Tolerance of four dry bean market classes to flufenacet, acetochlor, and <i>S</i>-metolachlor applied preplant incorporated
Notice bibliographique
Résumé
Abstract Common bean and azuki bean are poor competitors with weeds and demonstrate sensitivity to herbicides used for weed control in soybean. S -metolachlor, flufenacet, and acetochlor are categorized as Group 15 herbicides and provide control of multiple annual grass and select small-seeded broadleaf weeds. By way of field trials near Exeter and Ridgetown, Ontario, in 2019, 2020, and 2021, four dry bean market classes (azuki, kidney, small red, and white bean) were evaluated for their tolerance to 1× established label rates and 2× rates of S -metolachlor (1,600 and 3,200 g ai ha −1 ), flufenacet (750 and 1,500 g ai ha −1 ) and acetochlor (1,700 and 3,400 g ai ha −1 ) applied preplant incorporated (PPI). Injury was evaluated by assessing visible injury symptoms, density, shoot biomass, height, seed moisture content, and seed yield. Azuki bean was more sensitive to the Group 15 herbicides than other dry bean market classes; the Group 15 herbicides caused a 12% reduction in azuki bean growth at 2 wk after emergence; growth reduction was ≤2% in the other bean classes. Flufenacet (2× rate) was the most injurious treatment, causing a 27% reduction in azuki bean yield. This study concludes that kidney, small red, and white bean have a sufficient margin of crop safety to flufenacet, acetochlor, and S -metolachlor applied PPI. Azuki bean was sensitive to flufenacet; additional research is needed to investigate azuki bean tolerance to acetochlor and S -metolachlor applied PPI.
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 | 0,001 |
| 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 ».