MétaCan
Menu
Retour à la cohorte
Enregistrement W2118180902 · doi:10.1614/wt-05-062

Glyphosate Can Reduce Glyphosate-resistant Canola Growth After Individual or Sequential Applications

2006· article· en· W2118180902 sur OpenAlexafffund
Brian S. Schilling, K. Neil Harker, J. R. King

Notice bibliographique

RevueWeed Technology · 2006
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueWeed Control and Herbicide Applications
Établissements canadiensAgriculture and Agri-Food CanadaUniversity of Alberta
Organismes subventionnairesAgriculture and Agri-Food CanadaUniversity of Alberta
Mots-clésCanolaGlyphosateShootAgronomyBiologyDry weightGreenhouseCropHorticulture

Résumé

récupéré en direct d'OpenAlex

Greenhouse experiments were conducted to determine whether multiple applications of glyphosate and time of glyphosate application with regard to the crop's growth stage had a significant effect on the growth and development of glyphosate-resistant canola. Glyphosate was applied as single applications at the two-, four-, or six-leaf stage of canola; as sequential double applications at the two- and four-, two- and six-, and four- and six-leaf stages of canola; and as a triple application at all three stages. Of the plant growth parameters measured, single applications of glyphosate resulted in significant reductions to stem weight and shoot weight compared with nontreated plants, and multiple applications of glyphosate caused significant reductions to leaf area, leaf weight, stem weight, and shoot weight. Single applications of glyphosate were less injurious to glyphosate-resistant canola compared with multiple applications, and canola growth parameter reductions were greatest after earlier glyphosate applications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,869
Score d'incertitude au seuil0,970

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,011
Tête enseignante GPT0,215
Écart entre enseignants0,204 · 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 tête enseignante, 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

Citations8
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWeed TechnologyMême sujetWeed Control and Herbicide ApplicationsTravaux en français237 207