MétaCan
Menu
Retour à la cohorte
Enregistrement W2148137815 · doi:10.1614/wt-03-140r

Snap Bean Tolerance to Herbicides in Ontario

2004· article· en· W2148137815 sur OpenAlexaffabout
Kristen E. McNaughton, Peter H. Sikkema, Darren E. Robinson

Notice bibliographique

RevueWeed Technology · 2004
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueWeed Control and Herbicide Applications
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésClomazoneMetolachlorSnapAgronomyYield (engineering)HorticultureCropWeed controlBiologyPesticidePhysicsAtrazine

Résumé

récupéré en direct d'OpenAlex

Snap bean was evaluated for sensitivity to a number of herbicides in field studies conducted during a 2-yr period in Exeter, ON. Preemergence (PRE) applications of metolachlor (1,600 and 3,200 g ai/ha), imazethapyr (75 and 150 g ai/ha), and clomazone plus metobromuron (840 + 1,000 g ai/ha and 1,680 + 2,000 g/ha) were evaluated for visual injury at 7, 14, and 28 d after emergence. Postemergence (POST) applications of imazamox plus fomesafen (25 + 200 g ai/ha and 50 + 400 g/ha), quizalofop-P (72 and 144 g ai/ha), and clethodim (90 and 180 g ai/ha) also were evaluated for visual injury 7, 14, and 28 d after treatment. Plant height and crop yield were assessed for all treatments. Visual injury, stunting, and yield loss were not observed in the metolachlor treatments. Imazethapyr (150 g/ha) caused stunting and reduced snap bean yield in both study years. Clomazone plus metobromuron (1,680 + 2,000 g/ha) injured and stunted snap bean in both years of the study and reduced yield in 2000. Imazamox plus fomesafen (50 + 400 g/ha) injured snap bean in both years but only reduced yield in 2000. Quizalofop-P injured snap bean but did not reduce plant height or yield. Clethodim did not injure, stunt, or reduce yield of snap bean. Metolachlor (PRE), imazamox plus fomesafen (POST), quizalofop-P (POST), and clethodim (POST) have excellent potential as weed management tools in snap bean in Ontario.

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 enseignants0,910
Score d'incertitude au seuil0,768

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 ouverte0,0000,000
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 GPT0,206
Écart entre enseignants0,194 · 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

Citations2
Publié2004
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWeed TechnologyMême sujetWeed Control and Herbicide ApplicationsTravaux en français237 207