Agronomic Optimal Plant Density by Yield Environment in Soybean
Notice bibliographique
Résumé
This research report presents a summary of a peer-reviewed publication: Carciochi W.D.; Schwalbert R.; Andrade F.H.; Corassa G.M.; Carter P.; Gaspar A.P.; Schmidt J.; Ciampitti I.A. 2019. Soybean seed yield response to plant density by yield environment in North America. Agronomy Journal. Recent economic and productive circumstances have caused interest in within-field variation of the agronomic optimal plant density (AOPD) for soybean [Glycine max (L.) Merr.]. Thus, the objective of this study was to determine the AOPD by yield environment (YE) for soybean. During 2013 and 2014, nine site-years with a total of 78 yield-to-plant density responses were evaluated in different regions of the United States and Canada. A soybean database evaluating seeding rates ranging from 69,000–271,000 seeds/a was utilized, including the final number of plants and seed yield. The data were classified in YEs: low (LYE, <59.6 bu/a), medium (MYE, 59.6-64.1 bu/a), and high (HYE, >64.1 bu/a). The main outcomes for this study were: 1) AOPD decreased by 24% from LYE (127,000 plants/a) to HYE (97,000 plants/a); 2) greater AOPD in a LYE was not related to a low plant survival rate; and 3) cumulative precipitation during soybean reproductive growth period was 39% lower in LYE compared with MYE and HYE, possibly reducing its reproductive ability. This study presents the first attempt to investigate the seed yield-to-plant density relationship via understanding final plant establishment and by exploring the influence of weather defining soybean YEs in North America.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».