Winter Cover Crop Seeding Rate and Variety Affects during Eight Years of Organic Vegetables: I. Cover Crop Biomass Production
Notice bibliographique
Résumé
Long‐term research on cover crops (CC) is needed to design optimal rotations. Winter CC shoot dry matter (DM) of rye (Secale cerealeL.), legume–rye, and mustard was determined in December to February or March during the first 8 yr of the Salinas Organic Cropping Systems trial focused on high‐value crops in Salinas, CA. By seed weight, legume–rye included 10% rye, 35% faba (Vicia fabaL.), 25% pea (Pisum sativumL.), and 15% each of common vetch (V. sativaL.) and purple vetch (V. benghalensisL.); mustard included 61% Sinapis albaL. and 39% Brassica junceaCzern. Cover crops were fall‐planted at 1x and 3x seeding rates (SR); 1x SR were 90 (rye), 11 (mustard), and 140 (legume–rye) kg ha−1. Vegetables followed CC annually. Cover crop densities ranged from 131 to 854 plants m−2and varied by CC, SR, and year. Year, CC, and SR affected DM production, however, the effects varied across the season and interactions occurred. Averaged across years, final DM was greater in rye and legume–rye (7 Mg ha−1) than mustard (5.6 Mg ha−1), and increased with SR through January. Dry matter production through the season was correlated significantly with growing degree days (GDD). Legumes contributed 27% of final legume–rye DM. Season‐end legume DM was negatively correlated with GDD at 30 d, and legume DM in the 3x SR increased during years with frequent late‐season rainfall. Seed costs per Mg of final CC DM at 1x SR were approximately three times higher for legume–rye than rye and mustard.
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 ».