Corn Yield Loss Estimates Due to Diseases in the United States and Ontario, Canada, from 2016 to 2019
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
Annual reductions in corn (Zea mays L.) yield caused by diseases were estimated by university Extension-affiliated plant pathologists in 26 corn-producing states in the United States and in Ontario, Canada, from 2016 through 2019. Estimated loss from each disease varied greatly by state or province and year. Gray leaf spot (caused by Cercospora zeae-maydis Tehon & E.Y. Daniels) caused the greatest estimated yield loss in parts of the northern United States and Ontario in all years except 2019, and Fusarium stalk rot (caused by Fusarium spp.) also greatly reduced yield. Tar spot (caused by Phyllachora maydis Maubl.), a relatively new disease in the United States, was estimated to cause substantial yield loss in 2018 and 2019 in several northern states. Gray leaf spot and southern rust (caused by Puccinia polysora Underw.) caused the most estimated yield losses in the southern United States. Unfavorable wet and delayed harvest conditions in 2018 resulted in an estimated 2.5 billion bushels (63.5 million metric tons) of grain contaminated with mycotoxins. The estimated mean economic loss due to reduced yield caused by corn diseases in the United States and Ontario from 2016 to 2019 was US$55.90 per acre (US$138.13 per hectare). Results from this survey provide scientists, corn breeders, government agencies, and educators with data to help inform and prioritize research, policy, and educational efforts in corn pathology and disease management.
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 | 0,000 | 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 découle