Control of glyphosate-resistant horseweed and giant ragweed in soybean with halauxifen-methyl applied preplant
Notice bibliographique
Résumé
Abstract Horseweed and giant ragweed are competitive, annual weeds that can negatively impact crop yield. Biotypes of glyphosate-resistant (GR) giant ragweed and horseweed were first reported in 2008 and 2010 in Ontario, respectively. GR horseweed has spread throughout the southern portion of the province. The presence of GR biotypes poses new challenges for soybean producers in Canada and the United States. Halauxifen-methyl is a recently registered selective herbicide against broadleaf weeds for preplant use in corn and soybean. There is limited literature on the efficacy of halauxifen-methyl on GR horseweed and giant ragweed when combined with currently registered products in Canada. The purpose of this study was to determine the effectiveness of halauxifen-methyl applied alone and tank-mixed to control GR giant ragweed and GR horseweed in glyphosate and dicamba-resistant (GDR) soybean in southwestern Ontario. Six field experiments were conducted separately for each weed species over 2018 and 2019. Halauxifen-methyl applied alone offered 72% control of GR horseweed at 8 wk after application (WAA). Control was improved to >91% when halauxifen-methyl applied in combination with metribuzin, saflufenacil, chlorimuron-ethyl + metribuzin, and saflufenacil + metribuzin. At 8 WAA, halauxifen-methyl provided 11% control of GR giant ragweed, and 76% to 88% control when glyphosate/2,4-D choline, glyphosate/dicamba, glyphosate/2,4-D choline + halauxifen-methyl, and glyphosate/dicamba + halauxifen-methyl were used. We conclude that halauxifen-methyl applied preplant in a tank-mixture can provide effective control of GR giant ragweed and horseweed in GDR soybean.
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 ».