Isoxaflutole and metribuzin interactions in isoxaflutole-resistant soybean
Notice bibliographique
Résumé
Abstract Herbicide-resistant weeds are a growing concern globally; in response, new herbicide resistance traits are being inserted into crops. Isoxaflutole-resistant soybean [ Glycine max (L.) Merr.] will provide a new mode of action for use in this crop. Ten experiments were conducted over a 2-yr period (2017, 2018) to determine herbicide interactions between isoxaflutole and metribuzin on soybean injury, weed control efficacy, and soybean yield on a range of soil types. Soybean leaf-bleaching injury caused by isoxaflutole was most severe at sites with higher levels of rainfall after application. Control of weed species with isoxaflutole (52.5, 79, and 105 g ai ha −1 ) and metribuzin (210, 315, and 420 g ai ha −1 ) differed by site based on amount of rainfall after application. At sites where there was sufficient rainfall for herbicide activation, isoxaflutole at all rates controlled common lambsquarters ( Chenopodium album L.), Amaranthus spp., common ragweed ( Ambrosia artemisiifolia L.), and velvetleaf ( Abutilon theophrasti Medik.) >90%; metribuzin at all rates controlled Amaranthus spp. and witchgrass ( Panicum capillare L.) >80%. Control of every weed species evaluated was reduced when there was limited rainfall after herbicide application. The co-application of isoxaflutole + metribuzin resulted in additive or synergistic interactions for the control of C. album , Amaranthus spp., A. artemisiifolia , A. theophrasti , Setaria spp., barnyardgrass [ Echinochloa crus-galli (L.) P. Beauv], and P. capillare . Isoxaflutole and metribuzin can be an effective management strategy for common annual broadleaf and grass weeds in Ontario if timely rainfall events occur after herbicide application.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 ».