Evaluation of harvest aids application timing for lentil dry down
Notice bibliographique
Résumé
Harvesting stage is a critical step for lentil producers to maintain high seed yield and good \nquality. Desiccating lentil with desiccants/harvest aids can dry down lentil evenly and quickly, \nand control late-growing green weeds, which enhances lentil harvest efficiency and allows early \nharvesting. Since the harvest aids are applied at a late growth stage, high herbicide residue in \nseeds may cause commercial issues with marketing lentil. Application timing of harvest aids is \ncritical for producers. Improper application timing may reduce yield and thousand seed weight, \nbut increase herbicide residue in seeds. Therefore, the objective of the harvest aids application \ntiming (% seed moisture) trial was to evaluate the responses of lentil to different herbicide \napplication timings at Saskatoon and Scott, Saskatchewan, over 2 years (2012 and 2013). For \nthis trial, glyphosate (900 g a.e. ha-1), saflufenacil (50 g a.i. ha-1), and the combination of \nglyphosate plus saflufenacil (900 g a.e. ha-1 and 36 g a.i. ha-1) were applied when seed moisture \ncontent was 60%, 50%, 40%, 30% and 20%. Apart from these herbicide treatments, there was \nalso an untreated control, which is desiccated naturally. Significant relationships between \nevaluated variables and application timing on the basis of seed moisture content were detected. \nAlso, this trial indicated that early application timing (60% application seed moisture) could \nresult in reductions in lentil yield and thousand seed weight. Glyphosate residue in seeds was less \nthan 4 mg kg-1 when glyphosate was applied alone at 30% and 20% average seed moisture. \nGlyphosate residue decreased when adding saflufenacil to glyphosate. Saflufenacil residue \nconsistently increased with earlier application timing of the harvest aids.
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) | 0,000 | 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 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 ».