Potential Pollen and Seed Production from Early- and Late-Emerging Common Ragweed in Corn and Soybean
Notice bibliographique
Résumé
Despite the abundance of common ragweed in crops and the potency of ragweed pollen as an allergen, pollen production in agricultural fields has hardly been evaluated. Our goal was to evaluate pollen and seed production of early- (i.e., plants missed by weed control) and late- (i.e., after weed control) emerging common ragweed growing in corn and soybean. Allocation and gender distribution were also evaluated. The experiment included 2 yr (2008, 2009), three competition treatments, two seeding/emergence dates, three densities, and four replicates. Competition treatments (main plots) included no crop or weeds (bare), corn, or soybean. Crops were glyphosate resistant. Subplots were seeded with common ragweed before or after glyphosate application at densities of 1 (4 m −2 ), 3 (12 m −2 ), or 6 (24 m −2 ) plants per plot. Ragweed plants were harvested in mid-October and measured (aboveground biomass, length of all male inflorescences, stem diameter, and seed production). Based on our estimates, mean (backtransformed from ln[ x + 1]) pollen production values were: 6.25 (bare), 0.74 (corn), and 1.13 (soybean) × 10 8 pollen grains per ragweed. Biomass and diameter were good predictors of ragweed male and female fitness. Plant height was not correlated with maleness. In crops, ragweed gender distribution was shifted toward maleness. Estimations indicate early-emerging (June 18 to 23) ragweed produced three times more pollen than late (July 7 to 11) plants.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,000 | 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 ».