Weed control, environmental impact and profitability with glyphosate tank mixes in glyphosate-tolerant corn
Notice bibliographique
Résumé
Eight field trials were conducted over a 3-yr period at Exeter (one site in 2005 and 2006) and Ridgetown (three sites in 2005, two sites in 2006 and one site in 2007), Ontario, to evaluate different postemergence glyphosate tank mixes for weed management in glyphosate-tolerant corn. Treatments included a weedy check, a single application of glyphosate, a sequential application of glyphosate and tank mixes of glyphosate plus either atrazine, dicamba/atrazine, mesotrione, s-metolachlor plus atrazine, s-metolachlor/atrazine, dicamba/diflufenzopyr, and dimethenamid plus atrazine. A single application of glyphosate, the sequential application of glyphosate and tank mixes of glyphosate plus either atrazine, dicamba/atrazine, mesotrione, s-metolachlor plus atrazine, s-metolachlor/atrazine, dicamba/diflufenzopyr, and dimethenamid plus atrazine provided 92-100% control of redroot pigweed, 87-100% control of common ragweed, 74-100% control of common lambsquarters, and 43-100% control of green foxtail. All herbicide treatments had a higher yield than the weedy check. There were no differences in corn yield among the herbicide treatments evaluated. The glyphosate alone or in tank mix combination with mesotrione or dicamba/diflufenzopyr programs had the lowest environmental impact. Glyphosate plus atrazine and dicamba/diflufenzopyr were the most profitable weed management programs in glyphosate-tolerant corn.Key words: Atrazine, dicamba, diflufenzopyr, dimethenamid, glyphosate, mesotrione, pendimethalin, rimsulfuron, s-metolachlor, Zea mays L.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».