An economic analysis of the costs of alternative sugarcane fallow weed control programs
Notice bibliographique
Résumé
Economic research was conducted to present estimates of costs per acre associated with fallow sugarcane weed control programs for Louisiana in 2010. The 2010 projected costs are associated with the various phases of sugarcane fallow using different machinery, implements, and weed control practices followed by most growers in the main sugarcane production area of Louisiana. For bermudagrass and johnsongrass weed control treatments, the herbicides applied were Roundup Original Max at 46 oz/A, generic glyphosate at 64 oz/A, DuPont K4 60DG, Trifluralin 4EC at 4 qt/A, and EPTC at 3.5 pt/A. Purple nutsedge weed control treatments included Roundup Original Max at 46 oz/A, generic glyphosate at 64 oz/A, Permit 75DF at 1 oz/A, and Yukon 67.5WG at 6 oz/A. Roundup Original Max at 46 oz/A applied for perennial weed control was more expensive by $30.40 and $15.20 per acre compared with generic glyphosate treatments applied at 64 oz/A. Treatments applied with Roundup Original Max had a higher sugarcane fallow cost compared with treatments using generic glyphosate at current fuel, labor and herbicide input prices. A spreadsheet decision aid was developed which summarizes sugarcane fallow field operations and weed control costs, including equipment used, performance rates, and herbicides applied. These data can be entered by the user for specific farm situations, calculating total variable tillage and weed control costs per acre. Binary and non-binary linear programming were utilized to determine optimal sugarcane fallow weed control programs for bermudagrass, johnsongrass, and purple nutsedge control. The non-binary LP model selected treatments to achieve desired control of bermudagrass, johnsongrass and purple nutsedge and minimum cost program. In comparison, the binary LP model selected only one treatment that had minimum fallow field operation and weed control cost while satisfying minimum weed control levels. Generic glyphosate cost was found to be sensitive to price increases to $0.27 oz/A or above for bermudagrass control, and $0.33 oz/A for johnsongrass and purple nutsedge control. Fuel prices, directly impacting tillage costs, were found to not be sensitive in determining optimal weed control choices.
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 | 0,000 |
| 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) | 0,001 | 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 ».