The silver bullet that wasn’t: Rapid agronomic weed\nadaptations to glyphosate in North America
Notice bibliographique
Résumé
The rapid adoption of glyphosate-resistant crops at the end of the 20th century caused a simplification of weed management that relied heavily on glyphosate for weed control. However, the effectiveness of glyphosate has diminished. A greater understanding of trends related to glyphosate use will shed new light on weed adaptation to a product that transformed global agriculture. Objectives were to (1) quantify the change in weed control efficacy from postemergence (POST) glyphosate use on troublesome weeds in corn and soybean and (2) determine the extent to which glyphosate preceded by a preemergence (PRE) improved the efficacy and consistency of weed control compared to glyphosate alone. Herbicide evaluation trials from 24 institutions across the United States of America and Canada from 1996 to 2021 were compiled into a single database. Two subsets were created; one with glyphosate applied POST, and the other with a PRE herbicide followed by glyphosate applied POST. Within each subset, mean and variance of control ratings for seven problem weed species were regressed over time for nine US states and one Canadian province. Mean control with POST glyphosate alone decreased over time while variability in control increased. Glyphosate preceded by a labeled PRE herbicide showed little change in mean control or variability in control over time. These results illustrate the rapid adaptation of agronomically important weed species to the paradigm-shifting product glyphosate. Including more diversity in weed management systems is essential to slowing weed adaptation and prolonging the usefulness of existing and future technologies.
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 distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 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 | 0,005 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».