Estimating the Relative Leaching Potential of Herbicides in Alberta Soils
Notice bibliographique
Résumé
Abstract Our objective was to use a simple screening model to predict the relative leaching of herbicides in Alberta soils to allow producers the option of choosing herbicides with lower leaching potential. Physical properties for each herbicide were obtained from the literature and the Laskowski model was used to calculate the leaching potential (LP) of the herbicides. Relative LP rankings (LPR) were then created by ranking herbicide LP values on a 1 to 9 scale (1 = no leaching; 9 = high leaching). The leaching rates of nine herbicides (2,4-D, dicamba, MCPA, diclofop, quinclorac, bromoxynil, fenoxaprop, triallate and trifluralin) were then determined on soils from the five major soil zones of Alberta (Brown, Dark Brown, Grey, Dark Grey and Black) using small packed soil columns. Eluate fractions were analyzed using a MSD-GC method. Although there were differences related to soil organic matter content, the relative rates of leaching among the nine herbicides were generally quite consistent. Dicamba, 2,4-D, MCPA and quinclorac leached most readily, followed by bromoxynil, and then diclofop, fenoxaprop and triallate, and finally trifluralin, which did not leach. These soil column results and previous field results validated the LPR for most of the nine herbicides. The LPR did appear to underestimate the leaching of MCPA, bromoxynil and quinclorac. LPR values (1 to 9 scale) are a convenient way to convey herbicide leaching information to producers and could easily be included in herbicide guides along with certain provisos.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,000 | 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 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 ».