Validation of a Management Program Based on A Weed Cover Threshold Model: Effects on Herbicide Use and Weed Populations
Notice bibliographique
Résumé
Weed management decisions based on weed threshold models offer the opportunity to reduce herbicide use by allowing the possibility of forgoing treatment or lowering rates. Weed thresholds based on a relative leaf-cover model were tested during a 4-yr period at two locations. Two 1.62-ha fields, planted to conventional and glyphosate-resistant corn (2004, 2005, 2007) or soybean (2006), were divided in 900 m2sections. Herbicides were applied postemergence to each of these sections with either variable rates based on weed thresholds, or constant full rates. Variable herbicide rates included: no application, half rate, or full rate. Relative weed cover values of 0.2 and 0.4 (corn) or 0.1 and 0.3 (soybean) served as thresholds for incremental rates. Digital images were used to evaluate the relative weed cover. Weed density was assessed before and after herbicide application. Weed seed production was estimated for two species in 2004 and 2005. No difference in crop yield, relative weed cover, weed density, or weed seed production was observed between conventional and glyphosate-resistant cropping systems. During the first year, herbicide use reduction was obtained (−85.4%) with marginal crop yield loss (5 to 15%). In the subsequent 3 yr, preherbicide weed densities increased and concomitant increases in relative weed cover values did not allow more than a 10% overall reduction in herbicide use. This threshold model designed to maintain crop yields within a given year did not allow significant reduction in herbicide use during the following 3 yr. Residual weed populations most likely replenished the seed bank to levels that allowed weed densities to increase afterward. Increased weed density over time in plots treated with full rates of herbicide every year also indicated that a single postemergence herbicide treatment was not sufficient to contain weed populations at low levels every year in this corn–soybean rotation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».