Corn Yield Response to Drainage and Subirrigation in the Canadian Prairies
Notice bibliographique
Résumé
Subsurface drains are commonly used in humid regions to deal with high water tables. However, corn (Zea mays L.) could benefit from subsurface drainage even under semi-arid conditions where high-intensity rainfall causes the water table to rise within the root zone for short periods. In southern Manitoba, seasonally high water tables with high salinity have led to salinization of the root zone, making subsurface drainage an attractive option to increase yields. The objective of this research was to evaluate agronomic performance of corn under water table management using subirrigation and tile drainage. Four treatments were tested in this experiment: (1) controlled drainage with subirrigation (CDSI), (2)no drainage with overhead irrigation (NDIR), (3) free drainage with overhead irrigation (FDIR), and (4) no drainage with no irrigation (NDNI) as control. The impacts of these treatments on crop performance, measured by yield, kernel quality, plant biomass, and plant height, were evaluated over two growing seasons. In the first year, which was 57% wetter than the 30-year average, yields were 8.48 (NDNI), 10.36 (NDIR), 10.10 (FDIR), and 9.22(CDSI) Mg ha-1 with only the mean yield difference for the NDIR and the CDSI treatments being statistically significant (p = 0.014). In the second year, which was 16% drier than normal, yields were 9.25 (NDNI), 10.47 (NDIR), 11.28 (FDIR), and 9.49 (CDSI) Mg ha-1 with no statistically significant differences in 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 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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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 ».