Control of glyphosate-resistant waterhemp with preemergence herbicides in glyphosate- and dicamba-resistant soybean
Notice bibliographique
Résumé
Glyphosate-resistant (GR) waterhemp was first discovered in Ontario, Canada, in 2014. In Ontario, GR waterhemp interference in previous studies reduced soybean yield up to 73%. Tank-mixes of herbicides with multiple modes-of-action are important for delaying the evolution of herbicide resistance. The objective of this study was to evaluate the efficacy of pyroxasulfone (150 g a.i. ha−1), S-metolachlor/metribuzin (1943 g a.i. ha−1), pyroxasulfone/sulfentrazone (300 g a.i. ha−1), and pyroxasulfone/flumioxazin (240 g a.i. ha−1) applied preemergence (PRE) with and without the addition of glyphosate/dicamba (1800 g a.e. ha−1) for the control of GR waterhemp in soybean. At 8 wk after treatment application (WAA), glyphosate/dicamba applied PRE controlled GR waterhemp 45%. Pyroxasulfone, S-metolachlor/metribuzin, pyroxasulfone/sulfentrazone, and pyroxasulfone/flumioxazin applied PRE controlled GR waterhemp 79%, 87%, 91%, and 95%, respectively. At 2, 4, 8, and 12 WAA, the addition of glyphosate/dicamba to the aforementioned PRE herbicides did not improve GR waterhemp control. There was no increase in GR waterhemp control with the addition glyphosate/dicamba; however, multiple herbicide modes-of-action should be utilized to reduce the selection intensity for herbicide-resistant 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».