Candidate Tools for Integrated Weed Management in Soybean at the Northern Frontier of Production
Notice bibliographique
Résumé
Abstract The development of early-maturing soybean [Glycine max(L.) Merr.] varieties has led to an increase in soybean production in canola (Brassica napusL.)-dominant crop rotations in western Canada. Herbicide-resistant (HR) volunteerB. napuscan be difficult to manage in HR soybean using herbicides alone. In 2013 and 2014, four field experiments were conducted in Manitoba, Canada, to evaluate soybean row spacing, seeding density, nitrogen supply, and interrow tillage as candidate nonchemical weed management tools for an integrated program to manage volunteerB. napusin soybean. Among treatments and sites, volunteerB. napusproduced about 830 seeds plant−1and resulted in large seedbank inputs (averaging about 20,300 seeds m−2). VolunteerB. napusseedling recruitment differed among sites, and resulted in two distinct classes of sites based on average seedling densities of 39 and 89 plants m−2. Weed management tools were more effective at the sites with higher volunteerB. napusdensities. At these sites, soybean yield was greater when using an increased soybean-seeding density (44% greater yield using a seeding density of 682,500 vs. 455,000 seeds ha−1) or interrow tillage (36% greater yield with vs. without using interrow tillage). Soybean row spacing (19 vs. 38 vs. 76 cm) did not affect soybean yield, unless the reduction in row spacing was combined with an increased seeding density (65% greater yield with narrow-row soybean seeded at 682,500 vs. wide-row soybean seeded at 455,000 seeds ha−1). At the sites with higher volunteerB. napusdensities, seed production of canola volunteerB. napuswas greater when nitrogen fertilizer was applied to simulate an environment with greater nitrogen supply (77% greater number of volunteerB. napusseeds produced with vs. without broadcast application of 23 kg N ha−1urea). In northern climates, seeding soybean at increased densities using narrow-row spacing in fields with limited soil inorganic nitrogen and using interrow tillage in wide-row production systems are effective strategies that could augment chemical weed management in an integrated program for management of volunteerB. napus, and perhaps also other competitive early-season weeds.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».