一套用于评估大豆锈病严重程度的新标准面积图，提高了估算的准确性并优化了资源利用,Plant Pathology

当前位置： X-MOL 学术 › Plant Pathol. › 论文详情

Our official English website, www.x-mol.net, welcomes your feedback! (Note: you will need to create a separate account there.)

一套用于评估大豆锈病严重程度的新标准面积图，提高了估算的准确性并优化了资源利用
Plant Pathology ( IF 2.3 ) Pub Date : 2020-02-04 , DOI: 10.1111/ppa.13148
Vinicius T. Franceschi ₁ , Kaique S. Alves ₂ , Sergio M. Mazaro ₁ , Cláudia V. Godoy ₃ , Henrique S. S. Duarte ₄ , Emerson M. Del Ponte ₂

Affiliation

大豆锈菌（Pakopsora pachyrhizi）引起的大豆锈病（SBR）由于严重减少健康叶面积和加速落叶，大豆是最重要的损害大豆产量的真菌病。在实验研究中，通过在2000年代中期开发和验证的标准面积图（SAD）在视觉上辅助/训练来估计SBR的严重程度（旧SAD）。在这项研究中，我们为SBR提出了一套新的SAD设置，其中包括六个线性图（约15％的增量）的真彩色图，并以低（<10％）严重度的四个附加图进行了修改，总共有10个图（0.2％，1 ％，3％，5％，10％，25％，40％，55％，70％和84％）。为了进行评估，将37个评估者分为两组。在50幅图像样本（0.25％–84％）中，每个评估的严重性都首先不提供帮助，然后使用旧SAD或新SAD。精度，精密度，仅在使用新SAD的帮助下，估计的可靠性才相对于无辅助的估计得到了显着提高（准确性> 0.95）。低精度（<0.78）和低估的趋势以及严重程度的增加是旧SAD的主要问题，与独立的估算没有什么不同。通过仿真评估错误通过不同方法对假设检验的影响，结果表明，与旧SAD相比，新SAD能够更有效地检测平均对照中的最小差异（例如，疾病减少率分别为70％和65％）；后者需要将样本量增加2倍才能达到相同的功效。需要利用新知识和新技术来改进一些SAD，以提高估计的准确性，并优化资源使用效率和管理决策。0.95）。低精度（<0.78）和低估的趋势以及严重程度的增加是旧SAD的主要问题，与独立的估算没有什么不同。通过仿真评估错误通过不同方法对假设检验的影响，结果表明，与旧SAD相比，新SAD能够更有效地检测平均对照中的最小差异（例如，疾病减少率分别为70％和65％）；后者需要将样本量增加2倍才能达到相同的功效。需要利用新知识和新技术来改进一些SAD，以提高估计的准确性，并优化资源使用效率和管理决策。0.95）。低精度（<0.78）和低估的趋势以及严重程度的增加是旧SAD的主要问题，与独立的估算没有什么不同。通过仿真评估错误通过不同方法对假设检验的影响，结果表明，与旧SAD相比，新SAD能够更有效地检测平均对照中的最小差异（例如，疾病减少率分别为70％和65％）；后者需要将样本量增加2倍才能达到相同的功效。需要利用新知识和新技术来改进一些SAD，以提高估计的准确性，并优化资源使用效率和管理决策。这与独立估算没有什么不同。通过仿真评估错误通过不同方法对假设检验的影响，结果表明，与旧SAD相比，新SAD能够更有效地检测平均对照中的最小差异（例如，疾病减少率分别为70％和65％）；后者需要将样本量增加2倍才能达到相同的功效。需要利用新知识和新技术来改进一些SAD，以提高估计的准确性，并优化资源使用效率和管理决策。这与独立估算没有什么不同。通过仿真评估错误通过不同方法对假设检验的影响，结果表明，与旧SAD相比，新SAD能够更有效地检测平均对照中的最小差异（例如，疾病减少率分别为70％和65％）；后者需要将样本量增加2倍才能达到相同的功效。需要利用新知识和新技术来改进一些SAD，以提高估算的准确性，并优化资源使用效率和管理决策。后者需要将样本量增加2倍才能达到相同的功效。需要利用新知识和新技术来改进一些SAD，以提高估计的准确性，并优化资源使用效率和管理决策。后者需要将样本量增加2倍才能达到相同的功效。需要利用新知识和新技术来改进一些SAD，以提高估计的准确性，并优化资源使用效率和管理决策。

"点击查看英文标题和摘要"

A new standard area diagram set for assessment of severity of soybean rust improves accuracy of estimates and optimizes resource use

Soybean rust (SBR), caused by Phakopsora pachyrhizi, is the most important yield‐damaging fungal disease of soybean due to severe reduction in healthy leaf area and acceleration of leaf fall. In experimental research, SBR severity is estimated visually aided/trained by a standard area diagram (SAD) developed and validated during the mid‐2000s (Old SAD). In this study, we propose a new SAD set for SBR with six true‐colour diagrams following linear increments (c. 15% increments) amended with four additional diagrams at low (<10%) severities, totalling 10 diagrams (0.2%, 1%, 3%, 5%, 10%, 25%, 40%, 55%, 70%, and 84%). For evaluation, 37 raters were split into two groups. Each assessed severity in a 50‐image sample (0.25%–84%), first unaided and then using either the Old SAD or the New SAD. Accuracy, precision, and reliability of estimates improved significantly relative to unaided estimates only when aided by the New SAD (accuracy >0.95). Low precision (<0.78) and a trend of underestimation with an increase in severity were the main issues with the Old SAD, which did not differ from unaided estimates. Simulation to evaluate the impact of the errors by different methods on hypothesis tests, showed that the new SAD was more powerful for detecting the smallest difference in mean control (e.g., 70% vs. 65% disease reduction) than the Old SAD; the latter required a 2‐fold increase in sample size to achieve the same power. There is a need to improve some SADs, taking advantage of new knowledge and technology to increase accuracy of the estimates, and to optimize both resource use efficiency and management decisions.

更新日期：2020-02-04

点击分享查看原文

点击收藏

阅读更多本刊新发论文本刊介绍/投稿指南