MétaCan
Menu
Retour à la cohorte
Enregistrement W2742701433 · doi:10.1111/1365-2664.12991

Weed suppression greatly increased by plant diversity in intensively managed grasslands: A continental‐scale experiment

2017· article· en· W2742701433 sur OpenAlexaff
John Connolly, Maria‐Teresa Sebastià, L. Kirwan, John A. Finn, Rosa Llurba, Matthias Suter, R. P. Collins, C. Porqueddu, Á. Helgadóttir, O. H. Baadshaug, Gilles Bélanger, Alistair Black, Caroline Brophy, J. Čop, Sigríður Dalmannsdóttir, Ignacio Delgado, A. Elgersma, M. Fothergill, B. E. Frankow‐Lindberg, An Ghesquiere, P. Goliński, Philippe Grieu, Anne‐Maj Gustavsson, Mats Høglind, Olivier Huguenin‐Elie, Marit Jørgensen, Žydrė Kadžiulienė, Tor Lunnan, Païvi Nykänen-Kurki, Àngela Ribas, F. Taube, Ulrich Thumm, A. de Vliegher, A. Lüscher

Notice bibliographique

RevueJournal of Applied Ecology · 2017
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Carbon and Nitrogen Dynamics
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesMiljøministerietScience Foundation Ireland
Mots-clésMonocultureWeedGrasslandAgronomyBiomass (ecology)BiologyTransgressiveBiodiversityEcology

Résumé

récupéré en direct d'OpenAlex

Abstract Grassland diversity can support sustainable intensification of grassland production through increased yields, reduced inputs and limited weed invasion. We report the effects of diversity on weed suppression from 3 years of a 31‐site continental‐scale field experiment. At each site, 15 grassland communities comprising four monocultures and 11 four‐species mixtures based on a wide range of species' proportions were sown at two densities and managed by cutting. Forage species were selected according to two crossed functional traits, “method of nitrogen acquisition” and “pattern of temporal development”. Across sites, years and sown densities, annual weed biomass in mixtures and monocultures was 0.5 and 2.0 t DM ha −1 (7% and 33% of total biomass respectively). Over 95% of mixtures had weed biomass lower than the average of monocultures, and in two‐thirds of cases, lower than in the most suppressive monoculture (transgressive suppression). Suppression was significantly transgressive for 58% of site‐years. Transgressive suppression by mixtures was maintained across years, independent of site productivity. Based on models, average weed biomass in mixture over the whole experiment was 52% less (95% confidence interval: 30%–75%) than in the most suppressive monoculture. Transgressive suppression of weed biomass was significant at each year across all mixtures and for each mixture. Weed biomass was consistently low across all mixtures and years and was in some cases significantly but not largely different from that in the equiproportional mixture. The average variability (standard deviation) of annual weed biomass within a site was much lower for mixtures (0.42) than for monocultures (1.77). Synthesis and applications . Weed invasion can be diminished through a combination of forage species selected for complementarity and persistence traits in systems designed to reduce reliance on fertiliser nitrogen. In this study, effects of diversity on weed suppression were consistently strong across mixtures varying widely in species' proportions and over time. The level of weed biomass did not vary greatly across mixtures varying widely in proportions of sown species. These diversity benefits in intensively managed grasslands are relevant for the sustainable intensification of agriculture and, importantly, are achievable through practical farm‐scale actions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,216
Écart entre enseignants0,201 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations669
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied EcologyMême sujetSoil Carbon and Nitrogen DynamicsTravaux en français237 207