MétaCan
Menu
Retour à la cohorte
Enregistrement W2028057618 · doi:10.1094/cm-2003-0317-01-mg

Use of Herbicide‐Tolerant Crops as a Component of an Integrated Weed Management Program

2003· article· en· W2028057618 sur OpenAlexaboutno aff
Stevan Z. Knežević, Kenneth G. Cassman

Notice bibliographique

RevueCrop Management · 2003
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueWeed Control and Herbicide Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWeed controlComponent (thermodynamics)AgronomyWeedHerbicide resistanceAgroforestryComputer scienceEnvironmental scienceBiology

Résumé

récupéré en direct d'OpenAlex

Integrated weed management (IWM) advocates the use of a combination of preventive, cultural, mechanical, and chemical tools to keep weed pressure below threshold levels that reduce yields and profits. Herbicide‐tolerant crops (HTCs) represent a relatively new weed control technology that can be used in an IWM program and have been readily adopted by farmers in the US and Canada. HTCs enhance weed control options and greatly expand market demand for certain herbicides. HTCs provide many benefits to the producers and to the companies that own the intellectual property rights to this technology. However, HTCs should be considered only as one component of an IWM approach that also utilizes other management tools to ensure the long‐term benefits of a profitable and environmentally sound weed management program. Widespread use and over‐reliance on HTCs without the benefit of an integrated weed management program can result in the development of herbicide‐tolerant weeds or a shift in weed populations dominated by species that are more tolerant of the herbicide in question. Therefore, our objective is to provide a brief overview of advantages and disadvantages regarding the use of HTCs in order to help those involved in weed management at the field level be aware of both benefits and risks associated with this technology.

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)0,000
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,028
Tête enseignante GPT0,248
Écart entre enseignants0,221 · 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

Citations27
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCrop ManagementMême sujetWeed Control and Herbicide ApplicationsTravaux en français237 207