MétaCan
Menu
Retour à la cohorte
Enregistrement W4404726991 · doi:10.1017/wsc.2024.33

Herbicide resistance is complex: a global review of cross-resistance in weeds within herbicide groups

2024· review· en· W4404726991 sur OpenAlex

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueWeed Science · 2024
Typereview
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueWeed Control and Herbicide Applications
Établissements canadiensAgriculture and Agri-Food CanadaUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésHerbicide resistanceResistance (ecology)Cross-resistanceAgronomyBiologyWeed controlMicrobiology

Résumé

récupéré en direct d'OpenAlex

Abstract Herbicides have been placed in global Herbicide Resistance Action Committee (HRAC) herbicide groups based on their sites of action (e.g., acetolactate synthase–inhibiting herbicides are grouped in HRAC Group 2). A major driving force for this classification system is that growers have been encouraged to rotate or mix herbicides from different HRAC groups to delay the evolution of herbicide-resistant weeds, because in theory, all active ingredients within a herbicide group physiologically affect weeds similarly. Although herbicide resistance in weeds has been studied for decades, recent research on the biochemical and molecular basis for resistance has demonstrated that patterns of cross-resistance are usually quite complicated and much more complex than merely stating, for example, a certain weed population is Group 2-resistant. The objective of this review article is to highlight and describe the intricacies associated with the magnitude of herbicide resistance and cross-resistance patterns that have resulted from myriad target-site and non–target site resistance mechanisms in weeds, as well as environmental and application timing influences. Our hope is this review will provide opportunities for students, growers, agronomists, ag retailers, regulatory personnel, and research scientists to better understand and realize that herbicide resistance in weeds is far more complicated than previously considered when based solely on HRAC groups. Furthermore, a comprehensive understanding of cross-resistance patterns among weed species and populations may assist in managing herbicide-resistant biotypes in the short term by providing growers with previously unconsidered effective control options. This knowledge may also inform agrochemical company efforts aimed at developing new resistance-breaking chemistries and herbicide mixtures. However, in the long term, nonchemical management strategies, including cultural, mechanical, and biological weed management tactics, must also be implemented to prevent or delay increasingly problematic issues with weed resistance to current and future herbicides.

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.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,885
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0000,007
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0030,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,055
Tête enseignante GPT0,352
Écart entre enseignants0,297 · 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