MétaCan
Menu
Retour à la cohorte
Enregistrement W1991612117 · doi:10.1080/00103624.2011.542221

Kura Clover Response to Potassium Fertilization

2011· article· en· W1991612117 sur OpenAlexaff
Craig C. Sheaffer, Philippe Séguin

Notice bibliographique

RevueCommunications in Soil Science and Plant Analysis · 2011
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgronomic Practices and Intercropping Systems
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésAgronomyForageLotus corniculatusLegumeTrefoilRed CloverPerennial plantBiologyGroundcoverHuman fertilizationHay

Résumé

récupéré en direct d'OpenAlex

Kura clover (Trifolium ambiguum M.B.) is a persistent perennial forage legume that produces high-quality herbage for grazing, but its response to potassium (K), an essential plant nutrient, is unknown. Our objective was to determine the effect of four dipotassium oxide (K2O) rates on forage yields and stands of Kura clover compared to birdsfoot trefoil (Lotus corniculatus L.) and alfalfa (Medicago sativa L.). There was a significant linear response in Kura clover and alfalfa forage yields to K2O fertilization each year. Averaged over 4 years, Kura clover forage yield increased by 0.024 Mg ha–1 per kg of K2O applied, and the yield response was similar for alfalfa. Birdsfoot trefoil forage yield response to K2O fertilization was less than those of alfalfa and Kura clover. In the first 2 years after seeding, Kura clover forage yields were consistently less than for alfalfa at all rates of K2O fertilizer, but in subsequent years Kura clover yields were similar to or exceeded those of alfalfa. Final groundcover values, an estimate of stand density, of unfertilized (0 K2O rate) Kura clover, birdsfoot trefoil, and alfalfa were 86, 35, and 21%, respectively. Final groundcover of Kura clover and alfalfa was increased by K2O fertilization. We conclude that Kura clover has good persistence with low soil K fertility but stands and yields can be increased by fertilization.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,017

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 Opus0,084
Tête enseignante GPT0,283
Écart entre enseignants0,199 · 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'étudeExpérimental (laboratoire)
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

Citations1
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCommunications in Soil Science and Plant AnalysisMême sujetAgronomic Practices and Intercropping SystemsTravaux en français237 207