PSVIII-28 Forage pea-cereal mixtures for greenfeed production in Saskatchewan.
Notice bibliographique
Résumé
The inclusion of forage pea (Pisum sativum L.) in mixtures with forage barley (Hordeum vulgare L.) or oat (Avena sativa L.) for greenfeed or silage production is gaining interest in western Canada. A twelve-different combination of monocultures and mixtures were evaluated for forage dry matter (DM) yield and forage quality in three soil zones of Saskatchewan for 2 years. Forage pea cvs. ‘CDC Horizon’ and ‘40-10’, barley cv. ‘CDC Maverick,’ and oat cv. ‘CDC Haymaker’ were used in the study. Treatments were allocated in a split-plot in RCBD with nitrogen fertilizer treatment (25 vs. 60kg ha-1) as main plot, and mixtures (at 100, 100:30 and 50:50% of normal seeding rate) as a subplot, with 4 replications. Plots were harvested on the maturity of the cereal in the mixture. Data were analyzed using the PROC MIXED of SAS. Year, site, nitrogen treatment, mixtures and their interactions were fixed effects; block, block, and nitrogen treatment interaction were random effects. Nitrogen fertilizer treatment did not affect DM (P=0.33), and contents of CP (P=0.25), ADF (P=0.78), NDF (P=0.73) and starch (P=0.41). Average DM yield for mixtures was significantly (P-1), intermediate in Dark Brown soil (8778 kg ha-1), and lowest in Brown soil zones (7156 kg ha-1). CP concentration was significant (P-1 (barley) to 137 g kg-1 (pea). Pea-cereal mixture had 25% more CP than that monoculture cereal stands. ADF and NDF concentration for mixtures averaged 316 and 530 g kg-1, respectively. Starch content ranged from 31.6 (7) to 53.4 g kg-1 (3), with an average of 40.4g kg-1.The pea-cereal mixture productivity varied soil zones but generally produced similar or fewer yields with greater forage quality than monocultures.
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 | 0,000 |
| 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 | 0,001 |
| 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 ».