Inoculant formulation and fertilizer nitrogen effects on field pea: Crop yield and seed quality
Notice bibliographique
Résumé
Appropriate rhizobial inoculation and fertility management can increase field pea (Pisum sativa) seed yield and improve yield stability in western Canada. The objective of this study was to determine the effect of inoculation method and N fertilizer application on pea seed yield and quality. The effects of soil inoculant (granular) and seed-applied inoculant (peat powder or liquid) used with and without urea-N application on field pea were investigated in the Peace River region of Western Canada. At low applied N rates, field pea biomass was significantly higher for soil-applied inoculant as compared to seed-applied inoculant. Soil-applied inoculant resulted in 15, 18, 9 and 0% higher pea biomass yield at the flatpod stage than seed-applied inoculant at 0, 20, 40 and 80 kg N ha -1 , respectively. Averaged over all N rates, soil-applied inoculant resulted in 17, 50, and 56% higher pea seed yield than peat inoculant, liquid inoculant, or the uninoculated check, respectively. Soil-applied inoculant increased the proportion of the biological yield converted to seed compared to seed-applied inoculant. Seed protein concentration increased by 12 and 15% when inoculant was soil-applied compared with seedapplied or uninoculated pea, respectively. Without N fertilizer, soil-applied inoculant increased field pea biomass, seed yield and protein concentration and contributed to increasing yield stability compared with seed-applied inoculant. Key words: Granular inoculant, Pisum sativum, field pea, inoculation, seed protein, seed yield
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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) | 0,000 | 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 tête enseignante, 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 ».