Comparison of Rye and Legume–Rye Cover Crop Mixtures for Vegetable Production in California
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Rye ( Secale cereale L.) is an important cover crop in high‐value vegetable production in California. A 2‐yr winter study on organic farms in Salinas and Hollister, CA evaluated cover crop population densities, ground cover, aboveground dry matter (DM), and N content of rye and five legume–rye mixtures. Mixtures had 60 or 90% legumes by seed weight and included two or more of the following legumes: faba bean ( Vicia faba L.), vetches ( V. benghalensis L., V. dasycarpa Ten., V. sativa L.), and pea ( Pisum sativum L.). Seeding rates were 90 (rye) and 140 (mixtures) kg ha −1 , and densities were 142 to 441 plants m −2 Early‐season ground cover was usually greater in monoculture rye and the 60% legume mixtures than the 90% legume mixtures. Total DM, and legume and rye DM in mixtures differed by year, site, harvest, and cover crop. Total DM was usually at least two times higher at season end than mid‐season. The 90% legume mixtures generally produced more legume DM than the 60% legume mixtures, but legume DM usually declined after mid‐season. Rye DM increased with rye density. Total cover crop N uptake was greater in Hollister than Salinas; however, legume DM and legume N uptake were greater in Salinas. Interactions between site, year, cover crop, and harvest illustrate the complex growth dynamics of legume–rye mixtures. The 90% legume mixtures appear most suitable for vegetable production in California because they had a better balance of legume and rye DM at season end.
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.
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 | 0,000 | 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 découle