Control of Glyphosate-Resistant Marestail in Identity-Preserved or Glyphosate-Resistant and Glyphosate/Dicamba-Resistant Soybean with Preplant Herbicides
Notice bibliographique
Résumé
Two studies, each consisting of six field experiments were conducted in growers’ fields in 2018 and 2019 to determine the optimal herbicide tankmixes, applied preplant (PP) for the control of glyphosate-resistant (GR) marestail in 1) identity-preserved and glyphosate-resistant soybean (Study 1) and, 2) glyphosate/dicamba-resistant soybean (Study 2). There was no significant injury in soybean with the PP herbicides evaluated in both studies. In Study 1, at 8 weeks after treatment (WAA), glyphosate + saflufenacil, glyphosate + 2,4-D ester, glyphosate + pyraflufen/2,4-D, glyphosate +, 4-D choline or glyphosate + halauxifen-methyl, applied PP, controlled GR marestail 93%, 58%, 60%, 67% and 71%, respectively. The addition of metribuzin to the tankmixes of glyphosate + saflufenacil, 2,4-D ester and pyraflufen/2,4-D increased the control to 98%, 91% and 95%, respectively. The addition of metribuzin + chlorimuron-ethyl to 2,4-D choline/glyphosate and glyphosate + halauxifen-methyl increased the control to 94% and 93%, respectively. In Study 2, at 8 WAA, glyphosate/dicamba, applied PP, controlled GR marestail 89% in glyphosate/dicamba-resistant soybean. The addition of metribuzin or saflufenacil to glyphosate/dicamba controlled GR marestail 86% and 97%, respectively. At 8 WAA, S-metolachlor/dicamba controlled GR marestail 83%. The addition of metribuzin or saflufenacil to the above premix controlled GR marestail 87% and 97%, respectively. Density and biomass reductions were similar to visible control. GR marestail interference reduced soybean yield 60% and 53% in Study 1 and 2, respectively. Reduced GR marestail interference with all the herbicide treatments evaluated in both studies resulted in soybean yield that was similar to the weed-free control.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».