MétaCan
Menu
Retour à la cohorte
Enregistrement W2006193530 · doi:10.4141/cjps07078

Adaptation of alternative pulse and oilseed crops to the semiarid Canadian Prairie: Seed yield and water use efficiency

2008· article· en· W2006193530 sur OpenAlexafffundvenueabout
Sangamesh V. Angadi, B.G. McConkey, H. Cutforth, Perry R. Miller, D. Ulrich, F. Selles, K. M. Volkmar, Martin H. Entz, S.A. Brandt

Notice bibliographique

RevueCanadian Journal of Plant Science · 2008
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgronomic Practices and Intercropping Systems
Établissements canadiensUniversity of ManitobaAgriculture and Agri-Food Canada
Organismes subventionnairesAgriculture and Agri-Food CanadaWestern Grains Research Foundation
Mots-clésAgronomyCanolaSativumBiologyWater-use efficiencyCropWater useDrought toleranceCroppingField peaMonocultureCropping systemBrassica rapaBrassicaEnvironmental scienceIrrigationAgriculture

Résumé

récupéré en direct d'OpenAlex

Diversification and intensification of the cropping systems in the traditional wheat-fallow area of the semiarid Canadian prairie is necessary to improve sustainability. Selection of alternate crops to include in cropping systems requires information on production risks with different climate regimes. To understand water use/yield relationships of alternate crops, three pulse crops (leguminous grain crops) [chickpea (Cicer arietinum L.), pea (Pisum sativum L.) and lentil (Lens culinaris Medik.)], three oilseed crops [canola (Brassica napus L. and B. rapa L.) and mustard (B. juncea L.)], and one cereal crop [wheat (Triticum aestivum L.)] were studied under varying water regimes: during 1996–1998 under well-watered, rainfed, imposed drought conditions, and in 2001 under rainfed conditions. Generally, the relative ranking between crops for water use was maintained across water regimes, such that the crops separated into three general groups of water users (high: wheat, B. napus, mustard; medium: chickpea, B. rapa, lentil; low: pea) with pea using an average of 34 mm and 13 mm less water than high- and medium-water-using crop groups, respectively. The exceptions included desi chickpea, which tended to use less water and B. rapa, which tended to use more water relative to the other crops as water use decreased. Generally, pea and wheat produced the most grain and biomass, had the highest water use efficiency, and had moderately high to high harvest indices. Wheat and pea are well adapted to variable rainfall amounts inherent in semiarid climates. Desi chickpea and lentil produce good grain yields under dry conditions, and grain yields relative to those of other crops can be increased by some drought stress, especially mid- to late-season stress. Therefore, because of their relatively good performance under water-stressed conditions, they are also well adapted to semiarid climates. Conversely, the Brassica oilseeds yielded relatively poorly compared with wheat and pulse crops under severe water-stressed conditions, so they are not as well adapted to the semiarid climate. In 2001, grain yield of wheat and pulses seeded on stubble was ≥30% of the yield on fallow, whereas stubble-seeded Brassica oilseeds yielded only about 10% of that on fallow. Compared with stubble seeding, production of Brassica oilseeds on fallow will decrease the risk of very low yields under drought. We found little indication that mustard was more drought tolerant than B. napus. Key words: Yield, water use efficiency, oilseeds, pulse, semiarid prairie

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)0,001
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 enseignants0,108
Score d'incertitude au seuil0,217

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,000
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 Opus0,038
Tête enseignante GPT0,207
Écart entre enseignants0,169 · 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

Citations58
Publié2008
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Plant ScienceMême sujetAgronomic Practices and Intercropping SystemsTravaux en français237 207