Benefits and Risks of Economic vs. Efficacious Approaches to Weed Management in Corn and Soybean
Notice bibliographique
Résumé
A 3-yr study was conducted on nine farms across southern Ontario to evaluate the risks and benefits of different approaches to weed management in corn and soybean. Weed control decisions were based on field scouting and recommendations from the Ontario version of HADSS™, the herbicide application decision support system. Treatments were selected to maximize profit (economic threshold approach) or to maximize yield (highest treatment efficacy). Reduced rates of the high efficacy treatment for each field also were included. Weed density before and after treatment, crop yields, weed seed return, and the effect of weed control decisions on weed density 1 yr after treatment were assessed. Crop yield varied among years and farms but was not affected by weed control treatment. Weed control at 28 d after treatment (DAT) was often lower and weed density, biomass, and seed production 70 DAT were often higher with the profit maximization approach compared with the yield maximization approach. However, weed density 1 yr later, after each cooperator had applied a general weed control program, did not vary significantly among the previous year's weed control treatments. Reduced rates of the high efficacy treatments did not lead to increased weed problems the next year, despite lower weed control and increased weed seed production in some years. During the 3 yr of the study, weed control costs with the profit maximization approach were approximately Can$45/ha less than with the yield maximization approach.
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 | 0,000 | 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 | 0,000 |
| 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 ».