Mixtures of native perennial forage species produce higher yields than monocultures in a long-term study
Notice bibliographique
Résumé
To evaluate the forage yield and quality of seven perennial native species in monoculture and binary mixtures under a range of climate conditions, a 6-yr field experiment was conducted at the Swift Current Research and Development Centre (SCRDC), Agriculture and Agri-Food Canada (AAFC), in Swift Current, SK. Seven native perennial forage species from three functional groups (C3, C4 grasses, and legumes) were seeded in 2010 in monocultures and binary mixtures. Forage yield and quality [crude protein, acid detergent fiber (ADF), neutral detergent fiber (NDF), phosphorus (P), calcium (Ca), and copper (Cu)] were measured during the first week of July and last week of August in 2011–2016. Mixtures that included western wheatgrass [Pascopyrum smithii (Rydb.) Löve] (WWG) tended to produce a greater yield when 90% of the composition within these mixtures was WWG. Adding bluebunch wheatgrass [Pseudoroegneria spicata (Pursh) Löve] (BBW), little blue stem [Schizachyrium scoparium (Michx.) Nash] (LBS), and prairie clovers (Dalea spp.) to the binary mixtures can increase the positive aspects of species diversity on stability and productivity in seeded pastures. Among the grasses, WWG contained higher crude protein and lower ADF and NDF concentration. Mixtures of forage species produced higher forage yield compared with monocultures. Native forage species can produce stable forage yield across very different climate situations. In mixtures, WWG showed promising results in forage productivity and quality and can be a suitable option for seeded pastures.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 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 ».