Estimated Yield Reductions and Economic Losses on Wheat Caused by Disease from 2018 Through 2021
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Wheat ( Triticum aestivum L.) yield and economic losses caused by pathogens were estimated annually by plant pathologists from 29 U.S. states and Ontario, Canada, from 2018 through 2021. During this 4-year period, plant pathogens caused an estimated reduction of 560 million bushels, with an estimated loss value of US$2.9 billion. Annual losses ranged from 111 million bushels in 2018 to 188 million bushels in 2019. Based on the number of acres planted, the average per-acre loss caused by plant pathogens was US$18.10 across all years and state/province recording estimates. Fusarium head blight (caused by multiple species of Fusarium) was responsible for the greatest overall estimated reduction in yield, followed by stripe rust (caused by Puccinia striiformis) and leaf rust (caused by P. triticina). Although important disease management costs, such as pesticide application, were not considered, the results show the importance of continued plant disease education and research. Quantifying estimated losses associated with plant pathogens impacting wheat remains an important endeavor. Estimates provided by this group of experts are expected to be used as a guide to influence funding for plant disease research by directing Extension and research through both applied and basic efforts. Moreover, the continued effort to quantify plant diseases and their influence on yield losses, as well as the economics of managing plant diseases, will help inform the industries that influence plant disease management and shape on-farm disease management efforts.
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.
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 découle