PRE herbicides and POST halosulfuron for purple nutsedge control in tomato grown in plasticulture systems
Notice bibliographique
Résumé
Abstract Purple nutsedge is a troublesome weed in tomato grown in plasticulture systems. Field trials were conducted in the fall of 2017 and spring of 2018 at Balm, FL, to evaluate multiple herbicide programs applied pretransplanting (pre-T), post-transplanting (post-T), and pre-T followed by (fb) post-T for purple nutsedge control in plasticulture tomato. Pre-T treatment of sulfentrazone or S-metolachlor alone were ineffective and did not decrease purple nutsedge density compared with the nontreated control. Post-T application of halosulfuron did not reduce purple nutsedge density at 12 wk after initial treatment (WAIT) in fall 2017 but reduced the purple nutsedge density at 17 WAIT in both seasons. Pre-T sulfentrazone or S-metolachlor application fb halosulfuron applied post-T were the most effective treatments and consistently reduced purple nutsedge population in both seasons. Herbicide treatments did not injure or reduce tomato height or yield. Overall, these results suggest sequential herbicide programs, including pre-T application of sulfentrazone or S-metolachlor fb post-T application of halosulfuron generally resulted in greater purple nutsedge control compared with pre-T or post-T application only. Halosulfuron applied post-T is critical to provide season-long purple nutsedge control in plasticulture tomato.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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) | 0,002 | 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 ».