Sweet Pearl Millet Yields and Nutritive Value as Influenced by Fertilization and Harvest Dates
Notice bibliographique
Résumé
Sweet pearl millet [ Pennisetum glaucum (L.) R.Br.] can be used for ethanol production from the extracted juice with residues used as livestock feed, but optimal fertilization and harvest dates are unknown for this “sugary stem” hybrid developed from forage pearl millet. We evaluated the effects of five equally spaced N fertilization rates (0–200 kg ha −1 ), K fertilization rates of 0 and 66 kg ha −1 , and four harvest dates (approximately every 15 d from early or mid‐August in 2007 and 2008) on water soluble carbohydrate (WSC) concentration and yield, dry matter (DM) yield, and nutritive value of sweet pearl millet, at two sites with 2300 to 2500 and 2900 to 3100 crop heat units (CHU) in Québec, Canada. Delaying harvest dates increased DM (22–99%) and WSC yields (98–173%), and WSC concentration but decreased N concentration by 36% and neutral detergent fiber digestibility (dNDF) by 19%. Increasing N fertilization increased DM and WSC yields, and N concentration, but had no effects on WSC concentration, and decreased dNDF moderately. Potassium fertilization had limited effects on DM and WSC yields, WSC concentration, and on most attributes of nutritive value. Fertilization with 78 to 90 kg N ha −1 and an accumulation of 2100 to 2200 CHU corresponding to harvest dates in September are required to maximize WSC yield (1.86–2.83 Mg ha −1 ) of sweet pearl millet in eastern Canada. Maximizing WSC yield with the goal of producing ethanol, however, would result in reduced nutritive value.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».