Weed Management in 2050: Perspectives on the Future of Weed Science
Notice bibliographique
Résumé
Abstract The discipline of weed science is at a critical juncture. Decades of efficient chemical weed control have led to a rise in the number of herbicide-resistant weed populations, with few new herbicides with unique modes of action to counter this trend and often no economical alternatives to herbicides in large-acreage crops. At the same time, the world population is swelling, necessitating increased food production to feed an anticipated 9 billion people by the year 2050. Here, we consider these challenges along with emerging trends in technology and innovation that offer hope of providing sustainable weed management into the future. The emergence of natural product leads in discovery of new herbicides and biopesticides suggests that new modes of action can be discovered, while genetic engineering provides additional options for manipulating herbicide selectivity and creating entirely novel approaches to weed management. Advances in understanding plant pathogen interactions will contribute to developing new biological control agents, and insights into plant–plant interactions suggest that crops can be improved by manipulating their response to competition. Revolutions in computing power and automation have led to a nascent industry built on using machine vision and global positioning system information to distinguish weeds from crops and deliver precision weed control. These technologies open multiple possibilities for efficient weed management, whether through chemical or mechanical mechanisms. Information is also needed by growers to make good decisions, and will be delivered with unprecedented efficiency and specificity, potentially revolutionizing aspects of extension work. We consider that meeting the weed management needs of agriculture by 2050 and beyond is a challenge that requires commitment by funding agencies, researchers, and students to translate new technologies into durable weed management solutions. Integrating old and new weed management technologies into more diverse weed management systems based on a better understanding of weed biology and ecology can provide integrated weed management and resistance management strategies that will be more sustainable than the technologies that are now failing.
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 | 0,007 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,006 |
| Communication savante | 0,005 | 0,009 |
| Science ouverte | 0,002 | 0,004 |
| Intégrité de la recherche | 0,010 | 0,010 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,015 | 0,003 |
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 ».