MétaCan
Menu
← Retour à la cohorte
Enregistrement W1985601658 · doi:10.4141/p02-137

Productivity and profitability of straw-tillage and nitrogen treatments on irrigation in southern Alberta

2004· article· en· W1985601658 sur OpenAlexvenueaboutno aff
Elwin G. Smith, H. H. Janzen, T. Entz, J. M. Carefoot

Notice bibliographique

RevueCanadian Journal of Plant Science · 2004
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Carbon and Nitrogen Dynamics
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésStrawPloughTillageAgronomyFertilizerIrrigationLoamSeedingEnvironmental scienceMathematicsBiologySoil waterSoil science

Résumé

récupéré en direct d'OpenAlex

Straw-tillage treatment and N fertilizer rate were assessed for their impact on plant growth, N uptake, and profitability of irrigated cereals and oilseeds on a Dark Brown Chernozemic Lethbridge loam in southern Alberta. Straw was either retained or removed by baling. Tillage treatments were fall plowing, spring plowing, and direct seeding. Four N fertilizer rates (0, 50, 100, and 200 kg ha-1) were imposed on the straw-tillage treatments. The data were analyzed by crop using analysis of covariance with year and replication as random factors, straw-tillage treatment as a fixed effect, and fertilizer and fertilizer squared as covariates. Grain and straw yields were higher for fall plowing than for spring plowing or direct seeding at zero N rate, but were not different at the high N rate (200 kg ha-1). Grain and straw N concentrations were higher for fall plowing than spring plowing or direct seeding at the low N rate (50 kg ha-1), but similar at the high N rate. Total N uptake was higher for fall plowing or spring plowing without retaining straw than direct seeding without retaining straw or spring plowing with retaining straw at the low N rate, but similar at the high N rate. Net returns were higher for fall plowing and treatments that sold the straw, and were maximized at a N rate of about 100 kg ha-1. Key words: Crop residue, fertilizer nitrogen, economics, tillage timing, irrigation

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,793
Score d'incertitude au seuil0,416

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,199
Écart entre enseignants0,186 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2004
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Plant Science→Même sujetSoil Carbon and Nitrogen Dynamics→Travaux en français237 207→