Optimization of Tolpyralate for Weed Control in Corn (Zea mays L.)
Notice bibliographique
Résumé
Thirty field experiments were conducted from 2019-2021 at six locations in Ontario, Canada to optimize the efficacy of tolpyralate for weed control in corn. Two studies investigated the interaction between 4-hydroxyphenylpyruvate dioxygenase (HPPD)-inhibitors (tolpyralate, mesotrione, and topramezone) and reactive oxygen species (ROS)-generators (atrazine, bromoxynil, bentazon, and glufosinate) on annual weed species and one study focused on the interaction on glyphosate-resistant Canada fleabane. Co-application of HPPD-inhibitors and ROS-generators were generally synergistic or additive for weed control, but the response depended on the herbicide, rate of herbicide, weed species, and response parameter. In contrast to mesotrione, tolpyralate was antagonistic with glufosinate for common ragweed, Setaria spp., and barnyardgrass control at 8 weeks after application. The effective dose of atrazine to complement tolpyralate was established for seven annual weed species. Three separate studies identified that MSO Concentrate®, Merge®, or Carrier® adjuvants should be added to tolpyralate, tolpyralate + atrazine, or tolpyralate + bromoxynil.
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 | 0,000 | 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 | 0,001 | 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 ».