Data were collected and analysed fr

Data were collected and analysed from seven field sites in Australia, Brazil and Colombia on weather conditions and the
severity of anthracnose disease of the tropical pasture legume Stylosanthes scabra caused by Colletotrichum gloeosporioides.
Disease severity and weather data were analysed using artificial neural network (ANN) models developed using
data from some or all field sites in Australia and/or South America to predict severity at other sites. Three series of models
were developed using different weather summaries. Of these, ANN models with weather for the day of disease assessment
and the previous 24 h period had the highest prediction success, and models trained on data from all sites within
one continent correctly predicted disease severity in the other continent on more than 75% of days; the overall prediction
error was 21·9% for the Australian and 22·1% for the South American model. Of the six cross-continent ANN models
trained on pooled data for five sites from two continents to predict severity for the remaining sixth site, the model developed
without data from Planaltina in Brazil was the most accurate, with >85% prediction success, and the model without
Carimagua in Colombia was the least accurate, with only 54% success. In common with multiple regression models,
moisture-related variables such as rain, leaf surface wetness and variables that influence moisture availability such as
radiation and wind on the day of disease severity assessment or the day before assessment were the most important
weather variables in all ANN models. A set of weights from the ANN models was used to calculate the overall risk of
anthracnose for the various sites. Sites with high and low anthracnose risk are present in both continents, and weather
conditions at centres of diversity in Brazil and Colombia do not appear to be more conducive than conditions in Australia
to serious anthracnose development.

ผลลัพธ์ (ไทย) 1:

รวบรวมข้อมูล และ analysed จาก 7 ฟิลด์ไซต์ในออสเตรเลีย บราซิล และโคลัมเบียในสภาพและความรุนแรงของโรค anthracnose scabra legume พาสเจอร์ร้อน Stylosanthes สาเหตุ Colletotrichum gloeosporioidesข้อมูลสภาพอากาศและความรุนแรงของโรคได้ analysed โดยใช้แบบจำลองโครงข่ายประสาทเทียม (แอน) ที่พัฒนาโดยใช้ข้อมูลจากไซต์ฟิลด์บางส่วน หรือทั้งหมดในออสเตรเลียหรืออเมริกาใต้เพื่อทำนายความรุนแรงที่ไซต์อื่น ชุดที่สามรุ่นถูกพัฒนาโดยใช้สรุปสภาพอากาศแตกต่างกัน รุ่นนี้ แอนกับอากาศวันประเมินโรคและระยะเวลา 24 ชมก่อนหน้านี้ได้ทำนายความสำเร็จที่สูงสุด รูปแบบและข้อมูลจากไซต์ทั้งหมดในการฝึกอบรมทวีปหนึ่งได้อย่างถูกต้องทำนายความรุนแรงของโรคในทวีปอื่น ๆ ในมากกว่า 75% ของวัน คำทำนายโดยรวมข้อผิดพลาดคือ 21·9% 22·1% สำหรับแบบอเมริกาใต้และออสเตรเลีย รุ่น 6 ข้ามทวีปแอนอบรมการรวมข้อมูลท่องเที่ยวห้าจากสองทวีปเพื่อทำนายความรุนแรงสำหรับไซต์หกเหลือ รูปแบบพัฒนาโดยข้อมูลจาก Planaltina ในบราซิลถูกสุดถูกต้อง มี > 85% คาดการณ์ความสำเร็จ และรูปแบบโดยไม่Carimagua ในโคลัมเบียถูกสุดถูกต้อง ดี 54% เท่านั้น In common with แบบจำลองถดถอยหลายตัวแปรที่เกี่ยวข้องกับความชื้นเช่นฝน wetness ผิวใบ และตัวแปรที่ส่งผลต่อความพร้อมใช้งานความชื้นเช่นรังสีและลมในวันประเมินความรุนแรงของโรคหรือวันก่อนที่จะประเมินสำคัญสุดตัวแปรสภาพอากาศในแบบจำลองทั้งหมดแอน ชุดของน้ำหนักจากรุ่นแอนถูกใช้เพื่อคำนวณความเสี่ยงโดยรวมของanthracnose ท่องเที่ยวต่าง ๆ ไซต์ที่ มีความเสี่ยงสูง และต่ำ anthracnose อยู่ในทั้งทวีป และสภาพอากาศไม่ปรากฏเงื่อนไขที่ศูนย์ความหลากหลายทางชีวภาพในประเทศบราซิลและโคลัมเบียจะเอื้อมากขึ้นกว่าเงื่อนไขในออสเตรเลียการพัฒนา anthracnose อย่างจริงจัง

