Weather effects on corn response to in-season nitrogen rates
Notice bibliographique
Résumé
Xie, M., Tremblay, N., Tremblay, G., Bourgeois, G., Bouroubi, M. Y. and Wei, Z. 2013. Weather effects on corn response to in-season nitrogen rates. Can. J. Plant Sci. 93: 407–417. The response of corn yield to in-season nitrogen rate (ISNR) fertilizer applications in a temperate humid climate is conditioned to a great extent by prevailing weather conditions, which affect nitrogen use efficiency and raise the level of uncertainty for making management decisions. A better understanding of the effects of temperature, expressed as accumulated corn heat units (CHU), and precipitation would help to ensure that a “closer-to-optimal” nitrogen rate is supplied at side-dressing. A meta-analysis was performed using a database of nitrogen response trials conducted from 1997 to 2008 in 60 locations in the corn grain production area of Québec, in conjunction with a weather database. Meta-analysis is a statistical procedure for combining results from a series of studies that is used in many fields of research. It is used to assess treatment effect (also called effect size) in a group of studies or experiments. Corn yield response to ISNR was negatively correlated with overall CHU accumulation, but positively correlated with CHU accumulation before side-dressing. Responses also showed a stronger relationship with cumulative precipitation (PPT) before side-dressing than after side-dressing. High and evenly distributed precipitation before side-dressing tended to increase responses to ISNR. It can be concluded that low CHU, low precipitation and low precipitation evenness before side-dressing reduce the impact of ISNR on corn yield.
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 | 0,001 |
| 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 ».