Field and Greenhouse Assessment of Seed Treatment Fungicides for Management of Sudden Death Syndrome and Yield Response of Soybean
Notice bibliographique
Résumé
Seed treatments for the management of sudden death syndrome (SDS) caused by Fusarium virguliforme are available in the United States and Canada; however, side-by-side comparisons of these seed treatments are lacking. Sixteen field experiments were established in Illinois, Indiana, Iowa, Michigan, and Wisconsin, United States, and Ontario, Canada, in 2019 and 2020 to evaluate seed treatment combinations. Treatments included a nontreated check (NTC), fungicide and insecticide base seed treatments (base), fluopyram, base + fluopyram, base + saponin extracts from Chenopodium quinoa, base + fluopyram + heat-killed Burkholderia rinojenses, base + pydiflumetofen, base + thiabendazole + heat-killed B. rinojenses, and base + thiabendazole + C. quinoa extracts + heat-killed B. rinojenses. Treatments were tested on SDS moderately resistant and susceptible soybean cultivars at each location. Overall, NTC and base had the most root rot, most foliar disease index (FDX), and lowest yield. Base + fluopyram and base + pydiflumetofen were most effective for managing SDS. Moderately resistant cultivars reduced FDX in both years but visual root rot was greater on the moderately resistant than the susceptible cultivars in 2020. Yield response to cultivar was also inconsistent between the 2 years. In 2020, the susceptible cultivar provided significantly more yield than the moderately resistant cultivar. Treatment effect for root rot and FDX was similar in field and greenhouse evaluations. These results reinforce the need to include root rot evaluations in addition to foliar disease evaluations in the breeding process for resistance to F. virguliforme and highlights the importance of an integrated SDS management plan because not a single management tactic alone provides adequate control of the disease.
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 ».