Induction of resistance in onion against purple leaf blotch disease through chemicals
Notice bibliographique
Résumé
Onion is one of the world's most important vegetable crop cultivated in Pakistan and plays a significant role in human diet. Numerous diseases attack on onion crop, but purple leaf blotch is the most important one, because it causes 80 to 90% of onion yield loss all over the world. In current experiment twenty-three fungicides at three concentrations (0.5, 1, and 1.5 g/L) were evaluated against Alternaria porri causing purple blotch under Randomized Complete Block Design (RCBD) on susceptible variety of onion (Pink Panther). Among all fungicides, chlorostrobin expressed prominent results causing 62.05% reduction in disease severity, followed by Nanok (61.55), Shincar (54.86), Cabrio Top (53.33), Thril (50.00), Jalwa (48.11), Success (45.00), Alliette (41.61), Rally (39.83), Copper oxychloride (36.66), Score (33.05), Topas (29.88), Melodydue (13.27), Dithane M (11.66), Sulphax (6.55), Ridomil Gold (3.38) % respectively as compared to control. Similar results were observed in case of interaction b/w treatments and their concentrations. Results of current study are helpful for farmers, scientist, and researchers for timely management of purple leaf blotch disease of onion.
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 ».