Preplant followed by postemergence herbicide programs and biologically effective rate of metribuzin for control of glyphosate-resistant common ragweed (<i>Ambrosia artemisiifolia</i>) in soybean
Notice bibliographique
Résumé
With no new herbicides with a novel mode of action in the marketplace in corn–soybean cropping systems, control of glyphosate-resistant (GR) weeds requires the re-evaluation of existing herbicides. This necessitates a renewed focus on using herbicide tank-mixes and sequential herbicide programs while also striving to minimize the environmental impact of weed management. Preliminary research identified four preplant (PP) herbicides (2,4-D, saflufenacil/dimethenamid-P, linuron, and metribuzin) and one postemergence (POST) herbicide (fomesafen) that provided good but inconsistent control of GR common ragweed when applied alone in soybean. The objectives of this study were to determine the biologically effective rate of metribuzin and evaluate PP followed by POST herbicide programs for control of GR common ragweed in soybean. The aforementioned PP herbicides reduced GR common ragweed density and aboveground biomass by 82%–94% and 55%–89%, respectively. In contrast, a PP herbicide followed by fomesafen applied POST decreased common ragweed densities and aboveground biomass by 97%–99% and 93%–98%, respectively. Metribuzin applied at 824 and 1015 g a.i. ha−1 controlled GR common ragweed 90% at 4 and 8 wk after application, respectively. This study concludes that GR common ragweed can be controlled with a PP followed by POST herbicide program and metribuzin has potential for control of GR common ragweed in soybean.
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) | 0,000 | 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 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 ».