MétaCan
Menu
Retour à la cohorte
Enregistrement W2035705379 · doi:10.4236/ajps.2014.518285

Linuron Biologically Effective Dose for Glyphosate-Resistant Giant Ragweed (<i>Ambrosia trifida</i> L.) Control in Soybean (<i>Glycine max</i> L.)

2014· article· en· W2035705379 sur OpenAlexafffundabout
Kimberly D. Walsh, Nader Soltani, 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 subventionnairesGrain Farmers of Ontario
Mots-clésRagweedGlyphosateGlycineDry weightAnimal scienceBiologyAgronomyHorticultureBiochemistry

Résumé

récupéré en direct d'OpenAlex

Glyphosate-resistant (GR) giant ragweed (Ambrosia trifida L.) was first identified in Canada in 2008 and has since been found throughout southwestern Ontario. Six field trials were conducted over a two-year period (2012, 2013) on Ontario farms with GR giant ragweed to evaluate the efficacy of linuron applied pre-plant (PP) in soybean (Glycine max (L.) Merr.). The dose required for 50%, 80%, and 95% GR giant ragweed control was 1238, 2959, and 6018 g·ai·ha-1 four weeks after application (WAA), respectively. The linuron dose needed for 50%, 80%, and 95% reduction in density was 1554, 3181, and 5643 g·ai·ha-1 and 1204, 2496, and 4452 g·ai·ha-1 for dry weight, respectively. Application of 7874 g·ai·ha-1 linuron was needed to obtain soybean yields that were 90% of the weed-free control; approximately 3.5 times the maximum field recommended dose. To achieve 95% and 98% yields, greater than 8640 g·ai·ha-1 linuron was required. Application of linuron plus glyphosate PP in soybean will help to control GR giant ragweed as well as reduce GR selection pressure.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,013

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,023
Tête enseignante GPT0,251
Écart entre enseignants0,229 · 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'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

Citations1
Publié2014
Routes d'admission3
Résumé présentoui

Explorer davantage

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