An Integrated Weed Management Strategy for Glufosinate-Resistant Corn (Zea mays)<sup>1</sup>
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Early canopy closure and manipulation of crop row spacing or density can reduce the amount and frequency of herbicide use in corn. Field studies were conducted at Woodstock, ON from 1996 to 1999 to evaluate the effect of corn row spacing, plant density, and frequency of glufosinate application on weed biomass and corn yield in glufosinate-resistant corn. Treatments included row width, corn density, and herbicide. The effect of row width and corn density on weed biomass was variable among years. In a wet year (1996), narrow (38 cm) rows provided greater weed suppression than wide (76 cm) rows regardless of crop density. In a dry year (1998), narrow-row high-density (100,000 plants/ha) corn had the lowest weed biomass. In other years, either narrow row or high density was equally successful in suppressing weeds. Effectiveness of herbicides in reducing weed biomass was not influenced by row width or corn density. Corn yield was influenced by row width or corn density. Although weed biomass was lowered by two applications of glufosinate in comparison with a single application, corn grain yields were similar between the two treatments. Planting corn at higher densities may help in reducing early-season weed competition, whereas narrow rows may help in controlling later-emerging species.Nomenclature: Glufosinate; glyphosate; metolachlor; dicamba; corn, Zea mays L. Pride X2650LL.Additional index words: Corn row spacing, corn density.Abbreviations: EPOST, early postemergence; IWM, integrated weed management; LPOST, late postemergence; POST, postemergence.
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.
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 | 0,000 | 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 découle