Adzuki bean [<i>Vigna angularis</i> (Willd.) Ohwi & Ohashi], oilseed radish (<i>Raphanus sativus</i> L.), and cereal rye (<i>Secale cereale</i> L.) as living mulches with and without herbicides to control annual grasses in sweet corn (<i>Zea mays</i> L.)
Notice bibliographique
Résumé
Annual grasses are difficult to control in sweet corn in Canada due to the scarcity of registered herbicides with grass activity. In addition to the potential soil health benefits, over-seeding living mulches into the cropping system may help sweet corn growers improve annual grass control by increasing competitive ground cover. To test this hypothesis, trials were established at three locations in Ontario and Quebec, Canada, in 2008 and 2009. At each location, sweet corn was over-seeded at the 4–6 leaf stage with one of three living mulches alone or in combination with an herbicide. The living mulch/herbicide pairings were adzuki bean (linuron + S-metolachlor), cereal rye (saflufenacil), and oilseed radish (pendimethalin). All living mulch treatments were compared with an untreated control and an industry standard (S-metolachlor/atrazine). When sweet corn was over-seeded with living mulches alone, the most effective annual grass control was provided by the cereal rye. The least effective living mulch was adzuki bean, but the combination of adzuki bean plus a herbicide was the most effective for annual grass suppression. The final marketable yields in all living mulch treatments were always lower than the industry standard. In spite of effective annual grass control, reduced yields may make the adoption of the tested living mulch species less attractive to conventional sweet corn growers.
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 | 0,002 | 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| 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 ».