MétaCan
Menu
Retour à la cohorte
Enregistrement W2269184453 · doi:10.4236/ajps.2016.71007

Influence of Herbicide Carrier on the Tolerance of White Bean to Preplant Incorporated and Preemergence Herbicides

2016· article· en· W2269184453 sur OpenAlexafffundabout
Nader Soltani, Christy Shropshire, Peter H. Sikkema

Notice bibliographique

RevueAmerican Journal of Plant Sciences · 2016
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueWeed Control and Herbicide Applications
Établissements canadiensUniversity of Guelph
Organismes subventionnairesAgricultural Adaptation Council
Mots-clésPendimethalinShootAgronomyDry beanDry weightHerbicide resistanceWater contentBiologyHorticultureWeed controlCultivar

Résumé

récupéré en direct d'OpenAlex

Nine field trials (five with PPI and four with PRE herbicides) were conducted at Exeter and Ridgetown, Ontario during 2013 to 2015 to determine if the tolerance of white bean to preplant incorporated (PPI) and preemergence (PRE) herbicides is influenced by the herbicide carrier (water vs. UAN at 200 L•ha-1). There was no significant interaction between the carrier and herbicide for visible injury, plant stand, plant height, shoot dry weight, seed moisture content and yield. There was also no significant difference between the herbicide carriers for all parameters measured except for the shoot dry weight which was 6.5% greater when UAN was used as the carrier with PPI herbicides. Dimethenamid-p, pendimethalin, imazethapyr and halosulfuron applied PPI or PRE caused no visible injury except for imazethapyr PPI which caused 2% visible injury and dimethenamid-p PRE which caused 7% - 14% injury in white bean. There was no effect of the PPI and PRE herbicides evaluated on white bean stand, shoot dry weight, height, maturity and yield. Based on these results, using water or UAN could be used as the carrier for PPI and PRE herbicides in white bean.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,040

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,220
Écart entre enseignants0,204 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2016
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAmerican Journal of Plant SciencesMême sujetWeed Control and Herbicide ApplicationsTravaux en français237 207