Managing production constraints to the reliability of chickpea (Cicer arietinum L.) within marginal areas of the northern grains region of Australia
Notice bibliographique
Résumé
The poor reliability of chickpea yield produced in the marginal (<600 mm rainfall) areas of the northern cropping zone is a constraint to the wide adoption of the crop. Chickpea is a valuable rotation crop and is currently the only viable winter grain legume suitable to this region. This paper uses results from in-crop monitoring and crop simulation, to identify practical management strategies to improve the reliability of chickpea crops in this region. APSIM-Chickpea successfully simulated the commercial yields of chickpea crops monitored during the study. Soil water at sowing and sowing date were identified as key determinants of yield. A ‘rule of thumb’ was derived, which showed that crops sown with a starting plant-available water of ~100 mm at sowing had an 80% probability of producing a better than break-even yield for the majority of the region and this was independent of the soil’s plant-available water capacity or crop sowing date. The probability of accumulating 100 mm of stored water in this western region is 90% following harvest of a May–sown wheat crop. Increased plant population improved crop yields in 60% of years, but this only translated to improved returns in ~50% of those years. The use of these simple management approaches will improve the reliability of chickpea production and ensure that these marginal areas have the option of a viable winter grain legume in their rotations.
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 | 0,001 | 0,003 |
| 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 | 0,001 | 0,001 |
| 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 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 ».