Weed management in white beans with postemergence herbicide tankmixes
Notice bibliographique
Résumé
Soltani, N., Nurse, R. E. and Sikkema, P. H. 2013. Weed management in white beans with postemergence herbicide tankmixes. Can. J. Plant Sci. 93: 669–674. Weed control efficacy of cloransulam-methyl, halosulfuron, bentazon, fomesafen and their tankmixes applied post-emergence (POST) for weed management in white bean was evaluated in field studies conducted in four Ontario locations during 2008–2011. Cloransulam-methyl, halosulfuron, bentazon, fomesafen, bentazon plus fomesafen, cloransulam-methyl plus bentazon, cloransulam-methyl plus fomesafen, cloransulam-methyl plus bentazon plus fomesafen, halosulfuron plus bentazon, halosulfuron plus fomesafen, and halosulfuron plus bentazon plus fomesafen caused white bean injury ranging from 1 to 18%. Control for AMARE, AMBEL and CHEAL ranged from 47 to 92%, 66 to 98% and 36 to 91%, respectively, among herbicide treatments. Similar results were observed for weed density and biomass of AMARE, AMBEL, and CHEAL. Cloransulam-methyl, halosulfuron, and cloransulam-methyl plus fomesafen reduced the yield of white bean by 34, 21, and 17%, respectively, compared with the weed-free control. However, bentazon, fomesafen, bentazon plus fomesafen, cloransulam-methyl plus bentazon, cloransulam-methyl plus bentazon plus fomesafen, halosulfuron plus bentazon, halosulfuron plus fomesafen, and halosulfuron plus bentazon plus fomesafen had no adverse effect on yield of white bean. Based on these results, tankmixes of cloransulam-methyl and halosulfuron with bentazon and fomesafen can reduce crop injury and provide control of broadleaf weeds in 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 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 ».