Characterization of Emergence Flows of Volunteer Corn as Function of the Type of Harvest Grain Loss
Notice bibliographique
Résumé
Volunteer corn resistant to glyphosate is constant as weed in soybeans planted in succession. This work aimed to identify the emergence flows of volunteer corn plants in the period of time from the harvest of corn planted following soybean (autumn corn) to the plenty establishment of the canopy of the following soybean crop (summer soybean), as a function of different types of propagules generated by preceding corn harvest losses. Four field experiments were carried out in 2013 and 2014, at a Cerrado location (Sinop, MT) and a subtropical location (Londrina, PR), Brazil. Treatments included the distribution of corn crop residues (factor “A”) either on soil surface or incorporated into superficial soil layers. Four types of propagules (factor “B”) were characterized as ears with whole husk; ears with half husk; broken ears, no husk; and loose grains. The density of emerged plants was recorded fortnightly between August and December. When partially incorporated into soil, propagules generate an increased density of emerged plants as compared to the surface deposition treatments. The main sources of volunteer plants, in descending order of importance, were: (1) loose grains, (2) broken ears, (3) ears with damaged husk, and (4) ears with intact husk. Ears emerged later compared to loose grains or broken ears. Climatic conditions influence the emergence pattern. For the climate of (Savannah-like) Cerrado, the beginning of the rainy season is preponderant for the start of corn emergence. Under subtropical climatic conditions, mild low temperatures, associated or not to rainfall, determine the emergence peaks.
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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 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 ».