MétaCan
Menu
Retour à la cohorte
Enregistrement W3002386381 · doi:10.1111/gfs.12461

Effects of nitrogen application rate on productivity, nutritive value and winter tolerance of timothy and meadow fescue cultivars

2020· article· en· W3002386381 sur OpenAlexfundno aff
Maarit Termonen, Panu Korhonen, Sanna Kykkänen, Anna Kärkönen, Minna Toivakka, Raimo Kauppila, Perttu Virkajärvi

Notice bibliographique

RevueGrass and Forage Science · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueTurfgrass Adaptation and Management
Établissements canadiensnon disponible
Organismes subventionnairesMinistry of Agriculture - Saskatchewan
Mots-clésCultivarAgronomyDry matterForageYield (engineering)ProductivityGrowing seasonFestuca pratensisOverwinteringField experimentBiologyPoaceaeBotany

Résumé

récupéré en direct d'OpenAlex

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 NO3‐ 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.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,017

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
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 Opus0,005
Tête enseignante GPT0,206
Écart entre enseignants0,201 · 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'étudeExpérimental (laboratoire)
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

Citations17
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGrass and Forage ScienceMême sujetTurfgrass Adaptation and ManagementTravaux en français237 207