Effect of previous crop and herbicides on weed growth and wheat yield
Notice bibliographique
Résumé
Field experiments were established in 1998, 1999 and 2000 at the Lethbridge Research Centre to examine the effect of preceding annual crops and accompanying recommended herbicides on weed infestations in following winter and spring wheat (Triticum aestivum L.). Seven crops and fallow were established in year 1 with and without herbicides for weed control. In year 2, spring and winter wheat were grown without herbicides and with minimal fertilizer inputs to measure the effect of the previous crop and herbicides on weed and crop growth, available N and P, and available soil moisture. Lentil (Lens culinaris Medic) as a previous crop provided an environment that promoted wheat growth but not weed growth. In contrast, mustard (Brassica juncea L.) as a previous crop inhibited spring and winter wheat growth, but did not inhibit total weed biomass production in year 2. The beneficial effects of lentil and the detrimental effects of mustard were partially explained by available soil moisture and soil N for the second crop but additional factors, such as allelopathic chemicals or changes in soil biology, must be involved to cause the large differences in weed and wheat growth that were observed in year 2. The lack of herbicides with some crops led to dense weed populations in year 2. In addition, N, P, moisture utilization, and possible additional changes in soil biology or chemistry caused by uncontrolled weeds affected wheat yield after lentil and fallow. Key words: Available soil moisture, available soil nitrogen, crop rotation, lentil, mustard, weed density
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 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 | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».