<i>Brassica carinata</i> Seeding Rate and Row Spacing Effects on Morphology, Yield, and Oil
Notice bibliographique
Résumé
Core Ideas Carinata growth and yield was influenced more by row spacing than seeding rate. Rows spaced at 36 cm maximized carinata yield. Carinata branching was favored by wider row spacing. Carinata ( Brassica carinata A. Braun) is an oilseed crop with potential as a winter crop in the southeastern United States to diversify crop rotations and provide biofuel production and livestock feed. The objective was to evaluate the effects of row spacing and seeding rate on carinata yield and oil composition. Field experiments were conducted in Jay and Quincy, FL, from 2013 to 2016 evaluating carinata growth, seed and oil yield, and oil composition grown in a factorial arrangement of four seeding rates (3, 6, 9, and 12 kg ha −1 ) and four row spacings (18, 36, 53, and 89 cm). No interactions between seeding rate and row spacing were detected. Seeding rate did not influence any of the variables studied. In contrast, row spacing affected seed and oil yield, branch production, and pods per plant. Seed yield (ranked from highest to lowest) was 2761, 2286, 1851, and 1572 kg ha −1 for rows spaced at 36, 18, 53, and 89 cm, respectively. Branching and pods per plant increased with row spacing. Neither seeding rate nor row spacing affected oil concentration and quality. Oil concentration averaged 40%, of which more than a third was erucic acid (C22:1). Protein concentration was 31%, and glucosinolate concentration was 93 μmol g −1 . The results of the present study demonstrated that carinata can be successfully grown in the southeastern United States, reaching yields and oil quality similar to those reported at other latitudes, and can be a source of biofuel, protein for animal feed, and cropping system diversification for growers.
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 ».