Control of Glyphosate-Resistant Waterhemp with Two-Pass Weed Control Strategies in Glyphosate/Dicamba-Resistant Soybean
Notice bibliographique
Résumé
Waterhemp is a small-seeded, dioecious, broadleaf weed that emerges throughout the growing season. If left uncontrolled, waterhemp interference can reduce soybean yield up to 73%. Glyphosate-resistant (GR) waterhemp was first discovered in one county in Ontario in 2014; as of 2017, it has been found in two other counties. Glyphosate/dicamba-resistant soybean can be sprayed with glyphosate and/or dicamba preplant (PP), preemergence (PRE) and/or postemergence (POST). The objective of this study was to determine the control of GR waterhemp in glyphosate/dicamba-resistant soybean with PRE residual herbicides, glyphosate/dicamba applied POST or a two-pass program of a PRE residual herbicide followed by glyphosate/dicamba applied POST. At 8 weeks after application (WAA), pyroxasulfone (150 g ai ha-1), S-metolachlor/metribuzin (1943 g ai ha-1), pyroxasulfone/sulfentrazone (300 g ai ha-1) and flumioxazin/pyroxasulfone (240 g ai ha-1), applied PRE, resulted in 71%, 85%, 82% and 90% GR waterhemp control, respectively. The same PRE herbicides, followed by glyphosate/dicamba (1800 g ae ha-1) POST, improved control to greater than 96%. This study concludes that a two-pass program of an effective soil applied residual herbicide followed by glyphosate/dicamba POST controlled GR waterhemp in glyphosate/dicamba-resistant 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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,002 |
| 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 ».