Herbicide resistance in <i>Alopecurus myosuroides</i> : The value of routine testing of seed samples submitted by farmers since 1985
Notice bibliographique
Résumé
Abstract In 35 years of routine screening for herbicide resistance, a total of 3758 seed sample/herbicide combinations were assayed. Resistance testing was done in either pots in glasshouses (chlortoluron, fenoxaprop and mesosulfuron‐methyl + iodosulfuron‐methyl sodium) or Petri‐dishes in incubators (sethoxydim, cycloxydim and pendimethalin). With all herbicides, the relationship between herbicide efficacy and year of sampling was linear, with the slope representing the annual loss of efficacy. This was higher for the ALS inhibitors mesosulfuron + iodosulfuron (3.73% year −1 ) and ACCase inhibitors sethoxydim/cycloxydim (1.92% year −1 ) and fenoxaprop (1.36% year −1 ) than for the substituted urea chlorotoluron (0.69% year −1 ) and the dinitroaniline pendimethalin (1.10% year −1 ). These results are consistent with other studies on the relative resistance risk associated with these different modes of action. There was also a surprisingly good correlation between results for random and non‐random resistance testing, which has also been found in studies with other weed species in Canada and Australia. This indicates that routine testing of submitted samples can replace, at least partly, the need for random surveys which tend to be both labour intensive and expensive. These results, compiled over 35 years, show the value of routine resistance screening, not only for detecting resistance at the individual field level (‘micro’ scale), but also the distribution, evolution and impact of resistance country‐wide (‘macro’ scale). However, it is important that standardised testing methods, including appropriate reference populations, are used by different testing centres to ensure consistent results.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,004 |
| 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 ».