The Addition of Saflufenacil to Glyphosate plus Dicamba Improves Glyphosate-Resistant Canada Fleabane (Erigeron canadensis L.) Control in Soybean
Notice bibliographique
Résumé
Glyphosate + dicamba has provided variable glyphosate-resistant Canada fleabane (GRCF) control in glyphosate/dicamba-resistant (GDR) soybean. Previous research has indicated improved GRCF control when a third herbicide was added to glyphosate + dicamba, though research is limited. The objective of this research was to ascertain if the level and consistency of GRCF control can be improved when adding tiafenacil, metribuzin, bromoxynil, pyraflufen-ethyl/2,4-D, 2,4-D ester, halauxifen-methyl or saflufenacil to glyphosate + dicamba applied preplant (PP) in GDR soybean. Four field trials were conducted in 2020 and 2021 in commercial fields in southwestern Ontario, Canada. Glyphosate + dicamba controlled GRCF 57, 93 and 94% at 2, 4 and 8 WAA, respectively. Adding bromoxynil to glyphosate + dicamba improved GRCF control from 57 to 77% at 2 WAA; adding saflufenacil to glyphosate + dicamba improved GRCF control from 57 to 92, 93 to 99, and 94 to 99% at 2, 4 and 8 WAA, respectively. All three-way tank-mixtures improved the consistency of GRCF control, except for glyphosate + dicamba + 2,4-D ester at 2 WAA, glyphosate + dicamba + 2,4-D ester, tiafenacil or metribuzin at 4 WAA, and glyphosate + dicamba + tiafenacil or bromoxynil at 8 WAA. This study concludes that the level and consistency of GRCF control was improved when saflufenacil was added to a PP application of glyphosate + dicamba in soybean.
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 | 0,001 | 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 ».