MétaCan
Menu
Retour à la cohorte
Enregistrement W2029009118 · doi:10.2134/agronj2001.934891x

Residue Removal and Nitrogen Fertilization Affects Tiller Development and Flowering in Meadow Bromegrass

2001· article· en· W2029009118 sur OpenAlexaffabout
H. Loeppky, Bruce Coulman

Notice bibliographique

RevueAgronomy Journal · 2001
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueTurfgrass Adaptation and Management
Établissements canadiensAgriculture Food and Rural DevelopmentAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésPanicleTiller (botany)AgronomyBiologyHuman fertilizationBromusPoaceae

Résumé

récupéré en direct d'OpenAlex

Flowering and seed yield in many temperate grasses are dependent on floral induction in the previous fall. Field experiments were conducted in Saskatchewan to determine the effect of crop residue removal and N fertilization on tiller and panicle development in meadow bromegrass (Bromus riparius Rehm.). Four residue removal treatments (none, after harvest, October, and after harvest + October) and three N treatments (0, 50, and 100 kg N ha−1) were applied in each of 2 yr. Tiller density and leaf stage were determined in fall and spring; panicle density was determined just before seed harvest each year. Removing crop residue generally increased tiller and panicle density. However, fall tiller density decreased at Saskatoon in 1996 due to dry conditions, regardless of residue removal. Because fewer tillers were present in the fall when conditions that promote flowering prevailed, panicle density was reduced by 62% compared with the previous year. Nitrogen generally did not affect tiller density or development. However, in the spring of 1996, 100 kg N ha−1 with a single residue removal increased leaf stage from 2.4 to 2.6 leaves tiller−1. This rate of N with double residue removal reduced leaf stage to 2.2 leaves tiller−1 due to winter injury. Fall tiller density and panicle production were similarly affected. As a result of winter injury and drought, fall tiller density and development were not highly or frequently correlated with panicle or seed production. Hence, fall tiller density and development in the prior year cannot be used as a tool to predict seed yield.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,025
Score d'incertitude au seuil0,050

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
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 Opus0,011
Tête enseignante GPT0,206
Écart entre enseignants0,195 · 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

Citations20
Publié2001
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAgronomy JournalMême sujetTurfgrass Adaptation and ManagementTravaux en français237 207