MétaCan
Menu
Retour à la cohorte
Enregistrement W4400431788 · doi:10.5539/jas.v16n8p42

Biologically Effective Dose of Diflufenican for the Control of Multiple Herbicide-Resistant Waterhemp in Soybean

2024· article· en· W4400431788 sur OpenAlexafffundvenueabout
Nader Soltani, Christian Willemse, Peter H. Sikkema

Notice bibliographique

RevueJournal of Agricultural Science · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoybean genetics and cultivation
Établissements canadiensUniversity of Guelph
Organismes subventionnairesOntario Ministry of Agriculture, Food and Rural AffairsMinistry of Agriculture, Food and Rural AffairsGrain Farmers of Ontario
Mots-clésBiologyAgronomyGlyphosateHerbicide resistanceWeed controlBiotechnology

Résumé

récupéré en direct d'OpenAlex

Waterhemp biotypes have evolved resistance to Weed Science Society of America (WSSA) Herbicide Groups 2, 5, 9, 14, and 27 in Ontario Canada, are present in 15 counties, spanning a distance of 800 km across southern Ontario, and cause an average soybean yield loss of 42%. Five field experiments were established in growers’ fields in southwestern Ontario to determine the biologically effective doses of diflufenican (Group 12) applied preemergence (PRE) to control multiple herbicide-resistant waterhemp in soybean. The calculated diflufenican doses to elicit 50, 80, and 95% control of MHR waterhemp were 71, 164, and 304 g ai ha-1 at 2 weeks after herbicide application (WAA); 50, 115, and 214 g ai ha-1 at 4 WAA; and 69, 158, and 294 g ai ha-1 at 8 WAA, respectively. The calculated diflufenican doses that caused a 50, 80, and 95% reduction in MHR waterhemp density were 28, 70, and Non-est. g ai ha-1 and the doses that caused a 50, 80, and 95% reduction in MHR waterhemp biomass were 44, 109, and Non-est. g ai ha-1, respectively. The calculated diflufenican doses that resulted in 50, 80, and 95% of the soybean yield of the industry standard herbicide (flumioxazin/pyroxasulfone) were 3, 12, and 57 g ai ha-1, respectively. Diflufenican (180 g ai ha-1) PRE controlled MHR waterhemp 89, 92, and 85%; metribuzin (300 g ai ha-1) PRE controlled MHR waterhemp 94, 84, and 69%; and flumioxazin/pyroxasulfone (105/134 g ai ha-1) PRE controlled MHR waterhemp 100, 99, and 98% at 2, 4, and 8 WAA, respectively. Diflufenican, metribuzin, and flumioxazin/pyroxasulfone applied PRE reduced MHR waterhemp density 96, 84, and 100% and biomass 93, 67, and 99%, respectively at 8 WAA. Diflufenican, metribuzin, and flumioxazin/pyroxasulfone applied PRE caused 9, 0, and 4% visible soybean injury, respectively but the injury was transient and caused no adverse effect on seed moisture content or seed yield of soybean. This study concludes that diflufenican and metribuzin applied PRE provide comparable MHR waterhemp control; however, control was lower than flumioxazin/pyroxasulfone.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,013
Score d'incertitude au seuil0,025

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,233
Écart entre enseignants0,220 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2024
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetSoybean genetics and cultivationTravaux en français237 207