A Growing Degree Day Model to Schedule Trinexapac‐ethyl Applications on <i>Agrostis stolonifera</i> Golf Putting Greens
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Trinexapac‐ethyl (TE) is a widely used growth regulator in the turfgrass industry. Poor summer efficacy has been related to more rapid metabolism in the plant. The purpose of this study was to determine if a growing degree day (GDD) model could be used to identify the optimum TE reapplication interval for putting greens. This objective was accomplished through model development and validation. Model development was conducted on a creeping bentgrass ( Agrostis stolonifera L.) golf putting green in Madison, WI, during 2008. The treatments consisted of five TE reapplication intervals (100, 200, 400, 800 GDD, and 4 wk) and a control. Growing degree days were calculated in degrees C with a base temperature of 0°C. Trinexapac‐ethyl was applied at the rate of 0.05 kg a.i. ha −1 . Clippings were collected daily. The 100‐ and 200‐GDD reapplication intervals provided consistent 20 and 12% yield suppression, respectively. Other reapplication intervals had alternating periods of yield reduction followed by yield enhancement. Model validation occurred on a different creeping bentgrass green in 2009 and 2010. The experiment was a 3 × 2 factorial CRD with three TE rates (0.00, 0.05, and 0.10 kg a.i. ha −1 ) and two reapplication frequencies (200 GDD and 4 wk). The 200‐GDD interval consistently suppressed clipping yield. Application rate had no effect on the duration of suppression. Reapplying TE every 200 GDD provides more consistent growth regulation than a calendar‐based application schedule.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
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 découle