Control of multiple-herbicide-resistant waterhemp with acetochlor-based herbicide mixtures in soybean
Notice bibliographique
Résumé
Abstract Waterhemp has evolved resistance to Group 2, 5, 9, 14, and 27 herbicides in Ontario, Canada, making control of this challenging weed even more difficult. Acetochlor is a Group 15, chloroacetanilide herbicide that has activity on many small-seeded annual grasses and some small-seeded annual broadleaf weeds, including waterhemp. The objective of this study was to ascertain if acetochlor mixtures with broadleaf herbicides (dicamba, metribuzin, diflufenican, sulfentrazone, or flumioxazin), applied preemergence (PRE), increase multiple-herbicide-resistant (MHR) waterhemp control in soybean. Five trials were conducted over 2 yr (2021 and 2022). The acetochlor mixtures caused ≤7% soybean injury, except acetochlor + flumioxazin, which caused 19% soybean injury. Acetochlor applied PRE controlled MHR waterhemp 89% at 4 wk after application (WAA). Dicamba, metribuzin, diflufenican, sulfentrazone, or flumioxazin controlled MHR waterhemp 59%, 67%, 58%, 64%, and 86%, respectively, at 4 WAA. Acetochlor applied in a mixture with dicamba, metribuzin, diflufenican, sulfentrazone, or flumioxazin provided good to excellent control of MHR waterhemp; control ranged from 91% to 98% but was similar to acetochlor applied alone. Acetochlor alone reduced MHR waterhemp density and biomass 98% and 93%; acetochlor + flumioxazin reduced waterhemp density and biomass by an additional 2% and 7%, respectively. This research concludes that acetochlor applied in a mixture with flumioxazin was the most efficacious mixture evaluated for MHR waterhemp control.
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 ».