Minimizing competition between glyphosate-resistant volunteer canola (<i>Brassica napus</i>) and glyphosate-resistant soybean: impact of soybean planting date and rate
Notice bibliographique
Résumé
Abstract In recent years, soybean acreage has increased significantly in western Canada. One of the challenges associated with growing soybean in western Canada is the control of volunteer glyphosate-resistant (GR) canola, because most soybean cultivars are also glyphosate resistant. The objective of this research was to determine the impact of soybean seeding rate and planting date on competition with volunteer canola. We also attempted to determine how high seeding rate could be raised while still being economically feasible for producers. Soybean was seeded at five different seeding rates (targeted 10, 20, 40, 80, and 160 plants m −2 ) and three planting dates (targeted mid-May, late May, and early June) at four sites across western Canada in 2014 and 2015. Soybean yield consistently increased with higher seeding rates, whereas volunteer canola biomass decreased. Planting date generally produced variable results across site-years. An economic analysis determined that the optimal rate was 40 to 60 plants m −2 , depending on market price, and the optimal planting date range was from May 20 to June 1.
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 | 0,000 |
| 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 ».