MétaCan
Menu
Retour à la cohorte
Enregistrement W2017413190 · doi:10.2134/agronj2010.0152

Comparison of Rye and Legume–Rye Cover Crop Mixtures for Vegetable Production in California

2011· article· en· W2017413190 sur OpenAlexaff
Eric B. Brennan, Nathan S. Boyd, Richard Smith, P. Foster

Notice bibliographique

RevueAgronomy Journal · 2011
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgronomic Practices and Intercropping Systems
Établissements canadiensNova Scotia Department of Agriculture
Organismes subventionnairesOrganic Farming Research Foundation
Mots-clésLegumeSecaleCover cropAgronomyVicia villosaMonocultureSativumBiologyCropGrowing seasonPopulation

Résumé

récupéré en direct d'OpenAlex

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.

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)0,000
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 enseignants0,076
Score d'incertitude au seuil0,152

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
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 Opus0,056
Tête enseignante GPT0,271
Écart entre enseignants0,215 · 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

Citations40
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAgronomy JournalMême sujetAgronomic Practices and Intercropping SystemsTravaux en français237 207