MétaCan
Menu
Retour à la cohorte
Enregistrement W3112539334 · doi:10.1017/wet.2020.137

Pinto bean response to seeding rate and herbicides

2020· article· en· W3112539334 sur OpenAlexaff
Kathrin D. LeQuia, Don W. Morishita, Olga S. Walsh, Albert T. Adjesiwor

Notice bibliographique

RevueWeed Technology · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueWeed Control and Herbicide Applications
Établissements canadiensKimberly-Clark (Canada)
Organismes subventionnairesnon disponible
Mots-clésBentazonWeed controlSeedingPinto beanWeedAgronomyMathematicsYield (engineering)Field experimentBiologyHorticulturePhaseolusPhysics

Résumé

récupéré en direct d'OpenAlex

Abstract Field experiments were conducted in 2016 and 2017 to evaluate the effects of seeding rate and herbicide programs on weed control and pinto bean yield under irrigation. The experiments comprised a 5 × 5 factorial randomized complete block design with five replications. The weed control treatments comprised a nontreated control, hand-weeded control, EPTC + ethalfluralin PRE, EPTC + ethalfluralin PRE followed by (fb) dimethenamid-P POST at V1, and EPTC + ethalfluralin PRE fb bentazon/imazamox POST. There were five seeding rates ranging from 247,000 to 494,000 seeds ha–1 planted in 19-cm rows. Weed biomass was reduced by 6 kg ha–1 with every additional 1,000 seeds ha–1. EPTC plus ethalfluralin fb either dimethenamid-P or bentazon plus imazamox reduced weed biomass by at least 29% compared to the nontreated control. There was a significant effect of weed control treatment on pinto bean yield (P = 0.0004). However, there was no significant seeding rate (P = 0.42) or seeding rate–by–weed control interaction effect on pinto bean yield (P = 0.38). Pinto bean yield ranged from 3,080 kg ha–1 in the nontreated control to 4,740 kg ha–1 hand-weeded treatment. Increased seeding rate in narrow rows is a cultural practice that can improve weed control in pinto bean but may not necessarily increase yield.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,016
Tête enseignante GPT0,219
Écart entre enseignants0,203 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations5
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWeed TechnologyMême sujetWeed Control and Herbicide ApplicationsTravaux en français237 207