Response of non-dicamba-resistant soybean (<i>Glycine max</i>) varieties to dicamba
Notice bibliographique
Résumé
Abstract Introduction and rapid adoption of dicamba-resistant (DR) soybean led to an increase of postemergent applications of dicamba. This resulted in a widespread increase in nontarget dicamba injury to non-DR soybean in 2017. Field studies were conducted in Manhattan, KS, in 2018 and 2019 and in Ottawa, KS, in 2019 to investigate the injury and yield response of soybean varieties with varying herbicide-resistance traits and maturity groups when exposed to dicamba. Four varieties were tested: ‘Credenz 3841LL’ (glufosinate resistant), ‘Credenz 4748LL’ (glufosinate resistant), ‘Asgrow AG4135RR2Y’ (glyphosate resistant), and ‘Stine 40BA02’ (glyphosate and isoxaflutole resistant), abbreviated as CR3841, CR4748, AG4135, and ST40B, respectively. Soybeans were treated with 5.6 g ae ha −1 of dicamba at V3 and R1 stages. Percent soybean injury, soybean height, soybean yield and yield components, and injury to offspring were evaluated. Four weeks after treatment (WAT) at V3, the greatest injury was observed in AG4135 and ST40B. Dicamba application at R1 resulted in the greatest injury to ST40B both 4 WAT and at senescence. Minimal injury was observed in all varieties treated at V3 at senescence and yield loss was 5% or less. Dicamba application at R1 resulted in 19 to 34% yield loss, with the least yield loss in CR4748, and the greatest in ST40B. Varieties with greater injury at senescence generally yielded less than other varieties.
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 ».