Winter Cover Crop Seeding Rate and Variety Affects during Eight Years of Organic Vegetables: II. Cover Crop Nitrogen Accumulation
Notice bibliographique
Résumé
Winter cover crops (CC) can improve nutrient use efficiency by scavenging residual soil N. Shoot nitrogen accumulation (NA) of rye ( Secale cereale L.), legume–rye, and mustard was determined in December to February or March during the first 8 yr of the Salinas Organic Cropping Systems (SOCS) trial focused on high‐value crops in Salinas, CA. By seed weight, legume–rye included 10% rye, 35% faba bean ( Vicia faba L.), 25% pea ( Pisum sativum L.), 15% common vetch ( V. sativa L.), and 15% purple vetch ( V. benghalensis L.); mustard included 61% Sinapis alba L., and 39% Brassica juncea Czern. 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. Early‐season NA was greatest in mustard. Nitrogen accumulation increased more gradually through the season in legume–rye than in other CC. Final NA (kg ha −1 ) was lower in rye (110) and mustard (114), than legume–rye (151), and varied by year. During December, SR increased NA in legume–rye by 41% but not for the other CC. Legumes contributed 36% of final NA in legume–rye, presumably from N scavenging and biological fixation. Nitrogen accumulation was highly correlated with shoot dry matter of legume–rye but not of rye or mustard. Seed costs per kg of NA were more than two times higher for legume–rye than rye and mustard. We conclude that high SR are necessary to hasten early season NA and minimize N leaching potential in legume–rye mixtures.
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 ».