MétaCan
Menu
Retour à la cohorte
Enregistrement W4387771523 · doi:10.1139/cjps-2023-0091

Field testing of a physical impact mill in the Canadian Prairies

2023· article· en· W4387771523 sur OpenAlexafffundvenueabout
Breanne D. Tidemann, K. Neil Harker, Hugh J. Beckie, Hiroshi Kubota, Jennifer Zuidhof, Patty Reid

Notice bibliographique

RevueCanadian Journal of Plant Science · 2023
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueWeed Control and Herbicide Applications
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesSaskatchewan Wheat Development CommissionAlberta Canola Producers CommissionAlberta Wheat CommissionPan African Materials InstituteAgriculture Funding ConsortiumWestern Grains Research Foundation
Mots-clésWeedWeed controlMillAgronomyEnvironmental sciencePopulationBiologyAgroforestryGeographyMedicine

Résumé

récupéré en direct d'OpenAlex

Herbicide resistance in western Canada has increased interest in alternative weed management strategies. Physical impact mills, a form of harvest weed seed control, have been identified as a strategy that may be well suited for Canadian use. The efficacy of the Harrington Seed Destructor, a physical impact mill, was evaluated in 20 producer fields in Alberta on a wide spectrum of weed species over 3 years. Significant differences in weed densities between the physical impact mill treatment and the regular harvest densities were few; however, some population density reductions were observed. Measurable reductions in weed densities may have been limited by the short timeframe of the experiment, the high initial densities of the weeds, or the targeted weed species having dormancy or longer term seedbanks. Additionally, identified knowledge gaps on how best to optimize physical impact mill efficacy may have reduced the efficacy of the physical impact mill in this study. This study showed no conclusive evidence for the efficacy of a physical impact mill on tested weed species under field conditions. However, it did provide a number of important considerations for future studies.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,111
Score d'incertitude au seuil0,223

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0030,001
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,034
Tête enseignante GPT0,250
Écart entre enseignants0,216 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2023
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Plant ScienceMême sujetWeed Control and Herbicide ApplicationsTravaux en français237 207