MétaCan
Menu
Retour à la cohorte
Enregistrement W1974816593 · doi:10.1614/wt-d-10-00164.1

Changes in Herbicide Use after Adoption of HR Canola in Western Canada

2011· article· en· W1974816593 sur OpenAlexaffabout
Stuart J. Smyth, Michael Gusta, Kenneth Belcher, P. W. B. Phillips, David Castle

Notice bibliographique

RevueWeed Technology · 2011
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueWeed Control and Herbicide Applications
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésCanolaTillageAgronomyWeed controlWeedBiologyEnvironmental science

Résumé

récupéré en direct d'OpenAlex

This article examines the changes in herbicide use in relation to canola production in Western Canada, comparing 1995 and 2006. The commercialization and widespread adoption of herbicide-resistant (HR) canola has changed weed management practices in Western Canada. Before the introduction of HR canola, weeds were controlled by herbicides and tillage as the leading herbicides at that time required tillage to allow for soil incorporation of the herbicide. Much of the tillage associated with HR canola production has been eliminated as 64% of producers are now using zero or minimum tillage as their preferred form of crop and soil management. Additionally, there have been significant changes regarding the use and application of herbicides for weed control in canola. This research shows that when comparing canola production in 1995 and 2006, the environmental impact of herbicides applied to canola decreased 53%, producer exposure to chemicals decreased 56%, and quantity of active ingredient applied decreased 1.3 million kg. The cumulative environmental impact was reduced almost 50% with the use of HR herbicides. If HR canola had not been developed and Canadian canola farmers continued to use previous production technologies, the amount of active ingredient applied to control weeds in 2007 would have been 60% above what was actually applied.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,240

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,004
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,195
Écart entre enseignants0,175 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations52
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWeed TechnologyMême sujetWeed Control and Herbicide ApplicationsTravaux en français237 207