Incidence, Severity, and Prevalence of Sorghum Diseases in the Major Production Regions in Niger
Notice bibliographique
Résumé
Sorghum ranks second to pearl millet as the most important cereal in Niger and is used primarily for food, feed, and other uses. During the 2022 growing season, 96 fields from the five major sorghum production regions of Dosso, Maradi, Tahoua, Tillabéri, and Zinder were surveyed for foliar and panicle diseases. In each field, 40 plants were assessed using a W-shaped pattern to cover the whole field. A total of 19 diseases, including leaf blight, anthracnose, long smut, zonate leaf spot, bacterial leaf stripe, oval leaf spot, and rough leaf spot were documented. Leaf blight (100%) was detected in all the fields surveyed. In the regions of Dosso and Zinder, anthracnose was found in all the surveyed fields while oval leaf spot was detected in all surveyed fields in Maradi and Zinder. The highest mean incidence of leaf blight (95%) was recorded in the regions of Tahoua and Zinder while oval leaf spot (80%), anthracnose (56%), and gray leaf spot (25%) were highest in Maradi region. The highest mean severities of leaf blight (30%), long smut (29%), grain mold (18%), and anthracnose (13%) were recorded in Maradi region. The severity of head smut was 100% in all the regions where the disease was observed. Fields with incidence of 90% and above identified during the survey are considered as ‘hot spots’ for disease resistance screening. This work is significant because the information generated by the study can be utilized by sorghum workers, students, funding agencies and government officials to prioritize research projects.
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 ».