Weed Control, Environmental Impact, and Net-Profit of Two-Pass Weed Management Strategies in Dicamba-Resistant Soybean (<i>Glycine max</i>) Using Conventional Tillage
Notice bibliographique
Résumé
Traditional two-pass weed management strategies need to be compared with new strategies in glyphosate/dicamba-resistant soybean. Weed control, soybean yield, partial profitability and environmental impact (EI) were evaluated in glyphosate/dicamba-resistant soybean using dicamba applied alone or in a tank-mix with dimethenamid-P applied preemergence (PRE). Trials were conducted at three locations during 2014 and 2015. Several PRE herbicides provided excellent control of broadleaf and grass weeds. Dicamba provided > 91% control of broadleaf weeds, and the addition of dimethenamid-P improved grass control. All weed species at the trial locations were controlled > 94% following a postemergence (POST) application of glyphosate. Weed interference reduced soybean seed yield 33% where no herbicide was applied. A single POST application of glyphosate had the lowest EI. Several treatments improved early-season weed control and reduced early-season weed density and biomass compared to glyphosate and had similar EI values. In this study, there was no benefit to yield or partial profit by including a PRE herbicide for weed management; however, the inclusion of multiple modes-of-action in a herbicide program may reduce the selection for herbicide-resistant weeds.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».