Effects of reduced pesticide use on winter wheat production in the Canadian Prairies
Notice bibliographique
Résumé
Winter wheat ( Triticum aestivum L.) is a highly competitive crop with the potential to enhance on-farm revenue and reduce reliance on crop protection inputs. The adoption of winter wheat in the Canadian Prairies has varied significantly over recent decades; however, improved weed and disease management practices could facilitate stability of hectares cultivated. To assess current and alternative pesticide management practices, we conducted a study across 15 site-years at four locations over 4 years (2018–2022). Experimental treatments included pre-plant weed management (glyphosate vs. glyphosate mixed with pyroxasulfone + carfentrazone-ethyl), in-crop weed management (no in-crop herbicide vs. fall-applied 2,4-D vs. fall-applied 2,4-D + spring-applied site-year-specific herbicides), and in-crop fungicide management (no in-crop fungicide vs. one prothioconazole + tebuconazole application at Zadoks Growth Stage (ZGS) 60 vs. two prothioconazole + tebuconazole applications at ZGS32 and ZGS60). Pre-plant glyphosate alone and glyphosate tank-mixed with pyroxasulfone + carfentrazone-ethyl exhibited comparable effects on grain yield, quality parameters, and agronomic characteristics. In-crop weed management had no significant influence on these factors compared to the no in-crop herbicide control, suggesting that in-crop herbicide applications are unnecessary due to the high competitiveness of winter wheat against weeds. However, disease mitigation was prudent as single and double application of fungicide increased grain yield while maintaining grain protein concentration levels. A high-yielding, stable system for optimal grain yield typically required pre-plant weed management coupled with two fungicide applications. These observations confirm herbicide inputs can be reduced in a winter wheat cropping system, but disease pressure requires careful cultivar selection with respect to disease resistance as multiple applications of fungicides were needed to optimize grain yield.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».