MétaCan
Menu
Retour à la cohorte
Enregistrement W2167912880 · doi:10.7202/009835ar

Comparison of glyphosate formulations with and without sequential herbicides for no-till soybean in narrow rows

2005· article· en· W2167912880 sur OpenAlexaffvenue
J. A. Ivany

Notice bibliographique

RevuePhytoprotection · 2005
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueWeed Control and Herbicide Applications
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésMetribuzinGlyphosateAgronomyWeed controlYield (engineering)WeedCropMathematicsBiology

Résumé

récupéré en direct d'OpenAlex

Effective control of weeds during early stages of soybean ( Glycine max ) growth is critical to minimize crop yield reduction. Experiments were conducted to compare weed control and crop yield with two glyphosate formulations (trimethylsulfonium and isopropylamine salts) applied in the fall or spring, either alone or in combination with sequential pre-or postememergence herbicides in soybean cv. ‘Maple Glen’ no-till planted in narrow rows into grain stubble. In six experiments where glyphosate was applied (three in the fall and three in the spring), there was no difference in weed control or in soybean yield between the two glyphosate formulations. Crop yield was improved over glyphosate used alone by addition of metribuzin in all fall experiments and in two of three spring experiments and by addition of linuron in two of three experiments in both fall and spring. An herbicide that controlled annual broadleaf weeds was needed after fall-applied glyphosate in all experiments to achieve maximum soybean yield. Addition of an effective sequential herbicide after spring applied glyphosate improved yields but not to the same extent as noted with the fall applied glyphosate. A pre-emergence residual herbicide, such as metribuzin or linuron, that controls a broad spectrum of weeds is recommended after fall or spring applied glyphosate to maximize soybean yield.

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 enseignants0,839
Score d'incertitude au seuil0,756

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,030
Tête enseignante GPT0,283
Écart entre enseignants0,253 · 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

Citations4
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePhytoprotectionMême sujetWeed Control and Herbicide ApplicationsTravaux en français237 207