MétaCan
Menu
Retour à la cohorte
Enregistrement W2168583266 · doi:10.2135/cropsci2006.01-0023

Fertilization and Mowing Effects on Unimproved Mixed‐Species Hayfields in Quebec, Canada

2006· article· en· W2168583266 sur OpenAlexaffabout
Nikita S. Eriksen‐Hamel, Joann K. Whalen

Notice bibliographique

RevueCrop Science · 2006
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Carbon and Nitrogen Dynamics
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésNutrientAgronomyDry matterLeaching (pedology)FertilizerBiologyHuman fertilizationManureOrganic matterAnimal scienceSoil waterEcology

Résumé

récupéré en direct d'OpenAlex

The objective of this experiment was to evaluate the response of two unimproved mixed‐species hayfields in Quebec, Canada, to management regimes of high fertilization and intensive mowing. Dry matter and nutrient yields, tissue nutrient concentrations, and soil nutrient pools were determined in Bromus – Poa and Pleum – Lolium hayfields fertilized with inorganic fertilizer, liquid dairy manure, or no fertilizer and mown at different intensities (every 2 wk or unmown, during a 12‐wk period). Dry matter and nutrient yields, and tissue nutrient concentrations were similar in plots receiving inorganic and dairy manure fertilizers, but the dry matter yield was 0.6 to 2.8 Mg ha −1 higher in fertilized plots than the unfertilized control. Repeated mowing reduced dry matter yield by 1.5 to 2.7 Mg ha −1 , however, tissue nutrient concentration and nutrient yield were greater in mown than unmown plots. The apparent N recovery in a mown, fertilized Pleum – Lolium hayfield was greater than 100%, as the nutrient yields (143 kg N ha −1 ) were greater than the N fertilizer input of 75 kg N ha −1 Soil NO 3 − and microbial biomass N concentration were significantly ( P < 0.05, Tukey test) lower in fertilized plots that were mown every 2 wk than unmown during the study period. Frequent mowing may be a management option that can reduce soil residual N and thus limit NO 3 − leaching from mixed‐species hayfields.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,804
Score d'incertitude au seuil0,205

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,007
Tête enseignante GPT0,181
Écart entre enseignants0,174 · 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
Publié2006
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCrop ScienceMême sujetSoil Carbon and Nitrogen DynamicsTravaux en français237 207