MétaCan
Menu
Retour à la cohorte
Enregistrement W3031522824 · doi:10.1002/agj2.20316

Feasibility of a wider row spacing and recommended nitrogen in no‐till wheat

2020· article· en· W3031522824 sur OpenAlexaff
William E. May, Lindsay Aldous, G. P. Lafond

Notice bibliographique

RevueAgronomy Journal · 2020
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueCrop Yield and Soil Fertility
Établissements canadiensAgriculture and Agri-Food Canada
Organismes subventionnairesnon disponible
Mots-clésAgronomySeedingMathematicsRandomized block designGrain yieldWeedYield (engineering)SeederNitrogenField experimentCroppingBiologyAgricultureChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract The optimal row spacing aims to maximize profitability by balancing the reduction in production costs from a wider row spacing against a potential decline in yield and increased weed pressure. A wider row spacing should increase area seeded per day, improve residue flow around seeder openers and the success of seeding between stubble rows. This study investigated the feasibility of a wider row spacing by studying the effects of row spacing (25, 30, 35, 40 cm) and N fertilizer rates (20, 40, 80, 120, 160 kg N ha−1) on development, yield, and quality of spring wheat (Triticum aestivum L.). The study was a two factorial in randomized complete block design. The experiment was conducted at Indian Head, SK, from 2013 to 2016. Row spacing affected plant, head, and seed density; however, the effects were generally inconsistent. One exception was biomass, which decreased as the row spacing increased in 3 of the 4 yr. Grain yield declined in 1 of the 4 yr, with the largest portion of the decrease occurring as the row spacing increased from 30 to 40 cm. As expected, increasing N rates produced greater grain yield, biomass, and grain protein. In conclusion, this study found that in most years the row spacing can be widened past 30 cm without a negative impact on grain yield in a no‐till cropping system. However, to determine the probability of a grain yield decrease as row spacing is increased, a larger study over a wider geographic region is needed.

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)0,001
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 enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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 savante0,0000,000
Science ouverte0,0010,000
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 Opus0,047
Tête enseignante GPT0,235
Écart entre enseignants0,188 · 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

Citations11
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAgronomy JournalMême sujetCrop Yield and Soil FertilityTravaux en français237 207