Digging deeper to understand dynamics and interactions of pea root rot pathogens with soil physico-chemical properties in soil zones of Saskatchewan, Canada
Notice bibliographique
Résumé
Abstract The soilborne pathogens, Aphanomyces euteiches, Fusarium avenaceum and F. solani , pose a threat to sustainable pea production in Canada. The objectives of this study were to correlate pea root rot severity and pathogen levels with soil physico-chemical factors, assess pathogen levels in different soil depths, their spatial distribution pattern within a field, and determine whether their DNA quantification in soil can accurately predict root rot potential. Soil at three depths from 21 pea fields located in four soil zones in Saskatchewan, Canada were sampled after crop harvest in 2015 and 2016, and tested for disease-causing potential using a greenhouse pea bioassay. Quantification of pathogens was performed using droplet digital PCR on soil DNA. DNA quantification of soils revealed that A. euteiches was the most common with 72.7% incidence in both years, followed by F. solani at 58.4–68.7% and F. avenaceum at 44.4 − 57.6% incidence. Disease severity and levels of all three pathogens was highest in the top layer of soil. The spatial pattern for the distribution of A. euteiches was mostly (57.1%) uniform. The distributions of F. solani and F. avenaceum were predominantly random or clumped. A weak linear relationship between disease severity and pathogen quantities in soil was observed. There was no consistent correlation with soil type or soil physico-chemical properties. Weak interactions between disease severity and soil pathogen levels suggest that the quantification of inoculum potential from soil in the absence of a susceptible host crop underestimates the true disease-causing potential of a soil.
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 ».