Control of multiple-herbicide-resistant waterhemp (<i>Amaranthus tuberculatus</i>) with acetochlor-based herbicide mixtures in corn
Notice bibliographique
Résumé
Abstract Waterhemp is a summer annual, broadleaf weed with high fecundity, short seed longevity in the soil, and wide genetic diversity. Populations have evolved resistance to five herbicide modes of action (Groups 2, 5, 9, 14, and 27), which are present across southern Ontario; this has increased the challenge of controlling this competitive weed species in corn, the most important grain crop produced worldwide and the highest-value agronomic crop in Ontario. Acetochlor is a Group 15 soil-applied residual herbicide that has activity on many grass and broadleaf weeds but has yet to be registered in Canada. The objective of this study was to ascertain whether mixtures of acetochlor with flumetsulam, dicamba, atrazine, isoxaflutole/diflufenican, or mesotrione + atrazine applied preemergence would increase the control of multiple-herbicide-resistant (MHR) waterhemp in corn. Five field trials were conducted between 2022 and 2023. No corn injury was observed. Acetochlor applied alone controlled MHR waterhemp 97% 12 wk after application (WAA). All herbicide mixtures controlled MHR waterhemp similarly at ≥98% 12 WAA; there were no differences among herbicide mixtures. Flumetsulam, dicamba, and atrazine provided lower MHR waterhemp control than all other herbicide treatments and did not reduce density or biomass. Acetochlor reduced waterhemp density 98%, while the acetochlor mixtures reduced density similarly at 99% to 100%. This study concludes that the acetochlor mixtures evaluated provide excellent waterhemp control; however, control was not greater than acetochlor alone. Herbicide mixtures should be used as a best management practice to mitigate the evolution of herbicide resistance.
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 | 0,001 |
| 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 ».