Potential spring canola yield losses due to weeds in Canada and the United States
Notice bibliographique
Résumé
Abstract Weeds represent one of the most important biotic threats to agricultural plant health, and the potential global impact of weeds on crop yields is similar to that of all other pests (animal pests and pathogens) combined. Canola is the most-grown crop in Canada based on seeded area and generates on average Can$29.9 billion in economic activity each year. The objective of this report, sponsored by the Weed Science Society of America Weed Loss Committee, was to provide an updated estimate of potential yield and monetary losses due to weed interference in spring canola grown in Canada and the United States. Quantitative yield data from field experiments were provided by researchers and weed science professionals in the northern Great Plains region; the major canola-producing area of North America. Overall, 89 yield loss estimates were compiled, covering the 18-yr period from 2003 to 2020. Average canola yield losses due to weed interference in Alberta, Saskatchewan, Manitoba, and North Dakota were 35%, 30%, 18%, and 28%, respectively. Potential yield losses weighted by canola harvested area averaged 30%, 28%, and 30% for Canada, the United States, and both countries combined, respectively. Therefore, unfettered weed interference in spring canola represents a potential monetary loss of Can$2.21 billion, $0.16 billion, and $2.37 billion for farmers in Canada, the United States, and both countries combined. The realization of such losses could manifest through continued selection for herbicide-resistant weeds, indicating the critical need for canola farmers to diversify resistance selection pressures by implementing proactive integrated weed management programs.
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 | 0,001 |
| 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 ».