MétaCan
Menu
Retour à la cohorte
Enregistrement W2027762926 · doi:10.4141/cjss06022

The influence of nitrogen, phosphorus and potash fertilizer application on oat yield and quality

2007· article· en· W2027762926 sur OpenAlexafffundvenueabout
Ramona M. Mohr, Cynthia A. Grant, William E. May, F. Craig Stevenson

Notice bibliographique

RevueCanadian Journal of Soil Science · 2007
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueCrop Yield and Soil Fertility
Établissements canadiensUniversity of SaskatchewanAgriculture and Agri-Food Canada
Organismes subventionnairesAgriculture and Agri-Food CanadaWestern Grains Research Foundation
Mots-clésPotashAvenaPhosphorusYield (engineering)FertilizerAgronomyPotassiumNutrientTest weightAnimal scienceNitrogenNutrient managementChemistryMathematicsGrain yieldBiology

Résumé

récupéré en direct d'OpenAlex

Western Canada has become one of the key production areas for oat (Avena sativa L.) in North America. Limited information is available regarding fertilizer management strategies to optimize yield and quality in this environment. An experiment was conducted at two locations in southern Manitoba in 2000, 2001 and 2002 to assess the impact of factorial combinations of N (0, 40, 80, 120 kg N ha -1 as urea), P (0, 13, 26 kg P ha -1 as monoammonium phosphate), and KCl (0, 33 kg K ha -1 ) on the growth, yield and quality of AC Assiniboia oat. Low to moderate N rates significantly increased yield, with optimum relative yield achieved with a plant-available N supply of approximately 100 kg N ha -1 . Increasing N rate also increased lodging and reduced test weight, kernel weight and kernel plumpness, suggesting that optimal N management must balance yield improvement against reductions in grain quality. Phosphorus application increased yield in 2 of 6 site-years, but had no overall effect on quality. Application of KCl resulted in small increases in yield (88 kg ha -1 ), kernel weight and kernel plumpness on moderate to high K soils, which were not likely to provide a significant economic benefit. The lack of consistent interactions among N, P, and KCl suggests that these nutrients may be managed individually. Key words: Oat, nitrogen, phosphorus, potassium chloride, yield, quality

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,275
Score d'incertitude au seuil0,983

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,022
Tête enseignante GPT0,241
Écart entre enseignants0,219 · 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 tête enseignante, 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

Citations42
Publié2007
Routes d'admission4
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Soil ScienceMême sujetCrop Yield and Soil FertilityTravaux en français237 207