Optimizing inputs for winter durum wheat in Ontario
Notice bibliographique
Résumé
Tamburic-Ilincic, L., Brinkman, J. M. P., Sparry, E. and Hooker, D. C. 2015. Optimizing inputs for winter durum wheat in Ontario. Can. J. Plant Sci. 95: 361–368. Best management practices need to be determined for a new wheat class in Ontario: winter durum. The objectives of this study were to determine optimal nitrogen rates (75, 100, and 125 kg N ha−1), seeding rates (400, 440, and 480 seeds m−2), and fungicide applications on the grain yield, grain protein, and leaf disease control of ‘OAC Amber’ winter wheat durum at five field locations in Ontario. Seeding rates between 400 and 480 seeds m−2 did not impact performance. Overall, fungicide applications at flag leaf and flowering increased grain yield by an average of 0.52 Mg ha−1, increased seed weight and test weight, reduced powdery mildew [Blumeria graminis (DC.) Speer f. sp. tritici emend. É.J. Marchal] and septoria leaf blotch [Mycosphaerella graminicola (Fuckel) J. Schröt.] in the canopy, but decreased grain protein from 128 to 126 g kg−1. Grain yields did not increase with N rates higher than 100 kg N ha−1, and the response to N rate did not depend on the application of fungicides. Grain protein concentrations increased with N rates up to 125 kg N ha−1, which was the highest N rate investigated in this study. An economic analysis is needed to determine the impact of agronomic management strategies specific to winter durum wheat in Ontario.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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) | 0,002 | 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 ».