Response of soybean and corn to halauxifen-methyl
Notice bibliographique
Résumé
Abstract Preplant (PP) herbicide applications are an important tool within an integrated weed management system, specifically in no-till production. An understanding of crop tolerance regarding PP applications is important for effectively integrating a new herbicide into no-till cropping systems. Twelve field trials (six in corn and six in soybean) were conducted over a 2-yr period (2018 and 2019) near Exeter and Ridgetown, ON. The purpose of these studies was to evaluate the tolerance of soybean and corn to halauxifen-methyl applied PP, PRE, or POST at the registered rate (5 g a.i. ha −1 ) and twice the registered rate (10 g a.i. ha −1 ), hereafter referred to as the 1× and 2× rate, respectively. All trials were kept weed-free throughout the growing season to remove the confounding effect of weed interference. Halauxifen-methyl applied 14 d preplant (DPP), 7 DPP, 1 DPP, and 5 d after seeding (DAS) at the 1× and 2× rates caused ≤10% visible soybean injury. In contrast, halauxifen-methyl applied POST (cotyledon–unifoliate stage, VE-VC) caused 67% to 87% visible soybean injury, a 50% to 53% reduction in height, 65% to 81% decrease in population, 56% to 67% lower biomass, and 53% to 63% decline in yield. Halauxifen-methyl applied 10 DPP, 5 DPP, 1 DPP, 5 DAS, and POST (spike–one leaf stage, VE-V1) at the 1× and 2× rate caused ≤3% visible corn injury and caused no effect on corn height or biomass. Halauxifen-methyl applied at VE-V1 at the 2× rate reduced corn yield 10%. Based on these studies, the current application restriction of 7 DPP in soybean and 5 DPP in corn is conservative and could be expanded. Expanding the application window of halauxifen-methyl would increase the utility of this herbicide for producers.
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 | 0,001 |
| 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 ».