Soybean yield loss from delayed postemergence herbicide application based on weed height, days after emergence, accumulated crop heat units, and soybean growth stage
Notice bibliographique
Résumé
Abstract Limited information exists on the critical time of weed removal (CTWR) with the currently used soybean cultivars in Ontario. A study consisting of eight field experiments was conducted from 2017 to 2019 in Ontario, Canada, to determine the impact of delayed postemergence (POST) herbicide application on soybean yield based on average weed height at application, days after crop emergence (DAE), accumulated crop heat units (CHU) from the date of planting, and soybean growth stage. The regression model estimated the weed size at herbicide application that led to 1%, 2.5%, and 5% yield loss in soybean was 9, 14, and 20 cm under low weed density (averaging 73 to 134 plants m −2 ) and 3, 4, and 6 cm under high weed density (143 to 153 plants m −2 ) conditions, respectively. The estimated DAE at herbicide application time that led to 2.5%, 5%, 10%, and 25% yield loss in soybean was 24, 30, 37, and 53 DAE under low weed density and 8, 10, 14, and 23 DAE under high weed density, respectively. The predicted crop stage at herbicide application that resulted in 2.5%, 5%, 10%, and 25% yield loss in soybean was V4, V5, R2, and R5 under low weed density and VE, VC, V1, and V4 under high weed density, respectively. This study concludes that soybean yield loss is influenced by the weed density (low vs/high) and the time of the first POST herbicide application. When the first POST herbicide application was delayed until soybean was at the V2 stage the monetary loss was Can$20.46 and Can$221.20 ha −1 in low and high weed-density environments, respectively.
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 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| 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 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 ».