Weeding performance of a spring-tine harrow as affected by timing and operational parameters
Notice bibliographique
Résumé
Abstract The spring-tine harrow is gaining popularity for mechanical weeding. However, its weeding performance and mechanism have not been well understood. A spring-tine harrow was first tested in a controlled indoor soil bin at four different travel speeds (4, 6, 8, and 10 km h−1) with three different spring-loading settings (low, medium, and high). Then the harrow was tested in a wheat (Triticum aestivum L.) field at the same spring-loading settings at three different weeding timings (early, middle, and late) in 2019 and 2020. Soil cutting forces (draft and vertical), soil displacements (forward and lateral), soil working depth, weed control efficacy, weed density, and crop damage were measured. The results showed that the spring-loading setting had a more dominant effect on working depth and soil cutting forces than the speed. The soil displacements were more dependent on the speed compared with the spring-loading setting. Treatment effects on weeding performance indicators in the field were similar across years. Adjusting the spring-loading setting from low to high improved the weeding efficacy from 44.9% to 73.9% in 2019 and from 51.6% to 78.1% in 2020. Consequently, the final weed density was minimized at the high loading setting, with the reduction in 2020 being significant. The middle weeding timing caused the least crop damage, while reducing the final weed density by approximately one-third compared with the control (without mechanical weeding), which was the most desired outcome among the three timings tested.
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 | 0,001 | 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 | 0,001 | 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 ».