Sparse‐Flowering Orchardgrass Represents an Improvement in Forage Quality During Reproductive Growth
Notice bibliographique
Résumé
ABSTRACT Orchardgrass ( Dactylis glomerata L.) is a major component of many pastures in temperate North America. Early and profuse flowering in pastures is problematic, because livestock refuse to consume flowering stems, prompting many graziers to simply avoid using this species. The objective of this research was to determine the impact of reduced flowering on the quality of harvested forage under two harvest managements of orchardgrass. Six cultivars, three normal cultivars and three sparse‐flowering cultivars (mean panicle density of 141 vs. 61 panicles m⁻ 2 , respectively), were evaluated in field experiments at 21 locations in North America under a 3‐cut harvest management. These cultivars were also evaluated at seven locations under a 5‐cut harvest management. Sparse‐flowering cultivars averaged 9% greater crude protein (CP), 3% lower neutral detergent fiber (NDF), 2% greater NDF digestibility, and 2% greater in vitro dry matter digestibility (IVDMD) than normal cultivars. For the two digestibility measures, differential panicle density between the cultivar groups explained a significant portion of variability, indicating that the increase in forage quality was proportional to the decrease in panicle density below a threshold of about 50 panicles m⁻ 2 . Lastly, differences in regrowth forage quality between cultivar groups were smaller, less consistent, and of lesser statistical significance than for first harvest. While selection for sparse flowering in orchardgrass resulted in significant cause‐and‐effect increases in first‐harvest forage quality, these effects were too small to offset the reduced forage yield associated with the sparse‐flowering trait.
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 | 0,001 | 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 | 0,000 | 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 ».