Multiple-herbicide-resistant waterhemp control in glyphosate/glufosinate/2,4-D-resistant soybean with one- and two-pass weed control programs
Notice bibliographique
Résumé
Abstract Waterhemp control in Ontario has increased in complexity due to the evolution of biotypes that are resistant to five herbicide modes of action (Groups 2, 5, 9, 14, and 27 as categorized by the Weed Science Society of America). Four field trials were carried out over a 2-yr period in 2021 and 2022 to assess the control of multiple-herbicide-resistant (MHR) waterhemp biotypes in glyphosate/glufosinate/2,4-D-resistant (GG2R) soybean using one- and two-pass herbicide programs. S -metolachlor/metribuzin, pyroxasulfone/sulfentrazone, pyroxasulfone/flumioxazin, and pyroxasulfone + metribuzin applied preemergence (PRE) controlled MHR waterhemp similarly by 46%, 63%, 60%, and 69%, respectively, at 8 wk after postemergence (POST) application (WAA-B). A one-pass application of 2,4-D choline/glyphosate DMA POST provided greater control of MHR waterhemp than glufosinate. Two-pass herbicide programs of a PRE herbicide followed by (fb) a POST-applied herbicide resulted in greater MHR waterhemp control compared to a single PRE or POST herbicide application. PRE herbicides fb glufosinate or 2,4-D choline/glyphosate DMA POST controlled MHR waterhemp by 74% to 91% and by 84% to 96%, respectively, at 8 WAA-B. Two-pass herbicide applications of an effective PRE residual herbicide fb 2,4-D choline/glyphosate DMA POST in GG2R soybean can effectively manage waterhemp that is resistant to herbicides in Groups 2, 5, 9, 14, and 27.
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) | 0,001 | 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 | 0,001 | 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 ».