Forage Accumulation, Nutritive Value, and Botanical Composition of Grass–Cicer Milkvetch Mixtures under Two Harvest Managements
Notice bibliographique
Résumé
ABSTRACT Limited information is available on cicer milkvetch (CMV, Astragalus cicer L.) performance in mixtures with grasses. A field trial was sown at Melfort, SK, Canada, in May 2013 to evaluate forage accumulation, nutritive value, and botanical composition of different mixtures of grasses and CMV under two‐cut and three‐cut harvest management from 2014 to 2017. Thirteen forage mixtures consisted of (i) monocultures of Bromus riparius Rehm. (MB), Bromus riparius Rehm. × B. inermis Leyss. (HB), Agropyron cristatum (L.) (CWG), Agropyron intermedium Beauv. (IWG), and CMV; (ii) binary mixtures of each of the grass + CMV; (iii) a four‐grass mixture (MB, HB, CWG, and IWG) (Mix 4); (iv) Mix 4 + CMV (Mix 5); (v) a six‐grass mixture (Mix 4) + Dactylis glomerata L. and Phleum pratense L. (Mix 6); and (vi) Mix 6 + CMV (Mix 7). The two‐cut system resulted in greater total forage accumulation (10.3 ± 2.8 Mg ha −1 ) compared with the three‐cut system (8.6 ± 2.3 Mg ha −1 ) with the exception of 2017. On average, grass mixtures containing CMV and CMV monoculture (11.1 ± 1.7 Mg ha −1 ) had greater forage accumulation than grass monocultures and grass only mixtures (7.5 ± 2.4 Mg ha −1 ). Cicer milkvetch dominated in all mixtures (44.0–68.8% of forage mass) in 2016 compared with its initial proportion of 2.1 to 31.2%. Concentration of crude protein was significantly increased with the inclusion of CMV compared with the grass‐only treatments. Acid detergent fiber and neutral detergent fiber (NDF) concentrations were similar, but mixtures without CMV tended to have a greater NDF concentration. In conclusion, the inclusion of CMV in forage mixtures increased forage accumulation and protein concentration. Binary CMV–grass mixtures produced similar or greater forage accumulation than more complex CMV–grass mixtures.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».