Response of oat grain yield and quality to nitrogen fertilizer and fungicides
Notice bibliographique
Résumé
Abstract Recently agronomists and producers have expressed interest in combining higher nitrogen (N) rates with a fungicide application even when disease intensity is low. The objective of this study was to evaluate the effect of fungicide application and N rates on grain yield and oat quality ( Avena sativa L.). The experimental design was a split plot with fungicide (none, pyraclostrobin, propiconazole + trifloxystrobin) as the main plot, and eight N rates as sub‐plots (5, 20, 40, 60, 80, 100, 120, and 140 kg ha −1 ). This study was conducted in 2012 and 2013 at two locations in Saskatchewan, Melfort and Indian Head. Disease intensity was very low for crown rust ( Puccinia coronata ) and low‐to‐moderate for all other foliar diseases, and with no large effect on grain yield and quality. No interaction between fungicide and N was observed. A curvilinear increase in grain yield occurred as the N rate increased from 5 to 140 kg ha −1 . Increasing the N rate caused a small linear decrease in test weight. At a low oat price, $130 t −1 , the N rate that maximized economic return was sensitive to N fertilizer price. As the crop price increased the optimum N rate was100 kg ha −1 . In conclusion, our results indicate that using an N rate of 100 kg ha −1 provided the most consistent economic returns when the crop price is between $162 and $194 t −1 . There is no beneficial interaction between fungicide and N for growers using higher N rates at low disease intensity and resistant genotypes.
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 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 | 0,000 |
| 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 tête enseignante, 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 ».