Rotational Effects of Legumes and Non‐Legumes on Hybrid Canola and Malting Barley
Notice bibliographique
Résumé
High costs of fertilizer in western Canada have generated interest in alternative N sources. Legumes produce N through fixation, and may increase soil residual and mineralizable N, thus reducing the need for fertilizer N in subsequent crops. Hybrid canola (Brassica napus L.) has a high N requirement for optimum yield, but knowledge of rotational effects of legumes on canola is limited. The objective was to determine the effects of legume and non‐legume preceding crops on yield and quality of canola grown the following year and malting barley (Hordeum vulgare L.) grown after canola. Field pea (Pisum sativum L.), lentil (Lens culinaris Medik.), faba bean (Vicia faba L.), canola, and wheat (Triticum aestivum L.) harvested for grain, and faba bean grown as a green manure were direct‐seeded at seven locations in 2009. Canola was seeded in 2010 and barley in 2011, with fertilizer N applied at 0, 30, 60, 90, and 120 kg ha−1. On average, all legumes, except faba bean for seed, produced higher canola and barley yields than when wheat was the preceding crop. Faba bean green manure produced the highest yields, while canola on canola produced the lowest canola yield. The legumes had little negative effect on canola oil or barley protein concentration. Yields of both crops increased with increasing N rate, but canola oil concentration decreased, and barley protein increased. The results indicate that growing legumes for seed before hybrid canola can improve canola and subsequent barley yield without negatively affecting canola oil or malting barley protein.
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 | 0,000 |
| 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) | 0,001 | 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 ».