MétaCan
Menu
Retour à la cohorte
Enregistrement W2086902164 · doi:10.2134/agronj2007.0182

Do Cultivar and Burning Affect Forage Yield and Incidence of Verticillium Wilt or Insect Pests in Alfalfa Stands?

2008· article· en· W2086902164 sur OpenAlexaffabout
S. N. Acharya, Hsiao‐Wen Huang, Héctor A. Cárcamo, Saikat Basu, T. Entz, Scott Erickson, D. Friebel

Notice bibliographique

RevueAgronomy Journal · 2008
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueWeed Control and Herbicide Applications
Établissements canadiensAgriculture and Agri-Food CanadaUniversity of Lethbridge
Organismes subventionnairesnon disponible
Mots-clésAgronomyVerticillium wiltBiologyCultivarForageVerticillium dahliaePEST analysisCropMedicago sativaCover cropHorticulture

Résumé

récupéré en direct d'OpenAlex

Alfalfa (Medicago sativa L.) is one of the most important forage crops in Canada and many parts of the world. Two experiments were conducted over a 13‐yr period (1989–2002) in Lethbridge, Alberta, Canada with five alfalfa cultivars. In the first experiment, ‘Barrier’ and ‘Pacer’ were given three burn treatments (no burn, burn every year, and burn in alternate years) while in the second experiment four cultivars ‘Barrier’, ‘Heinrichs’, ‘Trumpetor’, and ‘Legend’ were given burn or no burn treatments to determine the impact of burning of crop residues on forage yield, incidence of verticillium wilt, and insect pest abundance. Burning did not affect forage yield or incidence of verticillium wilt of alfalfa. Barrier had the highest yield and lowest disease incidence. Burning had a significant albeit variable impact on abundance of alfalfa plant bugs, lygus bugs, aphids, and leafhoppers but not on abundance of alfalfa weevil. The lack of effectiveness of the burning treatments on forage yield and adverse environmental consequences of burning such as air pollution, hazardous loss of visibility during burning operations, and loss of crop cover suggest that burning should not be used as a production strategy for this widely grown crop.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,058
Score d'incertitude au seuil0,115

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,036
Tête enseignante GPT0,240
Écart entre enseignants0,205 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAgronomy JournalMême sujetWeed Control and Herbicide ApplicationsTravaux en français237 207