Geographical and seasonal dynamics and air trajectory modeling of air-borne cereal rust fungi: a case study in western Canada
Notice bibliographique
Résumé
Cereal rust diseases are caused by Puccinia spp. urediniospores that travel by air currents to cause losses in wheat, oat, barley, and rye. In western Canada, inoculum can arrive from the USA through the Great Plains or via a Pacific corridor west of the Rocky Mountains. Moreover, climate and land use are known factors in Puccinia dissemination, but their relative effects remain poorly understood. We investigated aeromycobiota in western Canada by weekly air-sampling over four growing seasons (2015-2018) three mixed-crop sites in British Columbia (BC) and one season (2018) at five sites in southern Alberta (AB). ITS2-based metabarcoding and novel bioinformatic comparative analyses to known, especially curated cereal rust fungal sequences, was used for species identification. The overall aeromycobiota and rust fungal community diversity was higher west than east of the Canadian Rockies. This mountain range delineates climate and land use and also creates a barrier to wind flow to prevent the spread of rusts and other plant pathogens (e.g., Bipolaris, Blumeria). We recovered seven major cereal rusts and revealed their geographic and seasonal dynamics at the eight sampling sites. Forward and reverse trajectory HYSPLIT model simulations predicted the potential sources of rust urediniospores and their pathways of movement modulated by air currents, through which some pronounced changes in the abundance of wheat rust pathogens were explained. This study paves the way for a potential application for pathogen monitoring and disease risk forecasting as part of the design and development of an early-warning system for enhanced biovigilance against crop diseases.
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 ».