Occurrence of Ascospores and White Mold Caused by <i>Sclerotinia sclerotiorum</i> in Dry Bean Fields in Alberta, Canada
Notice bibliographique
Résumé
L.) production in Canada. Disease forecasting is one tool that could help growers manage the disease while reducing fungicide use. However, predicting white mold epidemics has remained difficult due to their sporadic occurrence. In this study, over the course of four growing seasons (2018 to 2021), we surveyed dry bean fields in Alberta and collected daily in-field weather data and daily in-field ascospore counts. White mold levels were variable and generally high in all years, confirming that the disease is ubiquitous and a constant threat to dry bean production. Ascospores were present throughout the growing season, and mean ascospore levels varied by field, month, and year. Models based on in-field weather and ascospore levels were not highly predictive of final disease incidence in a field, suggesting that environment and pathogen presence were not limiting factors to disease development. Rather, significant effects of market class on disease were found, with pinto beans, on average, having the highest disease incidence (33%) followed by great northern (15%), black (10%), red (6%), and yellow (5%). When incidence of these market classes was modeled separately, different environmental variables were important in each model; however, average wind speed was a significant variable in all models. Taken together, these findings suggest that white mold management in dry bean should focus on fungicide use, plant genetics, irrigation management, and other agronomic factors.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».