Performance of Timothy‐based Grass/Legume Mixtures in Cold Winter Region
Notice bibliographique
Résumé
Abstract This study sought to identify grass/legume mixtures that increase the yield and persistence of forage stands with improved nutritive quality in cold‐winter regions, compared with the standard mixture of timothy (Phleum pratense L.)/red clover (Trifolium pratense L.)/alsike clover (Trifolium hybridum L.). Timothy was mixed with either perennial ryegrass (Lolium perenne L.), meadow fescue (Festuca pratensis L.) or Kentucky bluegrass (Poa pratensis L.). The legumes in mixtures were red clover, alfalfa (Medicago sativa L.) or white clover (Trifolium repens L.). Averaged over three production years, the majority of mixtures had greater dry matter (DM) yields than the standard (8.35 t ha−1). Timothy, grown alone and in three mixtures, outyielded the standard by 19–30 %. Yield reductions in mixtures over the 3‐year period were greatest with red clover, and least with bluegrass. Mixtures with alfalfa were highest in nitrogen (28.4 g kg−1), while grasses grown alone (24.6 g kg−1) and the standard mixture (25.1 g kg−1) were the lowest in N. Mixtures with red clover or alfalfa had the least neutral detergent fibre (NDF), averaging 418 and 429 g kg−1 respectively. Mixtures including white clover were initially low in NDF at 347 g kg−1 in year 1 but increased to 550 g kg−1 in year 3 as white clover composition declined in the sward.
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 | 0,001 | 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 ».