Sensitivity of Dry Bean to Herbicides Applied Preplant for Glyphosate-Resistant Horseweed Control in a Strip-Tillage Cropping System
Notice bibliographique
Résumé
Abstract During 2016 and 2017, four field experiments were conducted at Huron Research Station near Exeter, ON, to evaluate the sensitivity of dry bean grown under a strip-tillage cropping system, to potential herbicides for the control of glyphosate-resistant (GR) horseweed. At 8 wk after emergence (WAE), saflufenacil, metribuzin, saflufenacil+metribuzin, 2,4-D ester, flumetsulam, cloransulam-methyl, and chlorimuron-ethyl caused 13% to 32%, 8% to 52%, 32% to 53%, 5% to 7%, 13% to 21%, 16% to 29%, and 23% to 43% visible injury in dry beans, respectively. Saflufenacil decreased aboveground biomass 65% in kidney bean and 80% in white bean. Metribuzin decreased biomass 82% in kidney bean and 50% in white bean. Saflufenacil+metribuzin decreased biomass 88% in kidney bean, 68% in small red bean, and 80% in white bean. Chlorimuron-ethyl decreased biomass 40% in white bean. There was no decrease in dry bean biomass with the other herbicides evaluated. Metribuzin and saflufenacil+metribuzin reduced kidney bean seed yield 72% and 76%, respectively. Saflufenacil+metribuzin, flumetsulam, cloransulam-methyl, and chlorimuron-ethyl reduced small red bean seed yield 39%, 27%, 30%, and 54%, respectively. Saflufenacil, metribuzin, saflufenacil+metribuzin, flumetsulam, cloransulam-methyl, and chlorimuron-ethyl reduced seed yield of white bean 52%, 32%, 62%, 33%, 42%, and 62%, respectively. There was no decrease in dry bean yield with the other herbicides evaluated. Among herbicides evaluated, 2,4-D ester caused the least crop injury with no effect in dry bean seed yield.
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 | 0,000 | 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 | 0,000 | 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 ».