Field and Greenhouse Bioassays to Determine Mesotrione Residues in Soil
Notice bibliographique
Résumé
Whole-plant bioassays using sugar beet, lettuce, cucumber, green bean, pea, and soybean as test crops were used to detect mesotrione residues in the soil. The test crops were planted in soil treated with mesotrione in the field the previous year at rates of 0 to 560 g ai ha−1and in nontreated soil from the same field, with mesotrione added at concentrations of 0 to 320 μg kg−1. Experiments were conducted in the greenhouse for a 21-d period. Values for the dose giving a 50% response (I50) were predicted using a log-logistic nonlinear regression model. I50values (mean ± SE) of 8.6 ± 1.8, 14.9 ± 2.0, 29.8 ± 11.0, 41.6 ± 7.3, 52.9 ± 6.4, and 67.9 ± 30.3 g ai ha−1for sugar beet, lettuce, green bean, cucumber, pea, and soybean, respectively, indicate that these crops were effective bioassay test species for quantifying mesotrione residues. A greenhouse bioassay was a simple and sensitive tool to detect mesotrione at concentrations of less than 1.0 μg kg−1with sugar beet and lettuce being the most sensitive test species. The I50values for soil treated with known concentrations of mesotrione were lower than for field soil treated with mesotrione the previous year. Knowing the level of mesotrione residues in the soil, growers have flexibility in crop rotations following mesotrione use on corn. Growers can use this information to minimize risk of crop injury by choosing appropriate rotation crops that suffer little or no yield reduction.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».