Growth and Yield Losses of Roundup Ready Soybean as Influenced by Micro-rates of 2,4-D
Notice bibliographique
Résumé
Widespread resistance to glyphosate has made weed control very challenging. In response, new approaches to managing resistant biotypes such as the Enlist E3TM have been developed. This technology allows in-crop use of 2,4-D but there is fear associated with unintentional application of the herbicide (e.g. direct application, tank contamination, or spray drift) to sensitive crops. A study was conducted to evaluate Roundup Ready (RR) soybean growth and yield loss as influenced by 2,4-D [six micro rates of 1/5, 1/10, 1/50, 1/100, 1/500 and 1/1000 of the 1,120 g ae ha-1 label recommended dose, and a check with no herbicide applied] applied at V2, R1 and R2 growth stages. In general, RR soybean was more sensitive to 2,4-D at R1 than V2 and R2. The highest 2,4-D rate, 1/5 of the label recommended rate, caused 51% soybean injury symptom, 13 d canopy closure delay, 41.2% plant height reduction, and 68.9% yield loss at R1. Based on effective dose (ED) estimates, 37.7 g ae ha-1 2,4-D caused 5% yield loss (0.23 Mg ha-1) at R1 compared with a 2.5- and 2.0-fold higher dose at V2 and R2, respectively. With respect to number of days to canopy closure, both reproductive stages (R1 and R2) were equally less sensitive to 2,4-D than the vegetative one (V2) as the plants had already achieved maximum growth recorded. On the other hand, ED estimates for plant height have shown that both V2 and R2 were equally more sensitive to 2,4-D than R1. These results clearly indicated that RR soybean growth and yield loss were significantly influenced by the timing of exposure and amount of 2,4-D.
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 | 0,001 |
| 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 ».