Influence of Diverse Cropping Sequences on Durum Wheat Yield and Protein in the Semiarid Northern Great Plains
Notice bibliographique
Résumé
Crops grown in previous years impact the amounts of residual soil water and nutrients available for subsequent plant growth. Appropriate sequences allow efficient use of the available soil resources by the crop to increase yields at a system's level. This study was conducted to determine whether the grain yield and grain crude protein concentration (GCPC) of durum wheat ( Triticum turgidum L.) were related to crops grown in the previous 2 yr. Durum was grown following pulses [chickpea ( Cicer arietinum L.), lentil ( Lens culinaris Medik.), and dry pea ( Pisum sativum L.)], oilseed [mustard ( Brassica juncea L.) or canola ( B. napus L.)], and spring wheat ( Triticum aestivum L.) in southwest Saskatchewan from 1996 to 2000. Durum increased grain yields by 7% and GCPC by 11% when grown after pulse crops rather than after spring wheat. Durum after oilseeds increased grain yield by 5% and GCPC by 6%. Pulse and oilseed crops grown for the previous 2 yr increased durum grain yield 15% and GCPC 18% compared with continuous wheat systems. Fall residual soil NO 3 –N and available soil water accounted for 3 to 28% of the increased durum yield in two of five site‐years, whereas those two factors accounted for 12 to 24% of the increased GCPC in three of five site‐years. Durum grain yield was negatively related to GCPC. The relationship was stronger when durum was preceded by oilseeds compared with pulses. Broadleaf crops in no‐till cropping systems provide significant rotational benefits to durum wheat in the semiarid northern Great Plains.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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 ».