MétaCan
Menu
Retour à la cohorte
Enregistrement W2809336466 · doi:10.4236/as.2018.96046

Glyphosate-Resistant Common Ragweed Control in Corn with Postemergence Herbicides

2018· article· en· W2809336466 sur OpenAlexaff
Nader Soltani, Lynette R. Brown, Peter H. Sikkema

Notice bibliographique

RevueAgricultural Sciences · 2018
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueWeed Control and Herbicide Applications
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésAtrazineDicambaGlufosinateBromoxynilRagweedAgronomyGlyphosateBiologyWeed controlPesticide

Résumé

récupéré en direct d'OpenAlex

Four field trials were conducted on a farm infested with glyphosate-resistant (GR) common ragweed during 2016 and 2017 to evaluate various postemergence (POST) herbicides for the control of GR common ragweed in GR corn. Dicamba at 600 g·a.i.·ha-1, dicamba/diflufenzopyr at 200 g·a.i.·ha-1, dicamba/atrazine at 1500 g·a.i.·ha-1, topramezone + atrazine at 12.5 + 500 g·a.i.·ha-1, bromoxynil + atrazine at 280 + 1500 g·a.i.·ha-1, glufosinate at 500 g·a.i.·ha-1 and 2,4-D ester at 560 g·a.i.·ha-1 provided 58% to 85% control at 4 WAA and 49% to 88% control at 8 WAA. Other herbicides evaluated controlled GR common ragweed 9% to 41%. Common ragweed density was reduced 97%, 95%, 95% and 87% and shoot dry weight was reduced 93%, 95%, 94% and 90% with bromoxynil + atrazine, dicamba, glufosinate and topramezone + atrazine applied POST in GR corn, respectively. Results show that dicamba, bromoxynil + atrazine, topramezone + atrazine and glufosinate applied POST are the most efficacious herbicides among the herbicides evaluated for the control of GR common ragweed in GR corn.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,972
Score d'incertitude au seuil0,983

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,223
Écart entre enseignants0,210 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAgricultural SciencesMême sujetWeed Control and Herbicide ApplicationsTravaux en français237 207