Soybean Yield Response to In‐furrow Fungicides, Fertilizers, and Their Combinations
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Core Ideas Fungicide in‐furrow and starter fertilzer individually did not increase yield. Fungicide and starter fertilizer combined in‐furrow increased yield marginally. Fungicide and starter fertilizer in‐furrow may not be economical without disease. Planting into cool and wet conditions exposes soybean [ Glycine max (L.) Merr.] seed and seedlings to pathogens that may reduce plant populations, resulting in lower yield. Recently, fungicides have been labeled for in‐furrow applications and marketed to provide additional broad‐spectrum protection from soilborne fungi and enhance seedling vigor. Additionally, liquid fertilizers have been promoted recently as a carrier for fungicides to improve yield in some soybean producing areas in the United States. The objective of this study was to evaluate the effect of a fungicide, starter fertilizer, and a combination of fungicide and starter fertilizer on soybean yield. Field experiments were laid out in Arkansas, Indiana, Iowa, and Mississippi in the United States and Ontario, Canada, with a total of 14 site‐years. A positive yield response was observed with the fungicide and starter fertilizer treatment combination in Arkansas in 2014; however, there was no effect of treatment on soybean yield at any other location or year. Overall, a yield benefit of 1.6 bu/acre (107.6 kg/ha) ( P = 0.02) with the fungicide and starter fertilizer treatment was observed across all locations when combined using meta‐analysis. In conclusion, our study suggests that the prophylactic application of fungicide and starter fertilizer may not be profitable without the risk of soilborne diseases and nutrient deficiencies.
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.
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) | 0,000 | 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 découle