Weed management strategies effect on glyphosate‐tolerant maize and soybean yields and quality
Notice bibliographique
Résumé
Abstract Weed management (WM) is necessary to prevent crop losses through competition with weeds and maintain high yields. However, in the case of glyphosate‐tolerant (GT) crops, phytotoxic effects can occur after glyphosate‐based herbicide (GBH) applications, which could impact yields and quality. In order to assess the agronomic performance of six WM strategies on GT soybean [Glycine max (L.) Merr.] and maize (Zea mays L.), field experiments were conducted in randomized blocks replicated four times (T1: Mechanical weeding; T2: Other herbicide application [Soybean: Chlorimuron ethyl + Imazethapyr] [Corn: Saflufenacil + Dimethenamid‐P]; T3: One GBH application; T4: One GBH + other herbicide application [Soybean: Imazethapyr] [Corn: S‐metolachlor + Mesotrione]; T5: Two GBH applications; T6: Two GBH applications + other herbicide application [Soybean: Chlorimuron ethyl + Imazethapyr] [Corn: S‐metolachlor + Mesotrione]). In soybean, T1 was the least productive treatment with an average yield of 2,652 kg ha−1, while T4, T5, and T6 produced significantly higher yields (4,315, 4,646, and 4,248 kg ha−1 respectively). However, the protein content was higher in T1 (42%) than in T3‐6 (40.85, 40.55, 40.68, and 40.65%), as well as the linolenic acid content whereas the total oil content was significantly lower. For maize, there were no significant differences in yields nor in nutritional content for all treatments. These findings question the systemic usage of GBHs in GT crops. If unnecessary, GBH applications could be reduced, which would relieve the selection pressure for glyphosate‐resistant weeds, especially in the case of GT soybean and maize crop rotation.
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) | 0,001 | 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 ».