Composition of floating weed seeds in lowland rice fields in China and the effects of irrigation frequency and previous crops
Notice bibliographique
Résumé
Summary The diversity and composition of floating weed seed communities were surveyed in 27 sites across the main rice‐growing regions in China with the aim of better understanding weed seed dispersal via irrigation water. Seed of 74 species, belonging to 20 families, were identified from floating matter on the water surface in lowland rice fields. Thirty‐five species from three families: Poaceae (15), Asteraceae (11), and Polygonaceae (9), accounted for 47% of all species identified. Species with seed maturing in the summer accounted for 64% of the weed seed and their mean relative abundance was 0.74. Species richness, Shannon–Wiener index and Pielou evenness index were significantly different among the floating weed seed communities. The diversity of weed seed communities in the Yangtze river valley was higher than that in other sites, and some sites were dominated by only a few weed species, such as Beckmannia syzigachne, Alopecurus aequalis, A. japonicus, and Polypogon fugax. At all sites, the dominant weed seeds reflected the dominant weed species in the previous crop. The 27 sample sites of weed seed communities can be clustered into two groups on the basis of previous crop, either lowland rice or sites with previous crops of winter fallow, winter wheat or oilseed rape. Canonical correspondence analysis (CCA) revealed that irrigation frequency, previous crop, and latitude, but not soil type or longitude, significantly affected species composition. The numbers of floating weed seed species were high in lowland rice fields; composition was affected by previous crops and irrigation frequency. Filtering irrigation water and collecting and removing floating weed seeds from the water surface could be integrated into weed management practices to control weeds in lowland rice fields.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».