MétaCan
Menu
← Retour à la cohorte
Enregistrement W7098333005

Weed Control, Environmental Impact and Profitability of Weed Management Strategies in

2016· article· en· W7098333005 sur OpenAlexaboutno aff

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEconomics, Econometrics and Finance
ThématiqueDiverse Scientific and Economic Studies
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésGlyphosateWeed controlWeedPesticideCropField experimentCrop yield
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Eleven field trials were conducted over a three-year period (2006-2008) at three locations in southwestern Ontario, Canada to evaluate the effect of various weed management strategies in glyphosate-resistant corn on weed control, crop injury, corn yield, environmental impact and profit margin. No visible injury resulted from the herbicide treatments evaluated. Overall, the effect of all factors assessed were location specific. By 56 days after treatment, depending on location, glyphosate applied at the 7-8 leaf stage (LPOST), preemergence (PRE) herbicides followed by (fb) glyphosate LPOST and sequential glyphosate applications (EPOST (3-4 leaf stage) followed by LPOST) provided more consistent control of annual broadleaf weeds and annual grasses compared to glyphosate applied alone EPOST. Weed control at 56 days after treatment was lower when glyphosate was applied alone LPOST compared to sequential applications of glyphosate or PRE herbicides fb glyphosate. There were no differences in corn yield among the sequential programs evaluated; however, a yield benefit was found when a sequential program was used compared to glyphosate applied alone LPOST. Among the sequential programs the lowest environmental impact was isoxaflutole/atrazine fb glyphosate. The lowest profit margins were associated with atrazine, S-metolachlor/atrazine/benoxacor, dicamba/atrazine and gly-phosate LPOST treatments compared to all other treatments. Overall, profit margins tended to be somewhat higher for treatments that included glyphosate applications. Based on these results, the most efficacious and profitable weed man-

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,227
Score d'incertitude au seuil0,452

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,015
Tête enseignante GPT0,193
Écart entre enseignants0,178 · 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
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetDiverse Scientific and Economic Studies→Travaux en français237 207→