MétaCan
Menu
← Retour à la cohorte
Enregistrement W2939518146 · doi:10.1371/journal.pone.0215253

Contrasting impacts of two weed species on lowbush blueberry fertilizer nitrogen uptake in a commercial field

2019· article· en· W2939518146 sur OpenAlexafffundabout
Charles Marty, Josée-Anne Lévesque, Robert L. Bradley, Jean Lafond, Maxime C. Paré

Notice bibliographique

RevuePLoS ONE · 2019
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueBerry genetics and cultivation research
Établissements canadiensAgriculture and Agri-Food CanadaUniversité de SherbrookeUniversité du Québec à Chicoutimi
Organismes subventionnairesFonds de recherche du Québec – Nature et technologies
Mots-clésVacciniumFertilizerPerennial plantBiologyWeedAgronomyBiomass (ecology)Ammonium sulfateFernBotanyHorticultureChemistry

Résumé

récupéré en direct d'OpenAlex

Numerous studies have speculated that lowbush blueberry (Vaccinium angustifolium) is less efficient than weed species at taking up inorganic nitrogen (N) derived from fertilizers, thus raising questions as to the effectiveness of N fertilization in commercial fields. However, competition for acquiring N as well as specific interactions between blueberry and companion weeds characterized by contrasted functional traits remain poorly documented. Here, we assessed fertilizer-derived N acquisition efficiency and biomass production in lowbush blueberry and two common weed species that have different functional traits-sweet fern (Comptonia peregrina), a N2-fixing shrub, and poverty oat grass (Danthonia spicata), a perennial grass-in a commercial blueberry field in Québec, Canada. In 2015, 15N-labelled ammonium sulfate was applied at a rate of 45 kg ha-1 to 1 m2 field plots containing lowbush blueberry and one of the two weeds present at several different density levels (0 to 25 plants m-2). In 2016, each plot was harvested to determine vegetative biomass and the percentage of fertilizer-derived N recovered (PFNR) in each species. The PFNR was higher in blueberry (24.4 ± 9.3%) than in sweet fern (13.4 ± 2.6%) and poverty oat grass (3.3 ± 2.9%). However, lowbush blueberry required about four times more root biomass than sweet fern and poverty oat grass to uptake an equivalent amount of N from ammonium sulfate. The PFNR in poverty oat grass increased with plant density (from 0.8% to 6.4% at 2-3 and >6 plants m-2, respectively), which resulted in a decrease in blueberry's PFNR (from 26.0 ± 1.4% to 8.6 ± 1.8%) and aboveground vegetative biomass production (from 152 ± 58 to 80 ± 28 g m-2). The increase in biomass production and N content in sweet fern with increasing plant density was not accompanied by an increase in PFNR (29.7 ± 8.4%), suggesting an increasing contribution of atmospherically-derived N. This mechanism (i.e., N sparing) likely explained blueberry's higher biomass production and N concentration in association with sweet fern than with poverty oat grass. Overall, our study confirms lowbush blueberry low efficiency (on a mass basis) at taking up N derived from the fertilizer as compared to weeds and reveals contrasted and complex interactions between blueberry and both weed species. Our results also suggest that the use of herbicides may not be necessary when poverty oat grass is present at a low density (<15 plants of poverty oat grass m-2) and that adding inorganic N fertilizer is counterproductive when this species is present at a high density as it takes up as much fertilizer as lowbush blueberry.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,220
Score d'incertitude au seuil0,438

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,082
Tête enseignante GPT0,258
Écart entre enseignants0,176 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2019
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revuePLoS ONE→Même sujetBerry genetics and cultivation research→Travaux en français237 207→