Too much fertilizer? An observational association between inputs at planting and crop yield on a Saskatchewan farming operation
Notice bibliographique
Résumé
Grain yield and its variability is a major driver of seeding rate and inorganic fertilizer use at planting among grain growers. Recommended rates for fertilizer application with regard to crop utilization and soil management are discretionary and vary between producer and agronomist. This observational case study with Bayesian inference examines the association between application rates of inorganic nitrogen, phosphorus, potassium chloride and sulphur at planting, and yield of durum wheat (Triticum turgidum L.), large green lentils (Lens culinaris Medik.), canola (Brassica napus L.), canaryseed (Phalaris canariensis L.), and spring barley (Hordeum vulgare L.). Using precision agriculture, input and crop yield information for each parcel of cultivated land was collected over a 4 yr period from 2015 to 2018 on a continuous no-till farming operation in the semiarid region of Saskatchewan, Canada. Hierarchical models were derived that accounted for yield variability in crop types due to the random effects of field, cultivar, crop planted in previous year, planting year, combine machine, observation location within field, and elevation. Evidence from this longitudinal study suggests that seed-placed fertilizer above the recommended safe rate can be associated with yield decline on farming operations in the semiarid environment of Saskatchewan, Canada.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».