Evaluation of on-farm crop management decisions on canola productivity
Notice bibliographique
Résumé
Liu, C., Gan, Y. and Poppy, L. 2014. Evaluation of on-farm crop management decisions on canola productivity. Can. J. Plant Sci. 94: 131-139. This study determined key factors affecting canola productivity in western Canada and evaluated the differences among soil-climatic zones in canola crops responding to the key agronomic factors. A total of 68 canola farm fields were randomly selected in western Canada, and multiple correspondence analysis, coupled with multivariate predictive model with partial least squares projection and regressions, was used to analyze the data set. Canola produced in Alberta averaged 2500 kg ha-1, and was 23% greater than canola produced in southern Saskatchewan, 10% greater than canola produced in northern Saskatchewan, and 59% greater than canola produced in Manitoba. Canola produced on chem-fallow averaged 2557 kg ha-1, and was 17% greater than canola grown on cereal stubble, or 43% greater than canola grown on pea/lentil, corn stubble. Canola grown on canola stubble produced 54% of the seed yield as canola grown on cereal stubble, or 46% of the seed yield as canola grown on chem-fallow. Shallow and earlier seeding with narrow row spacing increased canola seed yields consistently. Canola receiving K fertilizer increased seed yield by an average of 25% compared with those receiving no K fertilizer. Straight combine resulted in 500 kg ha-1 or 24% more seed yield than conventional swath-combine method. Those key factors may serve as the first-hand information in the development of sound guidelines for less experienced canola producers 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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».