Defoliation Regime Effects on Accumulated Season‐long Herbage Yield and Quality in Boreal Grassland
Notice bibliographique
Résumé
Abstract Within boreal grasslands, little information exists on the effects of initial defoliation date, frequency, and intensity on accumulated herbage yield and quality. We investigated the effects of initial defoliation in May, June or July, at heights of 5, 10 or 15 cm, and repeated at 2‐, 4‐ or 6‐week intervals throughout the growing season. Harvested material was combined with year‐end residual biomass, and examined for herbage removed, crude protein (CP), crude protein yield (CPY) and neutral detergent fibre (NDF). Compared to single defoliated check plots, total, grass and forb dry matter (DM) yields were lower under repeated defoliation by 25, 38 and 17 %, respectively. The majority of total herbage produced was harvested in the spring clipping. Total, grass and forb DM yields peaked under moderate (10 cm) clipping. Total DM and grass biomass were maximized with long (6 week) recovery periods. In contrast, forb biomass was greatest with May defoliation followed by a 4‐week interval. While maximum grass CPY was found under 10‐cm defoliation, forb CPY peaked with early and moderate to intensive defoliation. These results indicate that season‐long herbage biomass, along with CPY, can be maximized in boreal grasslands through controlled defoliation.
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 ».