MétaCan
Menu
Retour à la cohorte
Enregistrement W2007692483 · doi:10.2134/agronj2005.0079

Influence of Nitrogen Fertilization on Multi‐Cut Forage Sorghum–Sudangrass Yield and Nitrogen Use

2005· article· en· W2007692483 sur OpenAlexafffundabout
R. C. Roy

Notice bibliographique

RevueAgronomy Journal · 2005
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueBioenergy crop production and management
Établissements canadiensnon disponible
Organismes subventionnairesAgriculture and Agri-Food CanadaAgence Nationale de la Recherche
Mots-clésSorghumForageAgronomyNitrogenLoamFertilizerYield (engineering)Nitrogen fertilizerHuman fertilizationMathematicsHayAnimal scienceEnvironmental scienceChemistryBiologySoil waterSoil science

Résumé

récupéré en direct d'OpenAlex

Forage sorghum–sudangrass [ Sorghum bicolor (L.) Moench] is a relatively new crop to eastern Canada and the effects of additions of fertilizer N on yield, N accumulation, and N use efficiency are not available for this region. In 1998, 1999, and 2000 the response of forage sorghum–sudangrass to additions of fertilizer N rates (0, 50, 100, 150, 200, and 250 kg N ha −1 ) either applied as a single sidedress application or split into two sidedress applications was evaluated on a Fox loamy sand (Psammentic Hapludalf). Although timing of N application had little effect on DM production, splitting the N application into two equal applications may be of benefit by enhancing the NUE and ANR of individual cuts. Maximum yield was estimated at 5.95 Mg ha −1 at an N rate of 125 kg N ha −1 and the most economic rates of N ranged from 83 to 107 kg N ha −1 dependent on the cost of N fertilizer and value of hay. Nitrogen concentration increased linearly with increasing N application and the maximum N accumulation was 161 kg N ha −1 at an N rate of 196 kg N ha −1 . Total N use efficiency and apparent N recovery decreased with increasing N rates ranging from 36 to 11 kg DM kg −1 and 90 to 24%, respectively. Optimum yield and N efficiency occurred when 100 kg N ha −1 was applied as a split application. Producers in southern Ontario require N fertilizer additions to optimize sorghum–sudangrass yields but need to avoid overfertilization with N to maximize N use efficiency and apparent N recovery.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,427
Score d'incertitude au seuil0,174

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,027
Tête enseignante GPT0,221
Écart entre enseignants0,194 · 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 tête enseignante, 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

Citations56
Publié2005
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueAgronomy JournalMême sujetBioenergy crop production and managementTravaux en français237 207