ผลลัพธ์ (ไทย) 2:

เก็บรวบรวมข้อมูลและวิเคราะห์จากเจ็ดเว็บไซต์สนามในออสเตรเลีย,
บราซิลและโคลัมเบียอยู่กับสภาพอากาศและความรุนแรงของโรคแอนแทรกโนของพืชตระกูลถั่วทุ่งหญ้าเขตร้อนถั่วscabra ที่เกิดจากเชื้อรา Colletotrichum gloeosporioides.
ความรุนแรงของโรคและข้อมูลสภาพอากาศถูกนำมาวิเคราะห์โดยใช้เครือข่ายประสาทเทียม (ANN)
รูปแบบการพัฒนาโดยใช้ข้อมูลจากบางส่วนหรือทั้งหมดเว็บไซต์สาขาในประเทศออสเตรเลียและ/ หรืออเมริกาใต้ที่จะคาดการณ์ความรุนแรงที่เว็บไซต์อื่น ๆ สามชุดของรูปแบบที่ได้รับการพัฒนาโดยใช้สรุปอากาศที่แตกต่าง
ของเหล่านี้แบบจำลอง ANN
ที่มีสภาพอากาศสำหรับวันของการประเมินการเกิดโรคและระยะเวลา24
ชั่วโมงที่ผ่านมาได้ประสบความสำเร็จในการคาดการณ์ที่สูงที่สุดและรูปแบบการฝึกอบรมเกี่ยวกับข้อมูลจากเว็บไซต์ทั้งหมดภายในหนึ่งทวีปอย่างถูกต้องคาดการณ์ความรุนแรงของโรคในทวีปอื่นๆ ในกว่า 75% ของ วัน; การคาดการณ์โดยรวมข้อผิดพลาด 21 · 9% สำหรับออสเตรเลียและ 22 · 1% สำหรับรุ่นอเมริกาใต้
หกข้ามทวีปรุ่น ANN
ฝึกอบรมเกี่ยวกับข้อมูลที่รวบรวมสำหรับห้าเว็บไซต์จากสองทวีปที่จะคาดการณ์ความรุนแรงสำหรับเว็บไซต์ที่หกที่เหลือรูปแบบการพัฒนาที่ไม่มีข้อมูลจาก Planaltina ในบราซิลเป็นที่ถูกต้องที่สุดด้วย> 85% ประสบความสำเร็จในการทำนายและ รูปแบบโดยไม่ต้อง Carimagua ในโคลัมเบียเป็นที่ถูกต้องอย่างน้อยมีเพียง 54% ที่ประสบความสำเร็จ ในการร่วมกันกับรุ่นถดถอยหลายตัวแปรความชื้นที่เกี่ยวข้องเช่นฝนผิวใบความชื้นแฉะและตัวแปรที่ความชื้นมีผลต่อเช่นการฉายรังสีและลมในวันที่ของการเกิดโรคการประเมินความรุนแรงหรือวันก่อนการประเมินเป็นที่สำคัญที่สุดตัวแปรสภาพอากาศในทุกANN รุ่น ชุดของน้ำหนักจากรุ่นแอนถูกนำมาใช้ในการคำนวณความเสี่ยงโดยรวมของแอนแทรกโนสำหรับเว็บไซต์ต่างๆ เว็บไซต์ที่มีความเสี่ยงสูงและแอนแทรกโนต่ำที่มีอยู่ในทวีปทั้งสองและสภาพอากาศสภาพที่ศูนย์ของความหลากหลายในประเทศบราซิลและโคลอมเบียจะไม่ปรากฏให้มากขึ้นกว่าเงื่อนไขที่เอื้อต่อในประเทศออสเตรเลียในการพัฒนาแอนแทรกโนอย่างจริงจัง

