Environmental Factors Influencing Stem Rot Development in Peanut: Predictors and Action Thresholds for Disease Management
Notice bibliographique
Résumé
Peanuts grown in tropical, subtropical, and temperate regions are susceptible to stem rot, which is a soilborne disease caused by Athelia rolfsii. Due to the lack of reliable environmental-based scheduling recommendations, stem rot control relies heavily on fungicides that are applied at predetermined intervals. We conducted inoculated field experiments for six site-years in North Florida to examine the relationship between germination of A. rolfsii sclerotia: the inoculum, stem rot symptom development in the peanut crop, and environmental factors such as soil temperature (ST), soil moisture, relative humidity (RH), precipitation, evapotranspiration, and solar radiation. Window-pane analysis with hourly and daily environmental data for 5- to 28-day periods before each disease assessment were evaluated to select model predictors using correlation analysis, regularized regression, and exhaustive feature selection. Our results indicated that within-canopy ST (at 0.05 m belowground) and RH (at 0.15 m aboveground) were the most important environmental variables that influenced the progress of mycelial activity in susceptible peanut crops. Decision tree analysis resulted in an easy-to-interpret one-variable model (adjusted R2 = 0.51, Akaike information criterion [AIC] = 324, root average square error [RASE] = 14.21) or two-variable model (adjusted R2 = 0.61, AIC = 306, RASE = 10.95) that provided an action threshold for various disease scenarios based on number of hours of canopy RH above 90% and ST between 25 and 35°C in a 14-day window. Coupling an existing preseason risk index for stem rot, such as Peanut Rx, with the environmentally based predictors identified in this study would be a logical next step to optimize stem rot management. [Formula: see text] Copyright © 2024 The Author(s). This is an open access article distributed under the CC BY 4.0 International license .
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».