MétaCan
Menu
Retour à la cohorte
Enregistrement W2034094045 · doi:10.2134/agronj2002.4500

Crop Residue Removal and Nitrogen Fertilization Affects Seed Production in Meadow Bromegrass

2002· article· en· W2034094045 sur OpenAlexaffabout
H. Loeppky, Bruce Coulman

Notice bibliographique

RevueAgronomy Journal · 2002
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueTurfgrass Adaptation and Management
Établissements canadiensAgriculture and Agri-Food CanadaAgriculture Food and Rural Development
Organismes subventionnairesnon disponible
Mots-clésAgronomyHuman fertilizationFertilizerResidue (chemistry)Field experimentCropCrop residueCrop yieldYield (engineering)BiologyAgriculture

Résumé

récupéré en direct d'OpenAlex

Seed yield in meadow bromegrass (Bromus riparius Rehm.) declines rapidly after two to three seed crops. This is a critical limitation to economic seed production. Field experiments were conducted at Saskatoon and Outlook, SK, Canada, to determine the influence of residue removal and N fertilization on seed yield. Three N treatments (0, 50, and 100 kg ha−1) were applied in September each year for the first three seed production years, and four residue removal treatments (none, after harvest, October, and after harvest + October) were applied in the second and third seed production years. Residue removal after harvest and N application (100 kg ha−1) increased yield 0 to 572 kg ha−1 in the second seed crop compared with the untreated control. In the third‐year seed crop, residue removal increased seed yield 30 to 90 kg ha−1. Application of N fertilizer increased third‐year seed yield 90 kg ha−1 at Outlook only. Mean seed yield was reduced in the third compared with the second crop year, regardless of treatment. Residue removal after harvest combined with the application of 100 kg N ha−1 increased the cumulative 2‐yr seed yield by 390 to 490 kg ha−1 compared with the untreated control. At the current seed price (Can$2.50 kg−1) and N fertilizer cost (Can$0.66 kg−1) of meadow bromegrass, the additional seed yield from residue removal and 100 kg N ha−1 would provide a net return of Can$975 to Can$1225 ha−1 on an additional investment of −1

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,024
Score d'incertitude au seuil0,047

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 Opus0,014
Tête enseignante GPT0,201
Écart entre enseignants0,188 · 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'étudeExpérimental (laboratoire)
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

Citations12
Publié2002
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAgronomy JournalMême sujetTurfgrass Adaptation and ManagementTravaux en français237 207