Pea green manure management affects organic winter wheat yield and quality in semiarid Montana
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Miller, P. R., Lighthiser, E. J., Jones, C. A., Holmes, J. A., Rick, T. L. and Wraith, J. M. 2011. Pea green manure management affects organic winter wheat yield and quality in semiarid Montana. Can. J. Plant Sci. 91: 497–508. Organic farmers in semiarid Montana desire green manures that supply sufficient soil nitrate-N (NO3-N) to subsequent crops with minimal soil water depletion. Spring and winter pea (Pisum sativum L.) green manures were compared at the bloom and pod stages for soil NO3-N contribution and water use, and subsequent winter wheat (Triticum aestivum L.) grain yield and quality in a long-term organic farm in northern Montana. Winter wheat was managed with three additional variables (cultivar, row spacing, and seeding rate). Winter pea had 15–33 kg ha−1 greater shoot N content (at pod stage only), contributed 14–20 kg ha−1 greater soil NO3-N, used 26–31 mm less soil water, and increased winter wheat grain yield by 13–39% and protein by 1.5 percentage units (2007 only), compared with spring pea. Pea green manure type was of primary importance, pea manure termination timing and wheat cultivar generally were of secondary importance, and row spacing and seeding rate were relatively unimportant to wheat yield and quality. Although wheat yield and quality were superior following winter pea green manure in this study, grain protein concentrations were inadequate to meet organic milling industry standards following both green manure types. This suggests that a long-term organic farmer in semiarid northern Montana may not solely rely upon annual legume green manures to sufficiently condition soil NO3-N for milling wheat production.
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.
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 | 0,001 | 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 | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle