Tillage and Controlled Drainage‐Subirrigated Management Effects on Soil Persistence of Atrazine, Metolachlor, and Metribuzin in Corn
Notice bibliographique
Résumé
Abstract The occurrence of herbicides in surface waters necessitates the development of management practices to reduce herbicide loss through tile drainage and surface runoff. Four tillage‐intercrop systems: moldboard plow (MB), moldboard plow with rye grass ( Lolium multiflorum Lam.) intercrop (MB+IC), soil saver (SS), and soil saver with rye grass intercrop (SS+IC), and two water table management treatments: controlled drainage‐subirrigation (CDS) and no control drainage (D) were investigated for their effect on herbicide persistence. Atrazine [2‐chloro‐4‐ethylamino‐6‐isopropylamino‐ s ‐triazine] (1.1 kg ha −1 ), metribuzin [4‐amino‐6‐(1,1‐dimethylethyl)‐3‐(methylthio)‐1,2,4‐triazin‐5( 4H )‐one] (0.5 kg ha −1 ), and metolachlor [2‐chloro‐ N ‐(2‐ethyl‐6‐methylphenyl)‐ N ‐(2‐methoxy‐1‐methylethyl) acetamide] (1.68 kg ha −1 ) were strip applied in a corn ( Zea mays L.) management system to reduce herbicide inputs 50%. Tillage‐intercrop system had little consistent effect on soil residues of the herbicides at 0‐ to 10‐cm depth. Control drainage‐subirrigation decreased haif‐life of atrazine and metolachlor in one of two years. Half‐life for atrazine ranged from 34 to 56 d, metribuzin 24 to 35 d, and metolachlor 40 to 79 d, with longer half‐life in dry years. Des‐ethyl atrazine [2‐chloro‐4‐amino‐6‐isopropylamino‐ s ‐triazine], the major metabolite of atrazine, persisted along with atrazine and metolachlor to the next planting season. Less than 10% of the original herbicide application was recovered the year following application. It was concluded that environmental factors such as rain affect herbicide residues more than cultural practices.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,002 | 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 ».