Evaluation of Foliar Sprays to Reduce Crop Damage by Canada Geese
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
South Dakota Department of Game, Fish and Parks annually spends >$500,000 managing crop damage caused by grazing Canada geese (Branta canadensis). Foliar applications of a chemical feeding deterrent could provide an effective alternative to the methods currently being used to reduce damage. In 2011 and 2012, we evaluated Rejex-It Migrate Turfguard®, Bird Shield®, Avian Control®, and Avipel® as grazing deterrents. We used a ground sprayer to apply the treatments every 7 days to plots in soybean fields in Day County, South Dakota. We monitored activity in the plots using time-lapse photography. We began treating the plots after geese had begun using them (late June through mid- July). Damage was estimated after geese had abandoned the plots (August). The methyl anthranilate products (Rejex-It, Bird Shield, and Avian Control) were ineffective at reducing crop damage. Damage was 100% on all plots treated with these products. Use of plots significantly increased (P < 0.02) between the pretreatment and postreatment periods for Rejex-It (180 minutes/day and 313 minutes/day) and Bird Shield (200 minutes/day and 299 minutes/day); whereas, use was similar (P = 0.99) between plots treated with Avian Control (111 minutes/day) and reference plots (104 minutes/day). Less time was spent on plots treated with the anthraquinone-based product, Avipel (44 minutes/day) than on reference plots (132 minutes/day; P < 0.01). Additionally, soybean damage was less on Avipel-treated plots than on reference plots (P < 0.01). We recommend more research on Avipel to assess rates and timing of application to make this product efficacious and economical in the field.
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 | 0,000 | 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