MétaCan
Menu
Retour à la cohorte
Enregistrement W1995083247 · doi:10.2134/agronj2002.7670

Tillage Effects on Corn Production in a Coarse‐Textured Soil in Southern Ontario

2002· article· en· W1995083247 sur OpenAlexaboutno aff
Jacqueline W. Schott, Peter H. White

Notice bibliographique

RevueAgronomy Journal · 2002
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueCrop Yield and Soil Fertility
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésTillageAgronomyConventional tillageEnvironmental scienceProductivityGrain yieldBiology

Résumé

récupéré en direct d'OpenAlex

Minimum tillage has been shown to slow early corn (Zea mays L.) growth and reduce grain yields in some soil types and under some climatic conditions. To overcome these limitations, the no‐till (NT) system can be modified by incorporating residues and loosening the soil in a zone over the center of the row while leaving the interrow area untilled. This study compares soil temperatures and corn growth and productivity under zone till (ZT), NT, and conventional tillage (CT) systems in a coarse‐textured soil (Psammentic Hapludalf) located in southwestern Ontario, Canada. Soil temperature at the 4‐cm depth decreased with decreasing tillage intensity from CT to NT during warmer years but was similar in CT and ZT during a cooler year. This resulted in reduced growing degree days in the seed zone with decreasing tillage. Lower soil temperatures in NT did not delay the initiation of corn seedling emergence but did reduce the rate of emergence compared with CT plots. Corn growth rates were found to be similar among tillage systems in the early part of the growing system but were higher for both the ZT and NT systems during late vegetative and early reproductive growth. Grain yields increased as tillage intensity decreased in a year with drier conditions at tasseling but were similar across tillage systems in the other 2 yr. These results suggest that converting a NT system to a ZT system would neither result in significantly higher yields, nor cause a serious grain yield reduction relative to CT.

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 enseignants0,035
Score d'incertitude au seuil0,096

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
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
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 Opus0,019
Tête enseignante GPT0,188
Écart entre enseignants0,170 · 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

Citations62
Publié2002
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAgronomy JournalMême sujetCrop Yield and Soil FertilityTravaux en français237 207