MétaCan
Menu
Retour à la cohorte
Enregistrement W7096833771

Biennial wormwood (Artemisia biennis) postemergence control in soybean. Weed Technol. 18

2004· article· en· W7096833771 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueWeed Control and Herbicide Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésWeedInterspecific competitionCompetition (biology)NitrogenField experimentGreenhouse
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Biennial wormwood has become a serious weed of several crops in the northern Great Plains of the United States and Prairie Provinces of Canada. Greenhouse replacement series experiments were con-ducted to investigate the effects of watering regime (stressed and non-stressed) and nitrogen rate (50, 100, 150, and 200 mg kg-1 of soil) on competition between soybean and biennial wormwood. Soybean height was reduced after 9 weeks of competition with biennial wormwood compared with soybean grown in monoculture, whereas biennial wormwood plants were taller when grown with soybean than in monoculture. The change in plant height indicated that biennial wormwood height was increased due to interspecific competition, whereas soybean height was reduced. When moisture was limited, the rela-tive yield of biennial wormwood was greater than that of soybean, indicating that biennial wormwood was more aggressive than soybean. Soybean growth was unaffected by an increase in nitrogen rate, whereas biennial wormwood fresh weight was 30 % greater when the nitrogen rate was increased from 50 to 200 mg kg-1. Biennial wormwood aggressivity tended to increase as the nitrogen rate was increased from 50 to 200 mg kg-1. Overall results suggest that the negative impact of biennial wormwood compe-tition with soybeans under field conditions may increase when soil moisture is limited and nitrogen fer-tility is increased.

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 enseignants0,005
Score d'incertitude au seuil0,010

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 Opus0,012
Tête enseignante GPT0,215
Écart entre enseignants0,203 · 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

Citations0
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetWeed Control and Herbicide ApplicationsTravaux en français237 207