Asian Rust Severity in Soybean Sown in December and February in Mato Grosso State
Notice bibliographique
Résumé
The objective of this work was to assess the effect of December sowing time with February on the Asian soybean rust severity. In on-farm trials two soybean treatments sowing in December (2020) (DSS.) and February (2021) (FSS) were assessed for Asian soybean rust severity in 24 sites, in three regions of Mato Grosso state. The DSS treatment was established in the growers commercial farms and the FSS in a 5 ha area sown specifically for this treatment. The DSS treatment was conducted in 16 sites and the FSS in eigth. For rust control fungicides with efficacy higher than 60% were sprayed consisting of DMIs, QoIs and SDHIs in double or triple mixtures, always added by multisites (chlorothalonil, mancozeb, or copper oxychloride). About eighty soybean leaflets from four plots repetitiond, demarcated at random in each field, were taken in each smpling. In laboratory leaflet severity was appraised and area under disease progress curve (AUDPC) calculated. Related to DSS, the AUDPC overall mean was 174 units and receiving 6.9 fungicide spraying and for FSS 26 units with 4.8 fungicide sprayings. Our results reinforce that the sowing time can be changed from the end of December to February to maintain soybean crop sustainability.
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 ».