MétaCan
Menu
Retour à la cohorte
Enregistrement W2750147639 · doi:10.1017/wet.2017.38

Influence of Tillage on Common Ragweed (<i>Ambrosia artemisiifolia</i>) Emergence Pattern in Nebraska

2017· article· en· W2750147639 sur OpenAlexaff
Ethann R. Barnes, Rodrigo Werle, Lowell D. Sandell, John L. Lindquist, Stevan Z. Knežević, Peter H. Sikkema, Amit J. Jhala

Notice bibliographique

RevueWeed Technology · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueWeed Control and Herbicide Applications
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésRagweedAmbrosia artemisiifoliaTillageAgronomyWeed controlWeedBiologyEnvironmental science

Résumé

récupéré en direct d'OpenAlex

Spring tillage is a component of an integrated weed management strategy for control of early emerging glyphosate-resistant weeds such as common ragweed; however, the effect of tillage on common ragweed emergence pattern is unknown. The objectives of this study were to evaluate whether spring tillage during emergence would influence the emergence pattern or stimulate additional emergence of common ragweed and to characterize common ragweed emergence in southeast Nebraska. A field experiment was conducted for three years (2014 to 2016) in Gage County, Nebraska in a field naturally infested with glyphosate-resistant common ragweed. Treatments consisted of a no-tillage control and three spring tillage timings. The Soil Temperature and Moisture Model (STM2) software was used to estimate soil temperature and moisture at a 2-cm depth. The Weibull function was fit to total common ragweed emergence (%) with day of year (DOY), thermal time, and hydrothermal time as independent variables. Tillage treatments and year had no effect on total common ragweed emergence (P=0.88 and 0.35, respectively) and time to 10, 25, 50, 75, and 90% emergence (P=0.31). However, emergence pattern was affected by year (P=<0.001) with 50% total emergence reached on May 5 in 2014, April 20 in 2015, and April 2 in 2016 and 90% total emergence reached on May 12, 2014, May 8, 2015, and April 30, 2016. According to the corrected information-theoretic model comparison criterion (AICc), the Weibull function with thermal time and base temperature of 3 C best explained the emergence pattern over three years. This study concludes that spring tillage does not stimulate additional emergence; therefore, after the majority of the common ragweed has emerged and before the crop has been planted, tillage could be used as an effective component of an integrated glyphosate-resistant common ragweed management program in Nebraska.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,043
Score d'incertitude au seuil0,086

Scores du classifieur distillé par catégorie (deux têtes)

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 ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,011
Tête enseignante GPT0,238
Écart entre enseignants0,227 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations16
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWeed TechnologyMême sujetWeed Control and Herbicide ApplicationsTravaux en français237 207