MétaCan
Menu
Retour à la cohorte
Enregistrement W3212171230 · doi:10.82308/44250

Development of decision support tools for strawberry production in Quebec

2018· article· en· W3212171230 sur OpenAlexaboutno aff
Maryse Gendron

Notice bibliographique

RevueeScholarship@McGill (McGill) · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueBerry genetics and cultivation research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésProduction (economics)Decision support systemBusinessComputer scienceEconomicsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Over the last decades, strawberry production in Quebec has evolved in response to consumers' demand for high quality fruits all year round. Growers are gradually adopting new production techniques such as plasticulture, winter row covers or high tunnels. Due to this new complexity of the production, growers need to make numerous short, medium and long-term decisions. Daily decision-making is often related to weed, insect and disease management. Decision support tools, such as prediction models for diseases, can help growers make their decision, in addition to allow a more efficient use of fungicides. The first objective of this study was to develop a weather-based index to predict the development of strawberry powdery mildew. This disease caused by the ascomycete Podosphaera aphanis (Wallr.) is now considered as a major constraint in strawberry production. Several studies show that the development of strawberry powdery mildew is enhanced by new production techniques such as plasticulture systems with day-neutral varieties and the use of high tunnels. Weather data (air temperature, relative humidity and rainfall), disease severity and airborne conidia concentration assessments were used to develop the indices. Their development showed that weather conditions alone are not sufficient to predict disease development. Further studies on strawberry powdery mildew should include additional parameters related to the field (i.e., the phenological stage of the crop or the field disease history). Complexity of the strawberry production can be overwhelming when growers have to make medium and long-term decisions concerning different aspects of their production. Tools for assessing the impacts of decisions on the environment, on the financial aspect of the production and on society can allow a better consideration of all elements involved in the decision. The second objective of this study was to develop a framework for assessing the sustainability of different cropping systems of strawberry. This framework was developed using a qualitative multi-criteria analysis model which is a hierarchical structure that divides a complex problem into smaller elements easier to assess. As part of the framework, the economic, environmental and social dimensions of sustainability were divided into 11, 11 and 4 basic criteria respectively. For validating the framework, two different scenarios were assessed: an integrated pest management (IPM) strategy and another strategy based on an inappropriate use of pesticides. Assessment results were consistent with our expectations since the IPM strategy showed a better environmental sustainability compared to the pesticide-based strategy. Ultimately, the assessment framework could be used as a tool for growers and stakeholders to promote sustainable practices within the strawberry 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.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,302
Score d'incertitude au seuil0,607

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,005
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,000
Communication savante0,0020,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0140,001

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.

Tête enseignante Opus0,062
Tête enseignante GPT0,282
Écart entre enseignants0,220 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueeScholarship@McGill (McGill)Même sujetBerry genetics and cultivation researchTravaux en français237 207