Weed emergence and seedbank after three years of repetitive shallow cultivation in a muck soil field
Notice bibliographique
Résumé
Frequent cultivation is often used to control weeds in crops such as lettuce. The efficacy of this technique on weed populations has been evaluated, but the effect on weed emergence and seedbanks is less documented. Studies in mineral soil indicate that soil disturbance can increase both weed emergence and seed persistence depending on where seeds are redistributed in the soil profile. Evaluations done in muck soil are scarce. This study evaluated the effect of two and four repetitive shallow (3.4 to 7.1 cm deep) cultivations on weed emergence and the weed seedbank in muck soil. Cultivation treatments (0, 2, and 4 cultivations using a inter-row rototiller) were done in lettuce plots from 2017 to 2019. Weed density was evaluated by species before each cultivation date and after crop harvest. Viable seedbanks were evaluated by collecting soil samples before and after each growing season and placing them in greenhouse flats. Statistical analyses were based on mixed models. Results showed that shallow cultivation modified the emergence patterns of weeds but did not reduce total emergence during the subsequent years or viable seedbanks. After two seasons without seed inputs, total emergence was reduced by 46.6% and the seedbank was reduced by 31.7% regardless of the cultivation treatment. However, the seedbank of the very abundant common purslane (Portulaca oleracea) remained high.
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 | 0,000 |
| 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 ».