Sensitivity of Leguminous Crops to Saflufenacil
Notice bibliographique
Résumé
There is little information on the tolerance of leguminous crops to saflufenacil. A field study was conducted three times over a 2-yr period (2006, 2007) in Ontario, Canada, to determine the tolerance of adzuki bean, cranberry bean, lima bean, processing pea, snap bean, soybean, and white (navy) bean to saflufenacil applied PRE at 100 and 200 g ai/ha. Saflufenacil caused 51 to 99% injury, reduced height 25 to 93%, reduced shoot dry weight 92 to 99%, and reduced seed yield 56 to 99% in adzuki bean, cranberry bean, lima bean, snap bean, and white bean. Injury was lower in soybean and processing pea. Saflufenacil caused 1 to 25% injury, reduced height 3 to 13%, reduced shoot dry weight 5 to 30%, and reduced seed yield 0 to 4% in soybean and processing pea. Cranberry bean, snap bean, white bean, and lima bean were the most sensitive crops to saflufenacil followed by adzuki bean. Soybean and processing pea were the most tolerant to saflufenacil. Based on these results, saflufenacil applied PRE can be safely used in specific cultivars of pea and soybean at the proposed rate of 100 g/ha. However, there is not an acceptable margin of crop safety for saflufenacil PRE at 100 or 200 g/ha in adzuki, cranberry, lima, snap, and white bean.
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 | 0,000 | 0,000 |
| 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 ».