Effect of preceding crop and nitrogen application on malting barley quality
Notice bibliographique
Résumé
As legume crops fix nitrogen (N) from the atmosphere, there is concern that soil residual N from legumes grown in rotation with malting barley may result in unacceptably high protein content and have negative effects on quality. However, little research has been conducted to investigate this. Field pea, lentil, faba bean [as seed or as a green manure (GM) crop], canola, and wheat were grown in 2009, canola in 2010, and malting barley in 2011. The objective was to determine the effects of crops grown in 2009 on the quality of barley grown in 2011. Crops were direct-seeded at Lacombe (Alberta), Swift Current (Saskatchewan), and Brandon (Manitoba). Fertilizer N (urea) was applied in 2010 and 2011 at 0, 30, 60, 90, and 120 kg ha −1 . The legumes had few negative effects on barley quality compared with canola or wheat. Exceptions occurred at Lacombe where the lentil and faba bean GM crops increased protein and decreased kernel plumpness. This was not evident at other locations. Increasing N fertilizer rate negatively affected almost all malt quality parameters at all locations. The results indicate that growing legume crops prior to malting barley is less likely to reduce malting barley quality than applying fertilizer N.
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 | 0,002 | 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 | 0,001 | 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 ».