Influence of Glyphosate/Dicamba Application Rate and Timing on the Control of Glyphosate-Resistant Horseweed in Glyphosate/Dicamba-Resistant Soybean
Notice bibliographique
Résumé
Abstract Dicamba may be an efficacious option for the control of glyphosate-resistant (GR) horseweed in glyphosate/dicamba-resistant soybean; research is needed to optimize the application rate based on horseweed height at the time of application. The purpose of this study was to determine the effect of glyphosate/dicamba rate and application timing for the control of GR horseweed. Glyphosate/dicamba was applied at three rates (900, 1,350, and 1,800 g ae ha −1 ) at three horseweed application timings (5, 15, and 25 cm) in a factorial design. There was no interaction between glyphosate/dicamba rate and timing for GR horseweed control or soybean yield; however, there was an interaction for GR horseweed density and biomass. At 2 and 4 wk after application (WAA), there was a decrease in GR horseweed control as the height at the time application increased. At 4 WAA, the application of glyphosate/dicamba to GR horseweed that was 5-, 15-, and 25-cm tall provided 87%, 76%, and 62% control, respectively. There was no impact of glyphosate/dicamba application timing on soybean yield. At 2, 4, and 8 WAA, there was an increase in GR horseweed control as the rate of glyphosate/dicamba was increased. At 8 WAA, glyphosate/dicamba applied at 900, 1,350, and 1,800 g ae ha −1 controlled GR horseweed 76%, 87%, and 92%, respectively. Earlier application timings and higher rates of glyphosate/dicamba caused the greatest reduction in GR horseweed density and biomass. Reduced GR horseweed competition resulted in a 100% to 144% increase in soybean yield, but there was no difference in soybean yield among glyphosate/dicamba rates tested.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».