Common Ragweed (<i>Ambrosia artemisiifolia</i> L.) Interference with Soybean in Nebraska
Notice bibliographique
Résumé
Core Ideas Interference of common ragweed in soybean was driven by competition for light. The leaf area ratio model at R6 growth stage was a robust predictor of yield loss. Twelve common ragweed m −1 row length resulted in 80‐95% soybean yield loss. Common ragweed is a competitive weed in soybean fields in north central United States and eastern Canada. The effect of available soil water on the competitiveness of common ragweed in soybean hasn’t been determined. A field study was conducted in 2015 and 2016 in Nebraska to assess common ragweed interference in soybean as affected by available soil water and common ragweed density. The experiment was arranged in a split‐plot design with irrigation level as main plots and common ragweed density as subplots. Periodic crop and weed leaf area index (LAI) and aboveground biomass were sampled and soybean yield was harvested. A model set was constructed using the rectangular hyperbolic and leaf area ratio models and the best model for predicting yield loss among years was identified using the information‐theoretic criterion. No effect of irrigation level on soybean yield was detected due to near adequate rainfall during the study. Common ragweed densities of 2, 6, and 12 m −1 row resulted in soybean yield losses of 76, 91, and 95% in 2015 and 40, 66, and 80% in 2016, respectively. The leaf area ratio model using relative leaf area at the R6 growth stage of soybean best fit the data. The leaf area ratio model includes both soybean and common ragweed leaf area and, therefore, is putatively more effective at accounting for variation in competition for light than density among years. Results of this study suggest that soybean‐common ragweed interference resulted in substantial soybean yield loss when competing for light.
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 | 0,000 | 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 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 ».