Short Communication: Influence of manganese on efficacy of glyphosate in glyphosate-resistant soybean
Notice bibliographique
Résumé
Soltani, N., Shropshire, C. and Sikkema, P. H. 2011. Short Communication: Influence of manganese on efficacy of glyphosate in glyphosate-resistant soybean. Can. J. Plant Sci. 91: 1061–1064. Four field trials were conducted from 2007 to 2010 in Ontario to evaluate the effect of various manganese (Mn) formulations (Mn1, Ecoman 5% Mn; Mn2, MangaMax 5.5% Mn; Mn3, ManMax 5.5% Mn; Mn4, Superman 5% Mn; Mn5, Stoller This 5% Mn; Mn6, Nortrace 6% Mn-EDTA (ethylenediaminetetraacetate); Mn7, Nortrace 22% Mn and Mn8, WolfTrax 33% Mn) applied at 2.0 kg actual Mn ha −1 on glyphosate efficacy at 900 g a.e. ha −1 in glyphosate-resistant soybean. The tank mix of glyphosate plus Mn4, Mn6 or Mn8 caused as much as 6, 17 and 4% injury in soybean, respectively. There was minimal crop injury (0–1.4%) with other Mn tank mixes. The addition of Mn4 or Mn6 to glyphosate did not antagonize glyphosate efficacy on the weeds evaluated (AMARE, AMBEL, CHEAL and SETVI). The other Mn formulations antagonized glyphosate efficacy for the control of AMARE, AMBEL, CHEAL or SETVI under some environments. The addition of Mn3 or Mn6 to glyphosate reduced soybean yield as much as 15 and 10% compared with glyphosate alone, respectively. Based on these results, it is recommended that glyphosate and manganese applications be applied sequentially to avoid weed control antagonism and 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 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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».