Estimated Soybean Yield and Economic Losses Caused by Diseases in the United States and Ontario, Canada, from 2020 to 2024
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
The impact of plant diseases on soybean ( Glycine max [L.] Merrill) yield was estimated across 29 states and Ontario, Canada, from 2020 to 2024 by university and government plant pathologists. Losses from 29 pathogens or groups of pathogens were estimated at the end of each growing season through a survey and summarized across years and locations. Diseases reduced soybean yield by an estimated 1.2 billion bushels (32.8 million metric tons) valued at 14.6 billion USD for the survey period. Per acre, this estimated mean economic loss was equal to 32.93 USD (81.37 USD per hectare) across all locations and years, excluding costs such as fungicide seed treatments and foliar applications. Soybean cyst nematode (SCN) ( Heterodera glycines Ichinohe) reduced yield by 482.4 million bushels (13.1 million metric tons), a value nearly four times greater than the next greatest cause of yield loss, which was sudden death syndrome (SDS) (caused by Fusarium virguliforme O'Donnell & T. Aoki). Following SCN and SDS, the most significant yield losses were attributed to white mold (caused by Sclerotinia sclerotiorum [Lib.] de Bary), seedling diseases (caused by various pathogens), Phytophthora root and stem rot (caused by Phytophthora sojae Kaufm. & Gerd.), and root-knot nematodes ( Meloidogyne spp.), in descending order. The most important diseases in the southern United States were generally different from those in the northern United States and Ontario. The data presented here will enable government agencies, scientists, educators, commodity groups, funding organizations, and plant breeders to enhance and prioritize policy, research, funding, and education regarding soybean disease management.
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