MétaCan
Menu
Retour à la cohorte
Enregistrement W2148637264 · doi:10.1614/wt-d-13-00023.1

Control of Glyphosate-Resistant Horseweed (<i>Conyza canadensis</i>) with Dicamba Applied Preplant and Postemergence in Dicamba-Resistant Soybean

2013· article· en· W2148637264 sur OpenAlexaffabout
Holly P. Byker, Nader Soltani, Darren E. Robinson, François J. Tardif, Mark B. Lawton, Peter H. Sikkema

Notice bibliographique

RevueWeed Technology · 2013
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueWeed Control and Herbicide Applications
Établissements canadiensMonsanto (Canada)University of Guelph
Organismes subventionnairesnon disponible
Mots-clésDicambaGlyphosateAgronomyWeed controlBiologyHerbicide resistanceWeedGlufosinate

Résumé

récupéré en direct d'OpenAlex

Herbicide-resistant crops, such as glyphosate-resistant (GR) soybean, allow for broad-spectrum, flexible weed control with minimal crop injury; however, the development of GR weeds, such as horseweed, has forced reliance on alternative herbicides for control of these weeds. While preplant (PP) herbicides provide excellent control of GR-horseweed, there are currently no POST herbicide control options within soybean. The objective of this study was to evaluate the efficacy of dicamba for the control of GR-horseweed when applied PP, POST, and sequentially in dicamba-resistant soybean. Dicamba applied PP at 600 g a.e. ha−1provided 90 to 100% control of GR-horseweed 8 wk after application (WAA) across three field trials conducted in Ontario in 2011 and 2012. Similarly, sequential applications provided 91 to 100% control. This technology provides a much-needed POST option of dicamba to be applied as a rescue treatment to control weed escapes caused by late emergence or poor initial control following a PP herbicide application.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,004
Tête enseignante GPT0,169
Écart entre enseignants0,165 · 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 source (Gemma direct ou Codex distillé), 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

Citations67
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueWeed TechnologyMême sujetWeed Control and Herbicide ApplicationsTravaux en français237 207