MétaCan
Menu
Retour à la cohorte
Enregistrement W2057782308 · doi:10.4141/p06-016

Control of herbicide-resistant common waterhemp (<i>Amaranthus tuberculatus</i> var. <i>rudis</i>) with pre- and post-emergence herbicides in soybean

2007· article· en· W2057782308 sur OpenAlexaffvenueabout
J. D. Vyn, Clarence J. Swanton, Susan E. Weaver, Peter H. Sikkema

Notice bibliographique

RevueCanadian Journal of Plant Science · 2007
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueWeed Control and Herbicide Applications
Établissements canadiensAgriculture and Agri-Food CanadaUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésBiologyGlyphosateMetribuzinWeed controlMetolachlorAgronomyGlufosinatePesticide resistanceWeedPesticideAtrazine

Résumé

récupéré en direct d'OpenAlex

Common waterhemp was first identified in Ontario in 2002. Eight trials were conducted ove r a 3-yr period (2003-2005) at Cottam and Petrolia, Ontario to determine the efficacy of various preemergence and postemergence herbicides for the control of herbicideresistant waterhemp in soybean [ Glycine max (L.) Merr.]. Waterhemp was resistant to the a cetolactate synthase-inhibiting herbicides at both locations and to the photosystem II-inhibiting herbicides at Petrolia; therefore, results varied by location. Results at Petrolia also varied across years. Waterhemp interference resulted in soybean yield losses of up to 73% in weedy versus weed-free checks. Preemergence-applied metolachlor, dimethenamid, and linuron provided greater than 80% control and metolachlor plus metribuzin 94% or greater control of waterhemp 70 d after emergence at both locations. Acifluorfen, fomesafen, imazamox plus fomesafen, and glyphosate applied postemergence resulted in 87% or greater waterhemp control 70 d after application at Cottam in 2003 and 2004 and at Petrolia in 2004; however, waterhemp control with these herbicides was only 60 to 66% at Petrolia in 2005 due to prolonged weed emergence. Multiple herbicide applications per season may be required for effective waterhemp control in soybean. Key words:

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 enseignants0,196
Score d'incertitude au seuil0,389

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 recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,006
Tête enseignante GPT0,197
Écart entre enseignants0,191 · 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

Citations30
Publié2007
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Plant ScienceMême sujetWeed Control and Herbicide ApplicationsTravaux en français237 207