Notice bibliographique
Résumé
Glyphosate has become the most widely used herbicide worldwide since 1974 with a global use of 8.6 billion kg (glyphosate active ingredient) between 1974 and 2014. This study reports on glyphosate resistant (GR) weeds and their resistance mechanisms based on global scientifically reported cases. Forty-nine different weed species have evolved resistance to glyphosate in 29 countries with a total of 318 identified cases worldwide. Fifty percent of these resistance cases were found in glyphosate-resistant cropping systems. There were 255 identified cases (80.2%) of glyphosate resistance in the top five countries (in terms of number of cases and species), namely USA, Australia, Argentina, Brazil, and Canada. The five most popular weed species (in terms of number of cases) found to be resistant to glyphosate were Conyza canadensis, Amaranthus palmeri, Amaranthus tuberculatus, Lolium perenne ssp. Multiflorum,and Ambrosia artemisiifolia with 42, 42, 29, 26, and 21 reported cases, respectively. Out of 49 weed species, 19 GR weed species were found to not only be resistant to glyphosate but also to other herbicide sites of action (multiple herbicide resistance). Glyphosate resistance mechanisms in weeds include (1) target-site alterations: target-site mutation and target-site gene amplification; and (2) non-target-site mechanisms involving different modes of exclusion from the target site: reduced glyphosate uptake, reduced glyphosate translocation, and enhanced glyphosate metabolism. It is essential to have an integrated weed management program that includes not only smart herbicide mixtures and rotations, but also cultural, manual, mechanical, and crop-based weed management methods.
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 | 0,000 | 0,002 |
| 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 ».