MétaCan
Menu
Retour à la cohorte
Enregistrement W3209940505 · doi:10.3390/plants10112276

Wheat and Cereal Rye Inter-Row Living Mulches Interfere with Early Season Weeds in Soybean

2021· article· en· W3209940505 sur OpenAlexaffabout
Charles M. Geddes, Robert H. Gulden

Notice bibliographique

RevuePlants · 2021
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueWeed Control and Herbicide Applications
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésAgronomySecaleCanolaWeedGrowing seasonBiologyMulchBrassicaWeed control

Résumé

récupéré en direct d'OpenAlex

Rapid growth of cool-season weeds in the spring exacerbates weed interference during early soybean (Glycine max (L.) Merr.) establishment in northern climates. This study tested the utility of spring-seeded inter-row living mulches in soybean for early season weed suppression using volunteer canola (Brassica napus L.) as a representative model weed species. The effects of the presence or absence of spring wheat (Triticum aestivum L.) or winter cereal rye (Secale cereale L.) living mulches (mulch type) that had been seeded simultaneously with soybean grown using 38 or 76 cm row spacing (spatial arrangement) and the presence or absence of herbicides used for mid-season mulch termination (herbicide regime) were evaluated in three environments in Manitoba, Canada, in 2013 and 2014. Soybean yield was similar in the presence and absence of the living mulches. In the environment that received the lowest precipitation (Carman 2013), the mulches terminated with post-emergence glyphosate resulted in a 55% greater soybean yield compared to the mulches that remained live throughout the growing season. Inter-row mulches that had been living or terminated mid-season reduced volunteer canola seed production by about one-third (up to 9000 seeds m−2). This study demonstrates the utility of wheat or cereal rye inter-row living mulches for enhanced interference with weeds during early soybean establishment.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,446
Score d'incertitude au seuil0,991

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,202
Écart entre enseignants0,187 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePlantsMême sujetWeed Control and Herbicide ApplicationsTravaux en français237 207