MétaCan
Menu
Retour à la cohorte
Enregistrement W2162539688 · doi:10.4236/as.2015.69097

Responses of Dry Bean to Biostimulants Added to Postemergence Herbicides

2015· article· en· W2162539688 sur OpenAlexaffabout
Nader Soltani, Christy Shropshire, Peter H. Sikkema

Notice bibliographique

RevueAgricultural Sciences · 2015
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant Growth Enhancement Techniques
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésBentazonDry beanShootCropDry weightAgronomyHorticultureCrop yieldChemistryBiologyWeed controlCultivar

Résumé

récupéré en direct d'OpenAlex

The effect of biostimulants such as Crop Booster and RR SoyBooster on dry bean under Ontario environmental conditions is not known. A total of 12 field experiments (6 in cranberry bean “Etna” and 6 in white bean “OAC REX”) were conducted at two locations (Ridgetown and Exeter, Ontario, Canada) to evaluate the effect of Crop Booster and RR SoyBooster on visible injury, shoot dry weight, height and yield of cranberry and white bean. Visible injury ranged from 0% to 7.3% in white bean and 0% to 9.4% in cranberry bean with quizalofop-p-ethyl, bentazon, fomesafen, bentazon plus fomesafen, imazethapyr and imazethapyr plus bentazon alone or in combination with Crop Booster and RR SoyBooster. The addition of Crop Booster or RR SoyBooster to herbicides evaluated had no significant effect on shoot dry weight, height, seed moisture content and yield of white or cranberry bean except with the addition of RR SoyBooster to quizalofop-p-ethyl which increased height 3.7% and the addition of the Crop Booster to bentazon which decreased shoot dry weight 12% and the addition of Crop Booster to bentazon plus fomesafen which increased shoot dry weight 17% in white bean. Based on these results, there were minimal effects from the addition of Crop Booster or RR SoyBooster to commonly used herbicides in white and cranberry bean.

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 enseignants0,040
Score d'incertitude au seuil0,079

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
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)0,0020,000

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 Opus0,068
Tête enseignante GPT0,289
Écart entre enseignants0,222 · 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

Citations5
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAgricultural SciencesMême sujetPlant Growth Enhancement TechniquesTravaux en français237 207