MétaCan
Menu
Retour à la cohorte
Enregistrement W6884622339 · doi:10.1139/cjps2012-181

Winter wheat (Triticum aestivum L.) tolerance to mixtures of herbicides and fungicides applied at different timings

2013· article· en· W6884622339 sur OpenAlexaboutno aff

Notice bibliographique

RevueBioOne Complete (BioOne) · 2013
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueWeed Control and Herbicide Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTebuconazoleFungicideWinter wheatPesticideField experiment

Résumé

récupéré en direct d'OpenAlex

Robinson, M. A., Cowbrough, M. J., Sikkema, P. H. and Tardif, F. J. 2013. Winter wheat (Triticum aestivum L.) tolerance to mixtures of herbicides and fungicides applied at different timings. Can. J. Plant Sci. 93: 491-501. Farmers commonly tank-mix herbicides and fungicides to reduce application costs. In the spring of 2008, there were reports of winter wheat injury with the application of herbicide-fungicide tank-mixes early in the growing season. This study was established to determine the tolerance of winter wheat to herbicide-fungicide mixtures as influenced by time of application. Field studies were conducted at four Ontario locations in 2009 and 2010 with three herbicides and four fungicides. Herbicide-fungicide tank-mixes were applied early, under cold conditions, and late at growth stage Zadoks 37-39. Dichlorprop/2,4-D mixed with tebuconazole caused up to 15% injury when applied early and up to 29% injury when applied late. Bromoxynil/MPCA mixed with tebuconazole injured wheat up to 15% when applied early but only 10% when applied late. Other herbicide and fungicide mixes caused a lower level of injury. Visible injury was transient and did not reduce winter wheat yields. The likelihood of tank-mixes causing injury was greater when they were applied late. The fungicide tebuconazole caused the highest level of injury when mixed with herbicides and injury was particularly high with dichlorprop/2,4-D.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,125
Tête enseignante GPT0,215
Écart entre enseignants0,090 · 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'étudeObservationnel
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

Citations1
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBioOne Complete (BioOne)Même sujetWeed Control and Herbicide ApplicationsTravaux en français237 207