Preceding Crops and Nitrogen Effects on Crop Energy Use Efficiency in Canola and Barley
Notice bibliographique
Résumé
Energy use efficiency (EUE) is a key concept which may be used to benchmark best practices in cropping systems through comparison of the impacts of both preceding crops (PCs) and agricultural inputs on crop yield. The EUE is a metric to measure how cultural practices, such as N application and rotational crop use, can influence sustainability in a canola ( Brassica napus L.) (C)–barley ( Hordeum vulgare L.) (B) rotation. In a 2009 to 2011 PC–C–B rotation study, six PCs (field pea [ Pisum sativum L.], lentil [ Lens culinaris Medik.], faba bean [ Vicia faba L.], canola, wheat [ Triticum aestivum L.], and green manure [GRM] legume faba bean) were grown in factorial combination with five N rates (0, 30, 60, 90, and 120 kg ha −1 ), on field experiments at seven sites across western Canada. When the PC was GRM, the energy output of C or C–B was highest, but insufficient to compensate for lost output during the GRM phase (2009). For all cropping systems, the quadratic response of energy output to optimal N indicated that N applied could be reduced below 120 kg ha −1 without diminishing energy output at some locations. Over the entire 3‐yr crop sequence, legume PCs (lentil or field pea) grown for seed provided the greatest EUE. The GRM improved the yield, and therefore energy output and EUE, of the following crops considerably, but the increased canola and barley energy outputs were not able to alleviate the lost energy output during the preceding crop phase. N fertilizer applied could be reduced without diminishing energy output. Legume preceding crops (lentil or field pea) grown for seed provided the greatest EUE. Legume PC grown for green manure was not able to increase EUE for the entire rotation.
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 | 0,000 | 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 | 0,001 |
| 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 ».