An integrated approach to control glyphosate‐resistant <i>Ambrosia trifida</i> with tillage and herbicides in glyphosate‐resistant maize
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
Summary Glyphosate‐resistant Ambrosia trifida is a competitive and difficult‐to‐control annual broad‐leaved weed in several agronomic crops in the Midwestern United States and Ontario, Canada. The objectives of this study were to compare treatments for control of glyphosate‐resistant A. trifida with tillage followed by pre‐emergence (PRE) and/or post‐emergence (POST) herbicides in glyphosate‐resistant maize and to determine the impact of A. trifida escapes on maize yield. Field experiments were conducted in 2013 and 2014 in grower fields infested with glyphosate‐resistant A. trifida . Tillage prior to maize sowing resulted in 80–85% control compared with no tillage. Tillage followed by PRE application of saflufenacil plus dimethenamid‐ P with or without atrazine resulted in 99% control compared with ≤86 and 96% control with PRE herbicides alone at 7 and 21 days after application respectively. Tillage or POST‐only herbicides resulted in 4–14 A. trifida plants m −2 , whereas a PRE and POST programme had <3 plants m −2 . Maize yield was greatest (13.1–14.2 tonnes ha −1 ) with tillage followed by PRE and POST herbicide programme. The relationship between maize yield and late‐season density of A. trifida escapes showed a 50% maize yield reduction irrespective of control measures when A. trifida density was 8.4 plants m −2 . It was concluded that the combination of tillage with PRE and/or POST herbicides reduced A. trifida density and biomass accumulation early in the season and provided an integrated approach for effective management.
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 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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