Weed Control by Herbicides and Fertilizers Applied Separately or Combined on Kentucky Bluegrass Lawn
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
Incorporating herbicides application into fertilization has several benefits including saving time and reducing traffics on the lawn. Premixed products of fertilizers and herbicides are commonly known as Weed & Feed in the lawn-care industry. To compare Weed & Feed with separate applications of fertilizers and herbicides on a Kentucky bluegrass (Poa pratensis L.) lawn, a Weed & Feed 28-3-3, containing 0.64% 2,4-D, 0.31% MCPP, and 0.03% dicamba of active ingredients, was used in this study. The first application was in May, with the second in June or Sept. Herbicides in forms of 2,4-D (LV-4, 4EC), MCPP (4EC), and dicamba (Clarity, 4EC) were applied at rates equal to the amounts in Weed & Feed or at half of the rates. The dominant weed in both locations was common dandelion (Taraxacum officinale Weber.) in 2005 and 2004. A secondary weed was Canada thistle (Cirsium arvense (L.) Scop.) in 2004 and broadleaf plantain (Plantago major L.) in 2005. When applied in May and June, fertilizer plus full rate of herbicides treatment achieved 112.3 and 83.7 days of acceptable turf quality in 2004 and 2005, respectively. During the same period, Weed & Feed resulted in 58.7 and 24.3 days of acceptable turf quality, respectively. Our study showed that Weed & Feed was generally as effective in weed control as the same amount of fertilizer plus half rates of herbicides sprayed although results may vary due to the timing of application. Fertilizer plus full rates of herbicides provided the same or better results of weed control than Weed & Feed.
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 | 0,002 | 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 | 0,001 | 0,001 |
| 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) | 0,001 | 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