Influence of population density, row spacing and hybrid on forage corn yield and nutritive value in a cool-season environment
Notice bibliographique
Résumé
Increasing yield for silage and grazing in cool, short-season areas may be possible by planting corn (Zea mays L.) at high population densities and at narrow row spacing. The objective was to determine how population density (75 000, 100 000, and 125 000 plants ha -1 ) and row spacing (standard: 76 cm and narrow: 38 cm) affected whole-plant yield, yield-related parameters, and nutritive value of two corn hybrids grown at Brooks and Lacombe, Alberta during 2 yr. The hybrids (Pioneer 39F45 and 39N03) were rated at 2000 Ontario corn heat units (CHU). Trial, hybrid, population density and row spacing interacted to influence whole-plant yield. Population density had a greater impact on whole-plant yield than row spacing and hybrid choice. Generally, yield leveled off at 100 000 plants ha -1 when the interaction of all effects was considered. Leaf area index (LAI) and whole-plant yield at this density were 2.68 and 12.0 Mg ha -1 , respectively. Narrow compared with standard row spacing had positive effects on whole-plant yield of one hybrid, but not the other and improved LAI at 75 000 plants ha -1 , but not at the other plant densities. Increasing plant density and reducing row spacing had only minor effects on whole-plant nutritive value. Growing corn in narrow rows to accommodate prevalent planting equipment should have no adverse effects on whole-plant corn production in short-season areas of Canada. However, when considering changes in corn management to maximize whole-plant yield narrow row spacing is not as important as achieving a plant density of approximately 100 000 plants ha -1 . Key words: Corn, Zea mays L., nutritive value, population density, row width, silage yield
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».