Turfgrass Evaluation of Native Grasses for the Northern Great Plains Region
Notice bibliographique
Résumé
ABSTRACT A range of native grass species evolved under the environmental extremes of a continental climate in the northern Great Plains, but most have not been evaluated for their suitability as turf. The objective of this research was to evaluate the turfgrass potential of a range of native grasses under three mowing heights. Twelve species (a total of 28 entries) were evaluated under three mowing heights (62, 38, and 18 mm), for turf quality, color, and density at two locations in Manitoba, Canada. The species evaluated included alpine bluegrass (Poa alpina L.), alkali grass [Puccinellia nuttalliana (Schult.) Hitchc.], alpine fescue [Festuca ovina L. var. brachyphylla (Schult. & Schult. f.) Piper, syn. F. brachyphylla Schult. & Schult. f.], blue grama [Bouteloua gracilis (Kunth) Lag. ex Griffiths], buffalograss {Buchloe dactyloides (Nutt.) Engelm. [= Bouteloua dactyloides (Nutt.) Columbus]} Canada bluegrass (Poa compressa L.), fescue spp., fowl bluegrass (Poa palustris L.), Idaho bentgrass (Agrostis idahoensis Nash), marsh muhly [Muhlenbergia racemosa (Michx.) Britton et al.], prairie junegrass [Koeleria macrantha (Ledeb.) Schult.], rough hairgrass {Agrostis scabra Willd. [= A. hyemalis var. scabra (Willd.) H. L. Blomq.]}, side‐oats grama [Bouteloua curtipendula (Michx.) Torr.], and tufted hairgrass [Deschampsia cespitosa (L.) P. Beauv.]. Entries showed similar results across all mowing heights. ‘Bad River’ blue grama, Minnesota ecotype blue grama, and ‘Barkoel’ prairie junegrass entries showed high quality ratings across all years and locations. Blue grama, a warm‐season grass, was drought tolerant and maintained consistent green color throughout the growing season. Although a number of the species showed promise, most entries will require a breeding and selection program before release as low‐maintenance turfgrasses.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».