地理统计建模改善了预测Macrophomina phaseolina在大豆田中的丰度和分布
Sandip Mondal1, Emile Gluck-Thaler2,3, Cristhian J Grabowski Ocampos4
1Department of Plant Pathology, Ohio State University, Columbus, OH 43210, U.S.A.
Phytopathology
|November 19, 2024
概括
木炭腐烂是由Macrophomina phaseolina (Mp) 引起的,威胁着全球大豆产量. 这项研究绘制了巴拉圭的Mp分布图,发现土壤pH值和粘土含量预测了其丰富度,有助于有针对性的管理.
科学领域:
- 农业科学 农业科学
- 植物病理学 植物病理学
- 土壤科学 土壤科学
背景情况:
- 木炭腐烂是由Macrophomina phaseolina (Mp) 引起的,是全球大豆生产的重大威胁.
- Mp的可变空间分布使疾病预测和管理策略变得复杂.
- 了解MP与土壤特性之间的关系对于精准农业方法至关重要.
研究的目的:
- 为了确定巴拉圭大豆田中的Macrophomina phaseolina (Mp) 丰度的空间分布.
- 调查Mp殖民地形成单位 (CFU) 与土壤物理化学性质之间的相关性.
- 开发Mp CFU丰度的预测模型,以告知疾病管理.
主要方法:
- 评估了巴拉圭297个大豆田的Mp CFU和土壤特性.
- 利用空间和非空间统计模型来分析数据.
- 使用莫兰的I. 评估了空间依赖和集群模式.
主要成果:
- 从巴拉圭东南部到西部观察到Mp CFU密度的下降模式.
- 土壤pH值与Mp CFU有显著的负相关性,而其他因素,如阴离子交换能力和粘土含量,则有积极相关性.
- 与非空间模型相比,结合性因素的空间模型提供了更有效的Mp CFU预测.
结论:
- 在大豆田中,Macrophomina phaseolina (Mp) 呈现出显著的空间聚类.
- 土壤的特性,特别是pH值,阴离子交换能力和粘土含量,是丰度的关键预测因素.
- 这些发现支持为农业中有针对性的木炭腐烂管理做出明智决策.
关键词:
马克罗福米纳 (macrophomina) 是一个可怕的生物.巴拉圭 巴拉圭 巴拉圭 巴拉圭 巴拉圭随机的森林随机的森林豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆豆空间间对应的空间间对应空间回归是一种空间回归.更多相关视频
09:25Genome-wide Analysis of Histone Modifications Distribution using the Chromatin Immunoprecipitation Sequencing Method in Magnaporthe oryzae
Published on: June 2, 2021
2.8K
09:23Methodology for Developing Life Tables for Sessile Insects in the Field Using the Whitefly, Bemisia tabaci, in Cotton As a Model System
Published on: November 1, 2017
11.8K
相关概念视频
Light Acquisition
8.4K
In order to produce glucose, plants need to capture sufficient light energy. Many modern plants have evolved leaves specialized for light acquisition. Leaves can be only millimeters in width or tens of meters wide, depending on the environment. Due to competition for sunlight, evolution has driven the evolution of increasingly larger leaves and taller plants, to avoid shading by their neighbors with contaminant elaboration of root architecture and mechanisms to transport water and nutrients.
8.4K
Mechanistic Models: Compartment Models in Individual and Population Analysis
29
Mechanistic models are utilized in individual analysis using single-source data, but imperfections arise due to data collection errors, preventing perfect prediction of observed data. The mathematical equation involves known values (Xi), observed concentrations (Ci), measurement errors (εi), model parameters (ϕj), and the related function (ƒi) for i number of values. Different least-squares metrics quantify differences between predicted and observed values. The ordinary least...
29
