Tillage index predicts weed seedling recruitment depth
Notice bibliographique
Résumé
The influence of tillage on the depth of weed seedling recruitment has implications for species competitive ability, weed management strategy development, and the modeling of weed emergence; characterization of this relationship could aid in the creation of field-specific models of weed seedling recruitment. A tillage index based on the percentage of residue cover remaining on the soil surface after tillage events was assessed for 44 zero-tillage and 44 conventional-tillage fields across Manitoba, Canada. This index was related to in situ measurements of seedling recruitment depth from the same fields for five annual weed species. The modeled relationship was linear and unique for each species (R 2 values ranged from 0.38 to 0.71). The relationship did not differ between pre- and post-seeding measurements, or between years, except for green foxtail. Slopes of the regression lines were greater for species such as volunteer wheat, which can recruit from a great range of depths. The results of this study show that recent tillage strongly influences mean weed seedling recruitment depth, and that the recruitment depth of summer annual weed seedlings is related in a continuous and reliable manner to a simple estimation of the relative level of tillage (including seeding) applied in one season. Key words: Recruitment depth, tillage index, weed emergence, weed seedlings
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 | 0,000 |
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 ».