Effect of Halosulfuron Rate and Application Timing on Volunteer Azuki Bean Control in White Bean
Notice bibliographique
Résumé
Three field experiments were carried out during 2017-2019 at the University of Guelph Huron Research Station near Exeter, Ontario, Canada to determine the effect of halosulfuron rate (25, 37.5 or 50 g∙ai∙ha-1) and application timing (POST 1, POST 2 and POST 3) on volunteer azuki bean control in white bean. At POST 1, halosulfuron at 25, 37.5 and 50 g∙ai∙ha-1 controlled volunteer azuki bean 46% - 50% at 1 week after application (WAA), controlled decreased to 16% - 25% at 8 WAA. At POST 2, volunteer azuki bean controlled decreased from 34% - 39% at 1 WAA to 17% - 27% at 8 WAA. A similar trend was observed at POST 3. Halosulfuron applied POST 1 at 25, 37.5 and 50 g∙ai∙ha-1 reduced biomass 49%, 64% and 69%, respectively. Halosulfuron applied POST 2 did not reduce volunteer azuki bean biomass at 25 g∙ai∙ha-1, but decreased biomass 51% at 37.5 g∙ai∙ha-1 and 49% at 50 g∙ai∙ha-1. Similarly, halosulfuron applied POST 3 did not reduce volunteer azuki bean biomass at 25 g∙ai∙ha-1, but decreased biomass 40% at 37.5 g∙ai∙ha-1 and 44% at 50 g∙ai∙ha-1. There was as much as 19%, 22% and 25% dockage with halosulfuron applied POST 1, POST 2 and POST 3, respectively. Volunteer azuki bean interference reduced white bean yield 40%. Reduced volunteer azuki bean interference with halosulfuron applied POST 1 at 37.5 or 50 g∙ai∙ha-1 resulted in an increase in white bean yield relative to the weedy control; however white yield was less than the weed-free control. This study concludes that halosulfuron at rates and application timings evaluated does not provide adequate control of volunteer azuki bean in white bean.
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 ».