Control of Glyphosate-Resistant Common Ragweed (Ambrosia artemisiifolia L.) in Glufosinate-Resistant Soybean [Glycine max (L.) Merr]
Notice bibliographique
Résumé
Common ragweed emerges early in the season in Nebraska, USA and is competitive with soybean; therefore, preplant herbicides are important for effective control. Glyphosate has been used as a preplant control option; however, confirmation of glyphosate-resistant (GR) common ragweed in Nebraska necessitates evaluating other herbicide options. The objectives of this study were to (1) evaluate the efficacy of preplant (PP) herbicides followed by (fb) glufosinate alone or in tank-mixture with imazethapyr, acetochlor, or S-metolachlor applied post-emergence (POST) for control of GR common ragweed in glufosinate-resistant soybean; (2) their effect on common ragweed density, biomass, and soybean yield; and (3) the partial economics of herbicide programs. A field experiment was conducted in a grower’s field infested with GR common ragweed in Gage County, Nebraska, USA in 2015 and 2016. Preplant herbicide programs containing glufosinate, paraquat, 2,4-D, dimethenamid-P, cloransulam-methyl, or high rates of flumioxazin plus chlorimuron-ethyl provided 90 to 99% control of common ragweed at 21 d after treatment (DAT). The aforementioned PP herbicides fb a POST application of glufosinate alone or in tank-mixture with imazethapyr, acetochlor, or S-metolachlor controlled GR common ragweed 84 to 98% at soybean harvest, reduced common ragweed density (≤ 20 plants m─2) and biomass by ≥ 93%, and secured soybean yield 1,819 to 2,158 kg ha─1. The PP fb POST herbicide programs resulted in the highest gross profit margins (US$373 to US$506) compared to PP alone (US$91) or PRE fb POST programs (US$158). The results of this study conclude that effective and economical control of GR common ragweed in glufosinate-resistant soybean is achievable with PP fb POST herbicide programs.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 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 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 ».