Optimizing harvest schemes to improve yield and feeding quality in chickpea
Notice bibliographique
Résumé
Late maturity often causes substantial losses in yield and quality of chickpea (Cicer arietinum L.) in the short growing season in western Canada. This study determined optimum harvest management practices to minimize losses due to late maturity. Kabuli chickpea was grown in southwestern Saskatchewan from 2002 to 2004, and seed and straw were harvested with various harvest management practices. Seed yield in 2004 was higher compared with 2002 and 2003, but the 2004 seed samples had a high percentage of shrivelled and green seeds. Seed yield, weight per seed and harvest index (HI) were highest when the crop was directly combined at natural maturity either before or after a killing (-5°C) frost. On average, swathing at early or late maturity stages decreased seed yield, weight per seed and HI significantly compared with direct combine practices. Seeds from the swathing treatments had high percentages of green and shrivelled seeds with high levels of fungal colonization. Both seed and straw from swathing had the poorest feeding quality measured as neutral detergent fibre, acid detergent fibre, and organic matter content and digestibility. Desiccation of chickpea plants with Reglone or low dosages of glyphosate when 80% of pods had turned colour did not advance plant maturity, nor did they affect seed yield or HI compared with direct combine practices. It is concluded that in the short growing season in western Canada, harvest of chickpea at natural maturity either prior to or after a killing frost may optimize the seed yield and quality. Regardless of harvest practices, the quality of both seed and straw in chickpea may be suitable as salvage feed materials for beef livestock. Key words: Cicer arietinum, desiccation, direct-combine, maturity, glyphosate stress, swath, salvage feed
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 | 0,000 | 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) | 0,000 | 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 ».