Rotational Effects of Legumes and Non‐Legumes on Hybrid Canola and Malting Barley
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
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.
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 | 0,000 | 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) | 0,000 | 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