The potential of legume-shrub mixtures for optimum forage production in southwestern Saskatchewan: A greenhouse study
Notice bibliographique
Résumé
Grazing in fall and early winter decreases the cost of beef production in southwe stern Saskatchewan. This grazing system can be improved by utilizing legume and native shrub species, which exhibit high nutritive value in the fall. To realize the system's full potential, a better understanding of optimum mixtures of legumes and shrubs is required. A greenhouse study was conducted to optimize mixtures of legumes and shrubs for economical pasture production. The first goal was to obtain better understanding of synergy from mixtures of legumes and native shrubs. The second goal was to estimate the changes in soil quality caused by growing legumes and shrubs in monocultures or mixtures. Legume species studied were: alfalfa (Medicago sativa L.) (Alf), purple prairie clover [Petalostemon purpureum (Vert.) Rydb] (Pr Cl) and American vetch (Vicia americana Muhl.) (Vetch); shrubs were: winterfat [Krascheninnkovia lanata (Pursh) Guldenstaedt] (Wf) and Gardner's saltbush [Atriplex gardneri (Moq.) D. Dietr.] (Sb). Treatments consisted of five monocultures, six mixtures and a control. Data on plant biomass, forage quality and soil quality parameters indicate that legume and shrub mixtures of Alf + Wf and/or Alf + Sb can potentially provide diversified forage sources, extended grazing periods and higher or similar yields with enhanced or similar forage quality than when grown separately. Key words: Legume, native shrub, forage production, forage quality, winterfat, saltbush
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 | 0,001 | 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 ».