Yield potential and forage quality of annual forage legumes in southern Alberta and northeast Saskatchewan
Notice bibliographique
Résumé
There is limited information on the adaptability of small and medium-seeded annual legumes in Western Canadian cropping systems. Pea (Pisum spp.), vetch (Vicia, Lathyrus spp.), medic (Medicago spp.), alfalfa (Medicago spp.), berseem clover (Trifolium alexandrinum L.), arrowleaf clover (T. vesiculosum L.), Persian clover (T. resupinatum L.), balansa clover [T. michelianum Savi. var. balansae (Boiss.) Azn.], rose clover (T. hirtum All.), crimson clover (T. incarnatum L.) and black lentil (Lens culinaris Medik.) were grown at Lethbridge and Brooks, Alberta, and at Melfort and Nipawin, Saskatchewan over a 2 or 3 yr period to assess their forage yield potential under irrigation and dryland conditions. Measurements included plant height, stand establishment, flowering date, forage yield and forage quality. Peas, winter and hairy vetch, and berseem clover were the top yielding species across locations (5452–6532 kg ha-1). Berseem clover, hairy vetch, winter vetch, Nitro alfalfa, and Persian clover yielded in excess of 9000 kg ha-1 under irrigation at Brooks. Hairy and winter vetches, Magnus pea, chickling vetch (Lathyrus sativus L.) and berseem clover yielded over 4300 kg ha-1 in dryland and rainfed locations at Lethbridge, Melfort and Nipawin. These entries had an upright growth habit, established quickly and were normally harvested twice. Crude protein concentration and yields were higher in legumes at irrigated locations in Alberta than rainfed locations in central Saskatchewan. Burr medic at the Brooks irrigated location produced the highest crude protein yield of 2495 kg ha-1. Berseem clover, Persian clover, Nitro alfalfa, hairy and winter vetches show promise as legumes in short term rotations, as green manures and intercrops for increasing forage quality in silage or late season grazing in Western Canada. Key words: Medicago, Trifolium, Vicia, Pisum, Lens, forage yield, forage 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 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 | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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 ».