Potential wheat yield loss due to weeds in the United States and Canada
Notice bibliographique
Résumé
Abstract Yield losses due to weeds are a major threat to wheat production and economic well-being of farmers in the United States and Canada. The objective of this Weed Science Society of America (WSSA) Weed Loss Committee report is to provide estimates of wheat yield and economic losses due to weeds. Weed scientists provided both weedy (best management practices but no weed control practices) and weed-free (best management practices providing >90% weed control) average yield from replicated research trials in both winter and spring wheat from 2007 to 2017. Winter wheat yield loss estimates ranged from 2.9% to 34.4%, with a weighted average (by production) of 25.6% for the United States, 2.9% for Canada, and 23.4% combined. Based on these yield loss estimates and total production, the potential winter wheat loss due to weeds is 10.5, 0.09, and 10.5 billion kg with a potential loss in value of US$2.19, US$0.19, and US$2.19 billion for the United States, Canada, and combined, respectively. Spring wheat yield loss estimates ranged from 7.9% to 47.0%, with a weighted average (by production) of 33.2% for the United States, 8.0% for Canada, and 19.5% combined. Based on this yield loss estimate and total production, the potential spring wheat loss is 4.8, 1.6, and 6.6 billion kg with a potential loss in value of US$1.14, US$0.37, and US$1.39 billion for the United States, Canada, and combined, respectively. Yield loss in this analysis is greater than some previous estimates, likely indicating an increasing threat from weeds. Climate is affecting yield loss in winter wheat in the Pacific Northwest, with percent yield loss being highest in wheat-fallow systems that receive less than 30 cm of annual precipitation. Continued investment in weed science research for wheat is critical for continued yield protection.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».