Weed Management in White Bean with Variable Doses of S-Metolachlor and Halosulfuron Applied Preemergence
Notice bibliographique
Résumé
Five experiments were conducted in Ontario, Canada from 2016 to 2018 to determine how doses of S-metolachlor and halosulfuron applied preemergence (PRE) should be adjusted to control specific weed species in white bean. S-metolachlor, halosulfuron, and S-metolachlor + halosulfuron caused minimal (1% to 4%) injury in white bean. Weed interference reduced white bean yield 54%. On average, weed interference with S-metolachlor and halosulfuron decreased yield 34% and 29%, respectively. In contrast, white bean seed yield was similar to the weed-free control with the S-metolachlor + halosulfuron tankmixes. S-metolachlor applied alone controlled A. theophrasti, A. retroflexus, A. artemisiifolia, C. album, E. crus-galli and S. viridis 0% to 3%, 78% to 93%, 0% to 9%, 5% to 15%, 97% to 99% and 96% to 98%, respectively. Halosulfuron applied alone controlled A. theophrasti, A. retroflexus, A. artemisiifolia, C. album, E. crus-galli and S. viridis 39% to 87%, 93% to 99%, 64% to 88%, 34% to 59%, 10% to 30% and 13% to 35%, respectively. S-metolachlor + halosulfuron tankmixes controlled A. theophrasti, A. retroflexus, A. artemisiifolia, C. album, E. crus-galli and S. viridis 47% to 94%, 98% to 100%, 78% to 94%, 37% to 78%, 94% to 98% and 91% to 96%, respectively. Weed density and biomass reductions with the herbicides evaluated followed the same pattern as visible weed control assessments. Results from this study indicate that doses of S-metolachlor and halosulfuron, when applied as a tankmix, should be adjusted based on a weed species composition in each individual white bean field.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».