A Mechanistic Model Accounting for the Effect of Soil Moisture, Weather, and Host Growth Stage on the Development of <i>Sclerotinia sclerotiorum</i>
Notice bibliographique
Résumé
The fungus Sclerotinia sclerotiorum causes serious losses to several agricultural crops worldwide. By using systems analysis, we retrieved the available knowledge concerning S. sclerotiorum from the literature and then analyzed and synthesized the data to develop a mechanistic, dynamic, weather-driven model for the prediction of epidemics on different crops. The model accounts for i) the production and survival of apothecia; ii) the production, dispersal, and survival of ascospores; iii) infection by ascospores; and iv) lesion onset. The ability of the model to predict the occurrence of apothecia was evaluated for epidemics observed with different climates, soil types, and host crops (soybean, white bean, and carrot) using independent data obtained from trials conducted in Ontario (Canada) in 1981, 1982, and from 1999 to 2002; in Michigan (U.S.A.) in 2015 and 2016; and in Wisconsin (U.S.A.) in 2016. The model showed 0.82 accuracy and 0.73 specificity in predicting the presence of apothecia, with a posterior probability of correctly predicting apothecia to be present or absent of 0.804 and 0.876, respectively. The model was also validated for its ability to predict disease progress on soybean and sunflower in Ontario in 1981 and 1982, in Manitoba (Canada) in 2001 and 2002, and in Michigan in 2015 and 2016. Comparison of model output with observations showed a concordance correlation coefficient of 0.948, and a root mean square error of 0.122. The model represents an improvement of previous S. sclerotiorum models and could be useful for making decisions on disease control.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».