Effect of Method of Application, Herbicide Rate and Cultivar on Processing Pea Tolerance to Saflufenacil
Notice bibliographique
Résumé
The purpose of this work was to determine the effect of method of application, herbicide rate and cultivar on tolerance of processing pea tolerance to saflufenacil. Two field experiments were established to address this—each experiment was conducted over a 3-year period. The first experiment, conducted in 2014, 2015 and 2016, was arranged in a split-plot design with method of application (pre-plant incorporation (PPI) or preemergence (PRE)) as the main plot factor, and saflufenacil rate (0, 75 and 150 g ai ha-1) as the subplot factor. Pea (Pisum sativum L.) was not injured, and dry matter, pea tenderness and yield were not less than the untreated check when saflufenacil was applied either PPI or PRE, at 75 and 150 g ai ha-1 of the herbicide. The second experiment was conducted from 2017 to 2019, at two locations each year; each repetition of this experiment was arranged in a factorial design to determine the effect of two factors on processing pea: saflufenacil rate (0, 75 and 150 g ai ha-1) and cultivar. Saflufenacil did not cause more than 5% visible injury to pea, nor did it reduce pea dry matter, tenderness or marketable yield of the eight cultivars included in the experiment. Application method, saflufenacil rate and cultivar did not affect pea tolerance across a wide range of soil and environmental conditions. Registration of saflufenacil in processing pea would significantly improve growers’ options for control of Group 2 resistant broadleaf weeds such as common lamb’s-quarters (Chenopodium album L.), eastern black nightshade (Solanum ptycanthum Dunal.) and common ragweed (Ambrosia artemisiifolia L.).
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».