MétaCan
Menu
Retour à la cohorte
Enregistrement W2145380895 · doi:10.2134/agronj2006.0350

Nitrogen Management of Brown Midrib Sorghum × Sudangrass in the Northeastern USA

2007· article· en· W2145380895 sur OpenAlexfundno aff
Quirine M. Ketterings, Jerry H. Cherney, Greg Godwin, Tom Kilcer, Peter Barney, S. Beer

Notice bibliographique

RevueAgronomy Journal · 2007
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueRuminant Nutrition and Digestive Physiology
Établissements canadiensnon disponible
Organismes subventionnairesMinistère de l'Énergie et des Ressources NaturellesAgence Nationale de la Recherche
Mots-clésSorghumSowingAgronomyForageDry matterSilageNitrogenCropFodderLegumeSweet sorghumManureSorghum bicolorMathematicsBiologyAnimal scienceChemistry

Résumé

récupéré en direct d'OpenAlex

Brown midrib (BMR) forage sorghum [ Sorghum bicolor (L.) Moench.] × sudangrass ( Sorghum sudanense Piper) hybrids (S × S) have been considered as a possible forage alternative to maize silage ( Zea mays L.) where maize planting is delayed due to wet soil conditions. Our objective was to determine the most economic rate of nitrogen (MERN) for BMR S × S grown in a two‐cut management system with a split application of N. Six field trials were conducted in New York in 2003 and 2004. One trial followed a grass–legume sod; a second trial had received liquid manure 19 mo before S × S planting. The remaining four followed S × S, silage maize, and/or a small grain crop. The MERN ranged from 137 to 192 kg N ha −1 cut −1 with dry matter (DM) yield ranging from 7.8 to 9.7 Mg ha −1 at the sites without additional N input. At the sites with prior N inputs, yield was higher (10.4–13.8 Mg ha −1 ) and MERN lower. The apparent nitrogen recovery (ANR) at the MERN was highest (61–73%) for the sites with prior N inputs. Nitrogen application rates > 145 kg N ha −1 cut −1 decreased nitrogen use efficiency (NUE) to <15 kg DM kg −1 N, while the ANR became <45%. We concluded that the MERN for BMR S × S grown in New York in a two‐cut system following maize, small grains, or forage S × S is 125 to 145 kg N ha −1 cut −1 . For sites that follow sod plow‐down or recent manure application, N application rates should not exceed 40 to 60 kg N ha −1 cut −1

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,157
Score d'incertitude au seuil0,236

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 Opus0,022
Tête enseignante GPT0,237
Écart entre enseignants0,215 · 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 tête enseignante, 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

Citations39
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAgronomy JournalMême sujetRuminant Nutrition and Digestive PhysiologyTravaux en français237 207