Establishment of Kura Clover No‐Tilled into Grass Pastures with Herbicide Sod Suppression and Nitrogen Fertilization
Notice bibliographique
Résumé
Sod‐seeding legumes into grass‐dominated pastures improve forage productivity and quality. Identical field experiments were established in May 2001–2002 at two sites in Québec and three in Minnesota. Our objective was to compare the establishment in perennial cool‐season grass sods of two sod‐seeded cultivars (‘Cossack’ and ‘Endura’) of Kura clover ( Trifolium ambiguum M.B.) against that of red clover ( Trifolium pratense L.) and white clover ( Trifolium repens L.) using different herbicide sod suppression intensities {paraquat, 1,1'‐dimethyl‐4,4'‐bipyridinium (0.9 kg a.i. ha −1 ) and glyphosate [ N ‐(phosphonomethyl) glycine] (0.8 or 3.3 kg a.i. ha −1 )}, without or with N fertilization (110 kg N ha −1 ). Establishment year plant density and dry matter (DM) production of both Kura clover cultivars were similar (avg. 90 plants m −2 , 390 kg DM ha −1 ), but were generally inferior to white clover (avg. 110 plants m −2 , 740 kg DM ha −1 ) and red clover (avg. 170 plants m −2 , 1450 kg DM ha −1 ). Paraquat did not sufficiently suppress the sod, resulting in lower legume populations and yields than glyphosate. Sod suppression using glyphosate, however, led to heavy seeding‐year weed infestation at two of three sites in Minnesota (avg. 2.2 Mg weed DM ha −1 ). Sod‐seeded Kura clover successfully established with glyphosate; however, its contribution to forage production in the sod‐seeding year remained minimal (<0.5 Mg ha −1 at four of five sites). Effects of N fertilization varied with species and herbicides; effects on Kura clover were inconsistent but rarely detrimental, while increasing total forage yields by an average of 40%. It is thus possible to establish Kura clover via sod‐seeding; however, its productivity in the seeding year remains minimal.
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 | 0,001 |
| 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 ».