Evaluation of Harvest-Aid Herbicides as Desiccants in Lentil Production
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
Desiccants are currently used to improve lentil dry-down prior to harvest. Applying desiccants at growth stages prior to maturity may result in reduced crop yield and quality, and leave unacceptable herbicide residues in seeds. There is little information on whether various herbicides applied alone or as a tank-mix with glyphosate have an effect on glyphosate residues in harvested seed. Field trials were conducted at Saskatoon and Scott, Saskatchewan, Canada, from 2012 to 2014 to determine whether additional desiccants applied alone or tank mixed with glyphosate improve crop desiccation and reduce the potential for unacceptable glyphosate residue in seed. Glufosinate and diquat tank mixed with glyphosate were the most consistent desiccants, providing optimal crop dry-down and a general reduction in glyphosate seed residues without adverse effects on seed yield and weight. Saflufenacil provided good crop desiccation without yield loss, but failed to reduce glyphosate seed residues consistently. Pyraflufen-ethyl and flumioxazin applied alone or tank mixed with glyphosate were found to be inferior options for growers as they exhibited slow and incomplete crop desiccation, and did not decrease glyphosate seed residues. Based on results from this study, growers should apply glufosinate or diquat with preharvest glyphosate to maximize crop and weed desiccation, and minimize glyphosate seed residues.
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 | 0,001 | 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 | 0,000 | 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 découle