Achievements, Developments and Future Challenges in the Field of Bioherbicides for Weed Control: A Global Review
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The intrusion of weeds into fertile areas has resulted in significant global economic and environmental impacts on agricultural production systems and native ecosystems, hence without ongoing and repeated management actions, the maintenance or restoration of these systems will become increasingly challenging. The establishment of herbicide resistance in many species and unwanted pollution caused by synthetic herbicides has ushered in the need for alternative, eco-friendly sustainable management strategies, such as the use of bioherbicides. Of the array of bioherbicides currently available, the most successful products appear to be sourced from fungi (mycoherbicides), with at least 16 products being developed for commercial use globally. Over the last few decades, bioherbicides sourced from bacteria and plant extracts (such as allelochemicals and essential oils), together with viruses, have also shown marked success in controlling various weeds. Despite this encouraging trend, ongoing research is still required for these compounds to be economically viable and successful in the long term. It is apparent that more focused research is required for (i) the improvement of the commercialisation processes, including the cost-effectiveness and scale of production of these materials; (ii) the discovery of new production sources, such as bacteria, fungi, plants or viruses and (iii) the understanding of the environmental influence on the efficacy of these compounds, such as atmospheric CO2, humidity, soil water stress, temperature and UV radiation.
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.
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) | 0,001 | 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) | 0,000 | 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 découle