Maize plants can recover from fall armyworm damage under optimum crop production conditions in humid tropical agro-ecologies
Notice bibliographique
Résumé
Farmers in Africa perceive the impact of fall armyworm (FAW) on maize to be significant, but field assessments have shown that yield losses are not significant enough to warrant pesticide interventions. This suggests that relationships between the crop stages, time, and duration of attack can affect the yield. Therefore, assessing the plant's recovery from damage using individual plants based on defoliation levels could guide whether and when pesticides should be applied. To study this, we selected 120 labeled maize plants corresponding to six levels of FAW defoliation, replicated 20 times, based on an initial damage rating. The rating scale ranged from 1 (no defoliation) to 5 (>75% defoliation) during four planting seasons. Plants with a rating scale of 1 were replicated and treated with a chemical insecticide to keep them undefoliated, and that served as a control. Damage severity was recorded weekly on all plants, starting from emergence until maturity, using the same damage rating scale. Results showed that damage severity varied significantly among different defoliation levels during all seasons. Higher levels of defoliation during dry seasons resulted in significant yield loss only for plants with damage levels 4 and 5, with damage severity ranging from 38.7% to 57.5%. These results indicate that FAW control is unnecessary in the rainy season. In contrast, pesticide interventions should be envisaged in seasons of erratic rainfall, with a significant defoliation threshold level of around 50%, occurring at 8 and 5 wk after planting weeks after planting, respectively for the early and late dry season.
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 ».