting process was the best method tested in evaluating compost maturity. Controlled environment experiments with selected compost treatments suppressed dollar spot of turf ('Sclerotinia homoeocarpa' F. T. Bennett) by up to 58% and, in field trials, were not significantly different than fungicide controls ('P' = 0.05). Similarly, fall applications of compost reduced snow mould ('Microdochium nivale' Fr. Samuels and Hallet, ' Typhula ishikariensis' Lasch ex. Fr.) severity to levels not significantly different from fungicide controls and increased green-up of turf (recovery from disease and/or winter dormancy) by up to 63% compared to fungicide and 54% compared to fertilizer controls ('P' = 0.05). Microbial characterization of composts revealed high culturable colony counts. Moreover, 29% of bacteria isolated displayed proteolytic activity. Two bacterial identification systems gave variable results, whereas phospholipid fatty acid (PLFA) analysis was a valuable indicator of microbial community dynamics. Many bacterial isolates tested in the plate challenge experiment displayed antagonistic activity towards selected turfgrass pathogens. Antagonistic activity of composts relies on a number of factors, and although their relative importance varies, microbial activity levels, population dynamics, nutrient aspects, as well as other associated chemical and physical factors all have a part in turfgrass disease suppression.
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 ».