MétaCan
Menu
Retour à la cohorte
Enregistrement W3026174186 · doi:10.1139/cjss2011-065

Nitrogen cycling, profit margins and sweet corn yield under fall cover crop systems

2012· article· en· W3026174186 sur OpenAlexaboutno aff
Kelsey A. O'Reilly, John D. Lauzon, Richard J. Vyn, Laura L. Van Eerd

Notice bibliographique

RevueBioOne Complete (BioOne) · 2012
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueCrop Yield and Soil Fertility
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCover cropSecaleAgronomySowingRaphanusCropGrowing seasonAvenaCrop yieldBiology

Résumé

récupéré en direct d'OpenAlex

In order to improve N best management practices in southwestern Ontario vegetable farming, the effect of cover crops on N dynamics in the fall and spring prior to sweet corn planting and during sweet corn season was assessed. The experiment was a split plot design in a fresh green pea cover crop sweet corn rotation that took place over 2 site-years at Bothwell and Ridgetown in 2006 2007 and 2007 2008, respectively. The main plot factor was fall cover crop type with five treatments including oat (Avena sativa L.), cereal rye (Secale cereale L.), oilseed radish (OSR; Raphanus sativus L. var. oleoferus Metzg Stokes), mixture OSR plus cereal rye (OSR&rye) and a no cover crop control. Compared with no cover crop, sweet corn profit margins were higher by $450 ha- 1 for oat at Bothwell and $1300 and $760 ha- 1 for OSR and OSR&rye, respectively, at Ridgetown. By comparing plant available N over the cover crop season, the cover crops tested were more effective at preventing N loss at Bothwell than at Ridgetown likely due to higher precipitation and sandier soil at Bothwell. Despite differences in site characteristics, cover crops did not result in increased plant available N compared with no-cover during the sweet corn season at either site, indicating that these cover crops will not provide an N credit to the following crop and growers should not modify N fertilizer applications based on cover crops.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,109
Score d'incertitude au seuil0,216

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0000,000
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 Opus0,334
Tête enseignante GPT0,243
Écart entre enseignants0,091 · 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'étudeObservationnel
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

Citations1
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBioOne Complete (BioOne)Même sujetCrop Yield and Soil FertilityTravaux en français237 207