Assessment of crop and weed management strategies prior to introduction of auxin-resistant crops in Brazil
Notice bibliographique
Résumé
Abstract A stakeholder survey was conducted from April through June of 2018 to understand stakeholders’ perceptions and challenges about cropping systems and weed management in Brazil. The dominant crops managed by survey respondents were soybean (73%) and corn (66%). Approximately 75% of survey respondents have grown or managed annual cropping systems with two to three crops per year cultivated in succession. Eighteen percent of respondents manage only irrigated cropping systems, and over 60% of respondents adopt no-till as a standard practice. According to respondents, the top five troublesome weed species in Brazilian cropping systems are horseweed (asthmaweed, Canadian horseweed, and tall fleabane), sourgrass, morningglory, goosegrass, and dayflower (Asiatic dayflower and Benghal dayflower). Among the nine species documented to have evolved resistance to glyphosate in Brazil, horseweed and sourgrass were reported as the most concerning weeds. Other than glyphosate, 31% and 78% of respondents, respectively, manage weeds resistant to acetyl-CoA carboxylase (ACCase) inhibitors and/or acetolactate synthase (ALS) inhibitors. Besides herbicides, 45% of respondents use mechanical, and 75% use cultural (e.g., no-till, crop rotation/succession) weed control strategies. Sixty-one percent of survey respondents adopt cover crops to some extent to suppress weeds and improve soil chemical and physical properties. Nearly 60% of survey respondents intend to adopt the crops that are resistant to dicamba or 2,4-D when available. Results may help practitioners, academics, industry, and policy makers to better understand the bad and the good of current cropping systems and weed management practices adopted in Brazil, and to adjust research, education, technologies priorities, and needs moving forward.
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 | 0,002 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 ».