Control of glyphosate-resistant horseweed (<i>Conyza canadensis</i>) with tiafenacil mixes in corn
Notice bibliographique
Résumé
Abstract Four field experiments were completed in commercial corn fields during 2019 and 2020 to determine glyphosate-resistant (GR) horseweed control in corn with tiafenacil alone or in combination with bromoxynil, dicamba, or tolpyralate applied preplant (PP). Corn planted 1 to 10 d after herbicide application was not injured with any of the herbicides tested. GR horseweed interference reduced corn grain yield 32% when left uncontrolled. Herbicides reduced GR horseweed interference and resulted in corn grain yield that was similar to the weed-free control. Glyphosate (900 g ae ha −1 ) + tiafenacil at 12.5, 25, and 37.5 g ha −1 controlled GR horseweed 63%, 68%, and 72% at 4 wk after treatment (WAT) and decreased GR horseweed density 64%, 43%, and 83% and dry biomass 69%, 55%, and 83%, respectively. Glyphosate + tiafenacil at 12.5, 25, and 37.5 g ha −1 plus bromoxynil (280 g ai ha −1 ) controlled GR horseweed 81%, 88%, and 87% at 4 WAT and reduced GR horseweed density 82%, 94%, and 93% and dry biomass 93%, 93%, and 98%, respectively. Glyphosate + tiafenacil at 12.5, 25, and 37.5 g ha −1 plus dicamba (300 g ai ha −1 ) controlled GR horseweed 86%, 88%, and 88% at 4 WAT and decreased GR horseweed density 76%, 89%, and 86% and dry biomass 94%, 98%, and 98%, respectively. Glyphosate + tiafenacil at 12.5, 25, and 37.5 g ha −1 plus tolpyralate (30 g ai ha −1 ) controlled GR horseweed 90%, 90%, and 91% at 4 WAT and decreased GR horseweed density 93%, 91%, and 95% and dry biomass 98%, 97%, and 97%, respectively. The industry standards in Ontario, glyphosate + dicamba/atrazine and glyphosate + saflufenacil/dimethenamid-p controlled GR horseweed 95% and 100% at 4, 8, and 12 WAT and caused 99% and 100% density or biomass reduction, respectively.
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 ».