Response of Processing Tomato to Simulated Glyphosate Drift Followed by In-Crop Metribuzin Application
Notice bibliographique
Résumé
Eight field studies were conducted over a 3-yr period from 2008 to 2010 in Ridgetown, Ontario, Canada, to determine the cumulative stress caused by simulated glyphosate spray drift followed by an in-crop application of metribuzin in processing tomato. As the simulated glyphosate spray drift rate increased so did the degree of injury to the tomatoes. At a simulated spray drift rate of 22.5 g ae ha −1 (2.5% of the recommended glyphosate field rate), a 23% decrease in red tomato yield was observed. Yield reductions increased to 88% of the control when 180 g ae ha −1 glyphosate (20% of the recommended field rate) was applied. Similarly when simulated spray drift rates were followed 3 to 5 d later with an in-crop application of metribuzin at 250 g ai ha −1 , tomato yields decreased by 22 to 85% depending on glyphosate rate applied. A transient synergistic interaction was observed only when 22.5 g ae ha −1 glyphosate was followed by metribuzin. The synergistic response was no longer evident by the 28-d injury rating. Herbicide interactions were additive for crop injury, dry weight, fruit counts, and yield when glyphosate spray drift rates of 45, 90, or 180 g ae ha −1 were followed by metribuzin.
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 | 0,000 |
| 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 ».