Weed communities after decades of mineral fertilization and tillage treatments in a corn–soybean rotation
Notice bibliographique
Résumé
Abstract Soil fertility and disturbance can potentially modify weed dynamics in a corn–soybean rotation. Knowing how added mineral fertilizers and tillage influence weed populations in the long term can provide insight into weed community shifts, which may affect future weed management requirements. The first objective of this study was to evaluate the effect of 24 to 25 years of nitrogen and phosphorus fertilization treatments and tillage (moldboard vs. no-till) on weeds (density, biomass, and composition) before and after herbicide applications in 2016/corn and 2017/soybean. The second objective was to evaluate the effect of the same treatments 6 yr after no postemergence weed management in 2022/corn. Since the last evaluation performed in 2004, weed density, richness, and diversity increased, and more annual grasses were observed under both tillage regimes. No fertilization effect was observed on any weed variables, including composition, except for increased biomass when left to grow all season after crop planting. In managed plots, the density and biomass of annuals and perennials were generally higher in no-till, and discrepancies were highest for annual grass densities before herbicide application. Weed species richness and diversity based on counts were equivalent between tillage regimes, but total biomass was distributed between more species in no-till. Higher weed densities and concurrent weed biomass, observed in no-till, reduced crop yields in 2016/soybean only. The combination of low crop diversity and low use of residual herbicides during the trial potentially led to the observed species shifts and increased weed density.
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 | 0,000 |
| 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 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 ».