Influence of feral <i>Raphanus sativus</i> seed attributes and burial depth in seedling emergence dynamics
Notice bibliographique
Résumé
Abstract Understanding the emergence patterns of agricultural weeds is paramount for effective management practices. This study investigates the emergence dynamics of feral radish ( Raphanus sativus L.), a widespread weed in the Americas, unravelling the intricate interplay of seed attributes—low or no dormancy, darkness requirement, and indehiscent siliques—on seedling emergence. To explore this, we (1) buried isolated seeds and intact siliques at six increasing depths (0–16 cm) under controlled conditions, and (2) evaluated seedling emergence from both isolated seeds and intact siliques placed on the soil surface and buried at 10 cm under field conditions over 3 years. Our findings reveal that seedlings emergence was about five‐fold higher from shallow‐buried than from surficial isolated seeds, and from isolated seeds than from seeds inside siliques, suggesting strong effects of burial depth and the pericarp. Even isolated seeds buried at 12 cm depth outperformed surface isolated seeds. The burial depth influenced emergence patterns; isolated seeds exhibited rapid emergence, with rates five times higher at 10 cm deep compared to those on the soil surface, showing no emergence after year 1. Conversely, the pericarp delayed and staggered seedlings emergence, contributing to the formation of a persistent seed bank for at least 3 years in both burial depths. Seedlings emergence from seeds inside siliques buried at 10 cm begins in year 1 and in those placed on the soil surface year 2, with emergence peaks predominantly in autumn. These findings enrich our understanding of feral radish seedling emergence, providing valuable insights for the development of sustainable and efficient management practices.
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 | 0,001 | 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 ».