Evaluation of the Causes of On‐Farm Harvest Losses in Canola in the Northern Great Plains
Notice bibliographique
Résumé
Canola ( Brassica napus L.) is the main oilseed crop grown in the northern Great Plains (Canada). This species, however, also is associated with significant seed losses before and during harvest. To determine the factors that contribute to on‐farm harvest losses in B. napus , an extensive on‐farm survey was conducted in four regions across the northern Great Plains in 2010, 2011, and 2012. In addition to measuring on‐farm harvest losses on 310 fields, a survey questionnaire was used to collect agronomic data for each field and wind data from the nearest local weather station was used to determine wind speed during the harvest season. This study showed that total on‐farm harvest losses in canola are a complex phenomenon. This study identified that managing harvest losses in B. napus begins at the time of planting. Management factors that contributed to increased yield were linked to lower proportional B. napus harvest losses. Other factors that contributed to reduced proportional harvest losses included a fungicide application at flowering, earlier windrowing and harvest dates, lower combine harvester ground speed, and reduced windrower width. Factors considered by producers as important, such as combine manufacturer or B. napus variety did not contribute significantly to total harvest losses in this crop. Nevertheless, clear management practices were identified that can be employed to minimize on‐farm harvest losses in B. napus . A better understanding of the contributions of environmental variables to harvest losses in this species is required, particularly as interest in direct‐harvesting B. napus continues to increase in western Canada.
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 | 0,001 |
| 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 ».