Validation of Predictive Equations of Pre‐Harvest Forage Nutritive Value for Alfalfa–Grass Mixtures
Notice bibliographique
Résumé
Core Ideas Predictive equations can help producers determine when to harvest their forage fields. Equations developed in New York State could be used to predict aNDFom, ADFom, RFV, and RFQ in Quebec. Equations developed in New York State cannot be used to predict NDFdom in Quebec. Predictive equations of pre‐harvest nutritive attributes of alfalfa ( Medicago sativa L.)–grass mixtures using simple plant or climate data were developed in New York State for the spring growth, but they must be validated before being used outside their development area. Our objective was to validate these predictive equations for their use in Quebec, Canada. Samples ( n = 679) of alfalfa–grass mixtures were collected during spring growth at three sites for 2 consecutive years and analyzed for several nutritive attributes. Alfalfa maximum height, the most mature stage of development of alfalfa, growing degree days, grass proportion, and grass maximum height were also measured and used as input in several existing predictive equations. Predicted values were then compared with laboratory‐determined values using several validation statistics. The most promising predictive equations of neutral detergent fiber (NDF) and acid detergent fiber concentrations, relative feed value, and relative forage quality had coefficients of determination ( r 2 ) of the linear regression between observed and predicted values between 0.74 and 0.81, and an index of agreement ( d ) between 0.87 and 0.93. Several equations were, however, significantly biased as indicated by slopes and intercepts of the regressions. The NDF digestibility was not predicted satisfactorily with the New York State equations. Among all equations evaluated, an equation for NDF concentration has the most potential for use to predict the spring growth pre‐harvest nutritive value of alfalfa–grass mixtures in Quebec.
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 | 0,000 | 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) | 0,000 | 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 ».