MétaCan
Menu
Retour à la cohorte
Enregistrement W3094130475 · doi:10.1017/wet.2020.115

Flumioxazin soil persistence under plastic mulch and effects of pretransplant applications on strawberry

2020· article· en· W3094130475 sur OpenAlexaff
Nathan S. Boyd, Shaun M. Sharpe, Ramdas Kanissery

Notice bibliographique

RevueWeed Technology · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueWeed Control and Herbicide Applications
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésPlastic mulchMulchWeed controlSowingAgronomyPersistence (discontinuity)WeedShootCultivarHorticultureBiology

Résumé

récupéré en direct d'OpenAlex

Abstract Weeds are managed in Florida strawberry production systems with plastic mulches, fumigants, and herbicides. There are limited post-transplant options to control weeds that emerge in the planting holes in the plastic-covered beds, but flumioxazin at 107 g ai ha −1 can be applied pretransplant under the plastic mulch to control broadleaf and grass weeds. Three research trials were conducted in Balm and Dover, FL, in 2017 and 2018 to evaluate tolerance of the strawberry cultivar ‘Radiance’ to flumioxazin rates ranging from 54 to 6,854 g ha −1 and to estimate herbicide persistence under the plastic mulch. Shoot damage was observed at 428 to 857 g ha −1 (4× and 8× the label rate, respectively), but a significant increase in the number of dead plants was not observed until the treatment rate was 857 g ha −1 at one site and 3,427 g ha −1 at a second site (8× and 32× the label rate, respectively). Berry yields were unaffected by rates lower than 857 g ha −1 . Flumioxazin persisted throughout the growing season (approximately 150 d) with no reduction in soil concentration. We conclude that applied at the label rate, flumioxazin is a safe pretransplant weed management option for season-long weed control in strawberry with no yield reduction at rates below 8× the label rate. Caution is recommended for growers who plant a second crop on the same bed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,616
Score d'incertitude au seuil0,181

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,187
Écart entre enseignants0,176 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWeed TechnologyMême sujetWeed Control and Herbicide ApplicationsTravaux en français237 207