Intensification of Field Pea Production: Impact on Agronomic Performance
Notice bibliographique
Résumé
Including grain‐legumes in cropping systems contributes to a reduction in greenhouse gas emissions and enhances agronomic and economic performance of cropping systems. The objective was to examine the potential for increasing the frequency of field pea ( Pisum sativum L.) (FP) in a spring wheat ( Triticum aestivum L.) (W)‐based cropping system. Three crop rotations, continuous pea (C‐Pea), W‐FP, and W‐W‐FP, were evaluated over a 10‐yr period (1998–2007) at Indian Head, SK. During the FPphase of C‐Pea and W‐FP, three starter N rates (5, 20, 40 kg N ha −1 ) were applied. One rate of N (80 kg N ha −1 ) was used in W. Rotation and N had similar effects on plant densities in either crop. Field pea grain yields were 25% lower with C‐Pea than W‐FP or W‐W‐FP but similar between W‐FP and W‐W‐FP. Starter N had some effect on FP grain yields at the higher N rate in W‐FP but not C‐Pea. Spring wheat grain yields were 3% greater on FP than W stubble. Grain protein in FP was 3.1% higher on C‐Pea than W‐P or W‐W‐FP while grain protein in W was 1 g kg −1 higher on FP than W stubble. Crop water use efficiency in FP and W was not affected by crop rotation. Based on the results of this study, we conclude that the frequency of FP in cropping systems in the subhumid and semiarid areas can be increased intermittently with only a 1‐yr cereal break between FP crops when combined with proper integrated crop management practices.
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 | 0,000 | 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) | 0,001 | 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 ».