Using Cover Crops as Means of Controlling Weeds and Reducing the Applied Quantity of Glyphosate-Based Herbicide in No-Till Glyphosate Tolerant Soybean and Corn
Notice bibliographique
Résumé
Weeds represent a serious drawback affecting the productivity of field crops worldwide. While the most common approach to control weeds in no-till practices is the use of glyphosate-based herbicides (GBHs), reducing their use represents a major challenge. This two-year field study aims to evaluate whether the use of cover crops (CC) in transgenic soybean and corn productions can (1) help control weeds and (2) reduce the amount of GBH needed for managing weeds. Sampling was carried out in 32 experimental field plots (four crop managements with four replicates on both crops). Crop managements consisted of GBH applications at rates of 0.84, 1.67, and 3.3 L ha−1 in plots in direct seeding with CC (DSCC) and at rates of 3.3 L ha−1 in plots without CC (DS). Weed cover rates, plant parameters (fresh and dry weights and heights), grain yields, water, and cation contents in soil were considered as indicators of interspecific competition. Results obtained in both years show that it is possible to reduce GBH use by 50% in plots with CC compared to plots without CC using a rate of GBH application of 3.33 L ha−1 (DS 3.3). However, weeds had a large impact on water content in soil, which was reflected by smaller plants and lower yields in plots with only 0.84 L ha−1 of GBH applied. In the context of the study, the use of CCs seems to facilitate the development of more sustainable agriculture while reducing the quantities of GBH generally used.
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 ».