MétaCan
Menu
Retour à la cohorte
Enregistrement W2163056359 · doi:10.1590/s0100-204x2001000300010

Effect of intercropping wheat with forage legumes on wheat production and ground cover

2001· article· en· W2163056359 sur OpenAlexaff
G. O. Tomm, R. K. Foster

Notice bibliographique

RevuePesquisa Agropecuária Brasileira · 2001
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgronomic Practices and Intercropping Systems
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésIntercroppingAgronomyRed CloverLotus corniculatusLegumeTrifolium subterraneumTrifolium repensCultivarBiologyForageCover cropPastureYield (engineering)

Résumé

récupéré en direct d'OpenAlex

The use of winter legumes in southern Brazil is hindered by the slow growth of these species during establishment exposing soil surface to erosion. Introduction of these species along with spring wheat (Triticum aestivum L.) was studied as a means of increasing ground cover during their initial establishment period, without reducing wheat grain yield. Two experiments were conducted in nearby areas, one in each year. Birdsfoot trefoil (Lotus corniculatus L.), red clover (Trifolium pratense L.) cultivar Quiñequelli, white clover (T. repens L.), and arrowleaf clover (T. vesiculosum Savi) did not reduce cereal yield in either year. Wheat yield was reduced by intercropped red clover cultivar Kenland and by subclover (T. subterraneum L.) in the first year. No grain yield differences due to intercropping with any legume were detected in the second year, when rainfall was below normal. Intercropping with wheat showed to be a practical alternative to enhance ground cover at establishing forage legumes.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,637
Score d'incertitude au seuil0,412

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,001
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 Opus0,017
Tête enseignante GPT0,242
Écart entre enseignants0,224 · 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

Citations4
Publié2001
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePesquisa Agropecuária BrasileiraMême sujetAgronomic Practices and Intercropping SystemsTravaux en français237 207