Glyphosate-Resistant Horseweed (<i>Conyza canadensis</i>) Dose Response to Saflufenacil, Saflufenacil plus Glyphosate, and Metribuzin plus Saflufenacil plus Glyphosate in Soybean
Notice bibliographique
Résumé
The control of glyphosate-resistant (GR) horseweed ( Conyza canadensis ) in soybean has been variable with glyphosate plus saflufenacil. The objective of this research was to determine the biologically effective rate (BER) of saflufenacil, saflufenacil mixed with glyphosate, and metribuzin mixed with saflufenacil and glyphosate applied preplant (PP) for the control of GR horseweed in no-till soybean; a study was conducted to determine each of the three treatments. For each study, seven field sites infested with GR horseweed were used over a 2-yr period (2014, 2015). Saflufenacil alone at 25 and 36 g ai ha –1 provided 90 and 95% control of GR Horseweed 8 wk after application, while the BER to achieve 98% control was outside of the treatment range tested. The saflufenacil plus glyphosate (900 g ai ha –1 ) BER experiment found less saflufenacil was required as 25, 34, and 47 g ha –1 provided 90, 95, and 98% control of GR horseweed respectively. The metribuzin BER experiment found 61, 261, and 572 g ha –1 was required to provide 90, 95 and 98% control of GR horseweed, respectively, mixed with saflufenacil (25 g ha –1 ) and glyphosate (900 g ha –1 ). The addition of metribuzin with the recommended rate of saflufenacil (25 g ha –1 ) plus glyphosate improved control and a second effective herbicide mode of action for the control of GR horseweed. The use of a threeway herbicide mixture can be an effective weed management strategy to control GR horseweed in soybean.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,005 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| 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 ».