Integrating green manure and grazing systems: A review
Notice bibliographique
Résumé
Thiessen Martens, J. R. and Entz, M. H. 2011. Integrating green manure and grazing systems: A review. Can. J. Plant Sci. 91: 811–824. Green manuring, also referred to as cover cropping, is an ancient practice that is gaining popularity, especially in ecologically integrated farming systems. Much green manure research in Canada has focused on legumes, where green manure plant material is incorporated into soil. This review focuses on the role of livestock in utilizing traditional and novel green manure crops adapted to the Canadian prairies. Legume and non-legume green manure plant species are discussed in terms of suitability to grazing management by different livestock species. Integrating grazing livestock into green manure systems affects nutrient cycling and potential nitrogen (N) loss pathways. However, losses may not be substantially different from other production systems, especially when loss mitigation practices are employed. Grazing green manures may also affect soil biological and physical properties. We conclude that grazing green manures may provide economic as well as biological advantages over the traditional approach of soil incorporation. For example, a green manure biomass yield of 5000 kg ha −1 is sufficient to produce 175 kg ha −1 of animal live weight gain, providing a gross revenue of $385 to $770 ha −1 at April 2011 prices, while returning at least 75% of N and other nutrients to the field. Barriers to farmer adoption of grazed green manure systems include a lack of livestock management knowledge and infrastructure.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».