MétaCan
Menu
Retour à la cohorte
Enregistrement W2620272149 · doi:10.1021/acssuschemeng.7b01224

Two Herbicides in a Single Compound: Double Salt Herbicidal Ionic Liquids Exemplified with Glyphosate, Dicamba, and MCPA

2017· article· en· W2620272149 sur OpenAlexafffund
Hemant Choudhary, Juliusz Pernak, Julia L. Shamshina, Michał Niemczak, Rafał Giszter, Łukasz Chrzanowski, T. Praczyk, Katarzyna Marcinkowska, O. Andreea Cojocaru, Robin D. Rogers

Notice bibliographique

RevueACS Sustainable Chemistry & Engineering · 2017
Typearticle
Langueen
DomaineChemical Engineering
ThématiqueIonic liquids properties and applications
Établissements canadiensMcGill University
Organismes subventionnairesCanada Excellence Research Chairs, Government of Canada
Mots-clésMCPAGlyphosateDicambaIonic liquidChemistryBioassayPhosphoniumBiodegradationSinapisSalt (chemistry)AmmoniumEnvironmental chemistryAgronomyWeed controlOrganic chemistryBrassicaBiology

Résumé

récupéré en direct d'OpenAlex

Herbicidal ionic liquids (HILs) have been demonstrated to have potential as highly effective herbicides that may also have different modes of action that their neutral precursors. Here, double salt herbicidal ionic liquids (DSHILs) containing at least two herbicidal anions selected from glyphosate, dicamba, or 4-chloro-2-methylphenoxyacetate (MCPA) paired with ammonium or phosphonium cations are reported along with their post-emergence herbicidal activity against several plant species, from both greenhouse and field study-based bioassays. The novel DSHILs were shown to integrate the advantages of two different herbicides into a single HIL, enhance herbicidal efficacy, and reduce the risk of weed resistance due to the various modes of action of the applied treatment. The formation of the DSHILs dramatically reduced melting points and modified the compound solubilities compared to the parent herbicides. Statistical analyses for the greenhouse efficacy tests demonstrated that DSHILs had significant positive differences against winter wheat ( Triticum aestivum L.) and white mustard ( Sinapis alba L.) as compared to commercial formulations. Biodegradability studies were also performed on selected DSHILs, and the compounds were found to be not readily biodegradable.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,011
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,010
Tête enseignante GPT0,225
Écart entre enseignants0,215 · 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 tête enseignante, pas un consensus.

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

Citations70
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Sustainable Chemistry & EngineeringMême sujetIonic liquids properties and applicationsTravaux en français237 207