Effects of nitrogen application rate on productivity, nutritive value and winter tolerance of timothy and meadow fescue cultivars
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Finnish N fertilizer application regulations for forage grasses are based on field experiments mainly conducted in the 1960–1970s with cultivars and management practices typical of the time. In order to update the yield response function of N, to make it better suited to current grassland farming, field experiments were conducted at two sites in 2015–2017 with two cultivars of timothy ( Phleum pratense L.) and one of meadow fescue ( Festuca pratensis Huds.). Dry matter (DM) yield, nutritive value and N balance were evaluated, with N application levels 0, 150, 200, 250, 300, 350, 400 and 450 kg N ha −1 year −1 . The grasses were harvested three times per season. The data indicate that the DM yield response was significantly stronger, and N was used more efficiently for DM production than earlier without compromising the nutritive value, especially during the first two years. The third harvest produced on average 23% of the annual yield, utilizing N efficiently. N application rates below 350 kg N ha −1 year −1 did not cause substantial overwintering losses or lodging. The data indicate that with changing climate and improved cultivars and management practices, there is a need to modify the rates and timing of N application. The results suggest that N application levels could be increased by at least 50 kg N ha −1 year −1 from the current maximum accepted rate (250 kg N ha −1 year −1 ) without too high NO 3 ‐ or CP concentrations in feed, or too high N balance that indicates increasing risk of N leaching.
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.
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 | 0,001 |
| 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 découle