Soil and Water Quality Rapidly Responds to the Perennial Grain Kernza Wheatgrass
Notice bibliographique
Résumé
Perennial grain cropping systems could address a number of contemporary agroecological problems, including soil degradation, NO3 leaching, and soil C loss. Since it is likely that these systems will be rotated with other agronomic crops, a better understanding of how rapidly perennial grain systems improve local ecosystem services is needed. We quantified soil moisture, lysimeter NO3 leaching, soil labile C accrual, and grain yields in the first 2 yr of a perennial grain crop under development [kernza wheatgrass, Thinopyrum intermedium (Host) Barkworth & D.R. Dewey] relative to annual winter wheat (Triticum aestivum L.) under three management systems. Overall, differences between annual and perennial plants were much greater than differences observed due to management. In the second year, perennial kernza reduced soil moisture at lower depths and reduced total NO3 leaching (by 86% or more) relative to annual wheat, indicating that perennial roots actively used more available soil water and captured more applied fertilizer than annual roots. Carbon mineralization rates beneath kernza during the second year were increased 13% compared with annual wheat. First‐year kernza grain yields were 4.5% of annual wheat, but second year yields increased to 33% of wheat with a harvest index of 0.10. Although current yields are modest, the realized ecosystem services associated with this developing crop are promising and are a compelling reason to continue breeding efforts for higher yields and for use as a multipurpose crop (e.g., grain, forage, and biofuel).
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 source (Gemma direct ou Codex distillé), 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 ».