ผลลัพธ์ (ไทย) 3:

เก็บรวบรวมข้อมูลและวิเคราะห์ข้อมูลจากสนามเจ็ดเว็บไซต์ในออสเตรเลีย บราซิล และโคลัมเบียในสภาพอากาศและ
ความรุนแรงของโรคของเขตร้อนทุ่งหญ้าถั่ว Stylosanthes ใบที่เกิดจากโรคแอนแทรคโนส Colletotrichum gloeosporioides .
ความรุนแรงและข้อมูลสภาพอากาศวิเคราะห์โรค โดยใช้โครงข่ายประสาทเทียม ( ANN ) แบบพัฒนาโดยใช้
ข้อมูลจากบางหรือเว็บไซต์เขตข้อมูลทั้งหมดในออสเตรเลีย และ / หรือ อเมริกาใต้ เพื่อทำนายความรุนแรงในเว็บไซต์อื่น ๆ สามชุดของนางแบบ
ถูกพัฒนาโดยใช้สรุปสภาพอากาศที่แตกต่างกัน ของเหล่านี้แบบแอนกับอากาศสำหรับวัน
การประเมินโรคและก่อนหน้า 24 ชั่วโมง ระยะเวลาได้สำเร็จการทำนายสูงสุด และแบบฝึก ข้อมูลจากเว็บไซต์ทั้งหมดภายใน
ทวีปหนึ่งอย่างถูกต้องทำนายโรครุนแรงในทวีปอื่น ๆ มากกว่า 75% ของวัน ; ข้อผิดพลาดการทำนาย
โดยรวมเป็น 21 ด้วย 9 % สำหรับออสเตรเลียและ 22 ด้วย 1% สำหรับนางแบบอเมริกาใต้ ของหกข้ามทวีปแอนรุ่น
ฝึกรวมข้อมูลสำหรับห้าเว็บไซต์จากสองทวีปทำนายความรุนแรงที่เหลืออีกหกแบบจำลอง
เว็บไซต์โดยข้อมูลจาก Planaltina ในบราซิลได้ถูกต้องที่สุดกับความสำเร็จ > การทำนาย 85% และรูปแบบโดยไม่ต้อง
carimagua ในโคลัมเบียเป็นสิ่งที่ถูกต้อง มีเพียง 54 % ความสำเร็จ เหมือนกันกับการถดถอยหลายตัวแปรที่เกี่ยวข้อง เช่น
ความชื้นผิวใบเปียกฝน และตัวแปรที่มีอิทธิพลต่อความชื้นห้องพักเช่น
รังสีและลมในวันประเมินความรุนแรงของโรค หรือก่อนวันประเมินเป็นสำคัญที่สุดของตัวแปรในแบบจำลอง ANN
สภาพอากาศทั้งหมด ชุดของน้ำหนักจากแอน เป็นโมเดลที่ใช้ในการคำนวณความเสี่ยงโดยรวมของโรคแอนแทรคโนส
สำหรับเว็บไซต์ต่างๆ . เว็บไซต์ที่มีสูงและต่ำความเสี่ยงโรคมีอยู่ทั้งในทวีปและอากาศ
เงื่อนไขที่ศูนย์ของความหลากหลายในประเทศบราซิล และโคลัมเบีย ไม่ปรากฏว่ามีเงื่อนไขที่เอื้อมากขึ้นกว่าในออสเตรเลีย
การพัฒนาโรคร้ายแรง