Pre‐Sidedress Nitrate Test and Other Crop‐Based Indicators for Fresh Market and Processing Sweet Corn
Notice bibliographique
Résumé
Commercial sweet corn ( Zea mays L.) production requires significant quantities of fertilizer N, leading to inefficient N use and negative environmental impact. A field experiment was conducted for 4 yr (2001–2004) in Ottawa, Canada, to assess and compare presidedress soil nitrate test (PSNT) with some crop‐based measurements (canopy reflectance, leaf chlorophyll and plant total N) for improved N management. A fresh market sweet corn (FMSC, hybrid ‘Temptation’) grown from 2001 to 2003, and a processing sweet corn (PSC, hybrid ‘Hollywood’) from 2002 to 2004, both received five fertilizer N rates (0, 50, 100, 150, and 200 kg N ha −1 ). Soil samples taken from the V4 to V8 growth stages were analyzed for NO 3 − –N. Leaf chlorophyll content (SPAD) and canopy reflectance were also measured for FMSC at the same time. All N treatments affected the number of marketable ears, kernel dry weight and total biomass production. However, in most cases, there was no difference between N treatments from 100 to 200 kg ha −1 . The PSNT NO 3 − –N increased linearly with the fertilizer N rates, and there were significant positive correlations between PSNT at V4 to V6 and the number of marketable ears. It was evident that PSNT, plant N concentration at V6, SPAD and canopy reflectance all differentiated sweet corn N response similarly, and they were highly correlated with one another. We concluded that PSNT at V4 to V6 was effective in predicting sweet corn N requirement in this cool and short‐growing region.
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 | 0,001 | 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 ».