Soil residual water and nutrients explain about 30% of the rotational effect in 4-year pulse-intensified rotation systems
Notice bibliographique
Résumé
Diverse crop rotations enable the best use of residual soil water and nutrients, thus decreasing necessary production inputs. Here, we determined the effect of cropping sequences on soil residual water and nutrients and the performance of subsequent wheat (Triticum aestivum L.). Nine rotation systems were evaluated at Swift Current, SK, and Brooks, AB, from 2010 to 2014. Pea (P, Pisum sativum L.) and lentil (L, Lens culinaris Medik.) as preceding crops before wheat (W) or the rotation systems with pea (P–P–P–W) or lentil (L–L–L–W) included more than once in the 4-yr rotations had the highest residual soil water and N in the 30–90 cm depth and continuous wheat (W–W–W–W) had the lowest. Preceding pea and lentil increased the grain yield of the subsequent wheat by 26% and 18%, respectively, as compared with continuous wheat. Variance partitioning of redundancy analysis revealed that soil residual water and residual N explained 12.4%–42.7% (average 30%) of the yield variation observed in the subsequent wheat, with the rest of the rotational benefits unexplainable by soil residual water and residual nutrients. Investigation of the factors other than soil water and nutrients that contribute to the succeeding wheat yield may further enhance the rotational effect.
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 | 0,000 | 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».