Dry Bean Sensitivity to Group 15 Herbicides Applied Preemergence
Notice bibliographique
Résumé
Field experiments (4 in total) were conducted in 2016 and 2017 in southwestern Ontario to compare the sensitivity of dry bean to four Group 15 herbicides applied preemergence (PRE). At 4 weeks after emergence (WAE), pethoxamid, S-metolachlor, dimethenamid-P and pyroxasulfone applied PRE at the 2X rate caused 5%, 9%, 9% and 14% visible injury in adzuki bean, 2%, 2%, 2% and 3% visible injury in kidney bean, 6%, 4%, 5% and 4% visible injury in small red Mexican (SRM) bean, and 9%, 6%, 8% and 9% visible injury in white bean, respectively. Pyroxasulfone reduced adzuki bean shoot biomass (m-1 row) 42% and height 12%. However, the other Group 15 herbicides did not reduce shoot biomass and height of adzuki bean. Kidney bean shoot biomass and height were not adversely affected by the Group 15 herbicides evaluated. S-metolachlor caused no adverse effect on SRM bean dry weight or height, but pethoxamid, dimethenamid-P and pyroxasulfone at the 2X rate reduced dry weight 26%, 28% and 28% and height 7%, 7% and 7% in SRM bean, respectively. Pethoxamid, S-metolachlor, dimethenamid-P, and pyroxasulfone applied PRE at the 2X rate reduced white bean dry weight 50%, 37%, 47% and 43% and height 16%, 10%, 16% and 15% in white bean, respectively. Pyroxasulfone (2X rate), applied PRE, reduced bean stand count and seed yield 12% and 7%, respectively. However, pethoxamid, S-metolachlor, and dimethenamid-P, applied PRE caused no decrease in stand count and seed yield of dry beans evaluated. In general, kidney and SRM bean are most tolerant, white bean is intermediate, and adzuki bean is most sensitive to Group 15 herbicides applied PRE.
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) | 0,000 | 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 | 0,000 | 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 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 ».