Fungal diseases of conifers in the dendrological garden named after S.F. Kharitonov (Pereslavl-Zalessky)
Notice bibliographique
Résumé
В данной работе приведено описание грибных болезней, оказывающих негативное влияние на фитосанитарное состояние хвойных пород, произрастающих в дендрологическом саду имени С.Ф. Харитонова города Переславль-Залесский Ярославской области. Обследованы посадки интродуцированных видов – сосны черной (Pinus nigra J.F. Arnold), сосны кедровой сибирской (Pinus sibirica Du Tour), сосны кедровой корейской (Pinus koraiensis Siebold & Zucc.), ели колючей (Picea pungens Engelm.), ели канадской (Picea glauca (Moench) Voss), гибрида ели колючей и ели канадской (Picea pungens f. glauca × Picea glauca), пихты сибирской (Abies sibirica Ledeb.). Наиболее распространенными и значимыми из идентифицированных болезней являются: побеговый рак (склеродерриоз) сосны черной, сосны кедровой сибирской и сосны кедровой корейской (возбудитель – Brunchorstia pinea (P. Karst.) Höhn.); красная пятнистость (дотистромоз) хвои сосны черной и сосны кедровой сибирской (возбудитель – Dothistroma septosporum (Dorog.) Morelet); побурение хвои (ризосфериоз) ели колючей (возбудитель – Rhizosphaera kalkoffii Bub.) и пихты сибирской (возбудитель – Rhizosphaera pini (Corda) Maubl.); почернение и отмирание почек (мегалосепториоз) ели колючей, ели канадской и гибрида ели колючей и ели канадской (возбудитель – Megaloseptoria mirabilis Naumov). This paper provides a description of fungal diseases that have a negative impact on the phytosanitary state of conifers growing in the dendrological garden named after S.F. Kharitonov city of Pereslavl-Zalessky, Yaroslavl region. Plantings of introduced species – black pine (Pinus nigra J.F. Arnold), Siberian stone pine (Pinus sibirica Du Tour), Korean stone pine (Pinus koraiensis Siebold & Zucc.), prickly spruce (Picea pungens Engelm.), Canadian spruce (Picea glauca) (Moench) Voss), a hybrid of prickly spruce and Canadian spruce (Picea pungens f. glauca × Picea glauca), Siberian fir (Abies sibirica Ledeb.). The most common and significant of the identified diseases are: shoot cancer (scleroderriosis) of black pine, Siberian stone pine and Korean stone pine (causative agent - Brunchorstia pinea (P. Karst.) Höhn.); red spotting (dotistromosis) of needles of black pine and Siberian cedar pine (causative agent - Dothistroma septosporum (Dorog.) Morelet); browning of needles (rhizospheriosis) of prickly spruce (pathogen - Rhizosphaera kalkoffii Bub.) and Siberian fir (pathogen - Rhizosphaera pini (Corda) Maubl.); blackening and dying off of the buds (megaloseptoria) of prickly spruce, Canadian spruce and a hybrid of prickly spruce and Canadian spruce (pathogen - Megaloseptoria mirabilis Naumov).
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 | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».