MétaCan
Menu
Retour à la cohorte
Enregistrement W2012119088 · doi:10.4236/ajps.2014.59139

Tolerance of Winter Wheat (<i>Triticum aestivum</i> L.) and Under Seeded Red Clover (<i>Trifolium pretense</i> L.) to Fall Applied Post-Emergent Broadleaf Herbicides

2014· article· en· W2012119088 sur OpenAlexaffabout
Kristen E. McNaughton, Lynette R. Brown, Peter H. Sikkema

Notice bibliographique

RevueAmerican Journal of Plant Sciences · 2014
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueWeed Control and Herbicide Applications
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésMCPADicambaBromoxynilWinter wheatAgronomyClopyralidGlyphosateMecopropRed CloverBiologySowingPerennial plantAvenaWeed control

Résumé

récupéré en direct d'OpenAlex

The fall application of post-emergent (POST) herbicides on winter wheat provided effective control of emerged winter annual, biennial, and perennial broadleaf weeds. In recent years, wheat producers have seen a shift to these weeds, due in part, to the adoption of reduced-and no-tillage practices and the use of non-residual herbicides such as glyphosate in the preceding soybean and corn crops. The tolerance of winter wheat to ten herbicides, applied POST in the fall, was evaluated between 2008 and 2011 at Exeter and Ridgetown, Ontario. Winter wheat yield was not reduced by applications of MCPA ester, dicamba/ MCPA/ mecoprop, clopyralid, bromoxynil/ MCPA, thifensulfuron /tribenuron +MCPA ester, fluroxypyr +MCPA ester, and pyrasulfotole/ bromoxynil. In contrast, 2,4-D ester and dichlorprop/2,4-D, caused visible injury in June and July of the following year and consistently decreased winter wheat yield by at least 10%. Applications of 100 g a.i. ha-1 saflufenacil also decreased winter wheat yield in two of the four harvest years examined. None of the herbicide options examined were safe on red clover when it was under seeded the spring following winter wheat planting. All herbicides significantly decreased red clover dry biomass one month after wheat harvest.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,957
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0010,003
Études des sciences et des technologies0,0010,003
Communication savante0,0010,001
Science ouverte0,0030,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,025
Tête enseignante GPT0,244
Écart entre enseignants0,219 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeExpérimental (laboratoire)
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

Citations7
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Plant SciencesMême sujetWeed Control and Herbicide ApplicationsTravaux en français237 207