Effect of Increasing Species Diversity and Grazing Management on Pasture Productivity, Animal Performance, and Soil Carbon Sequestration of Re-Established Pasture in Canadian Prairie
Notice bibliographique
Résumé
The objective of the study was to determine the effect of type of pasture mix and grazing management on pasture productivity, animal response and soil organic carbon (SOC) level. Pasture was established in 2001 on 16 paddocks of 2.1 ha that had been primarily in wheat and summer fallow. Treatments consisted of a completely randomized experimental design with two replicates: two pasture mixes (7-species (7-mix) and 12-species (12-mix)) and two grazing systems (continuous grazing (CG) and deferred-rotational grazing (DRG)). Pasture was stocked with commercial yearling Angus steers (Bos Taurus, 354 ± 13 kg) between 2005 and 2014. All pastures were grazed to an average utilization rate of 50% (40% to 60%). Average peak and pre-grazing pasture dry matter (DM) yield and animal response were independent of pasture seed mixture but varied with grazing management and production year. Average peak DM yield was 26.4% higher (p = 0.0003) for pasture under DRG relative to CG (1301 kg ha−1). However, total digestible nutrient for pasture under DRG was 4% lower (p < 0.0001) as compared to CG (60.2%). Average daily weight gain was 18% higher (p = 0.017) for CG than DRG (0.81 kg d−1), likely related to higher pasture quality under CG. Soil carbon sequestration was affected by seed mixture × grazing system interaction (p ≤ 0.004). Over the fourteen years of production, pasture with 7-mix under CG had the lowest (p < 0.01) average SOC stock at 15 cm (24.5 Mg ha−1) and 30 cm depth (42.3 Mg ha−1). Overall, the results from our study implied that increasing species diversity for pasture managed under CG may increase SOC gain while improving animal productivity.
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 ».