Forage potential of corn intercrops for beef cattle diets in northwestern Alberta
Notice bibliographique
Résumé
Abstract Intercropping systems involving cereals with legumes provide several advantages such as elevated forage yield and improved forage nutritive value. This study was designed to assess viability of corn (Zea mays L.) intercrops to improve the forage crude protein (CP) of corn forage for beef cattle production. A corn monocrop (C‐M) was compared with seven corn intercrops (five annual legumes, a non‐legume crop (radish (Raphanus sativus L.), C‐RA) and an annual crop mixture (ACM)). The corn forage dry matter (DM) yield was significantly improved (P < .05) for C‐M than all intercrops. Of the seven intercrops, only corn‐radish intercrop (C‐RA) produced significantly lower total forage DM yield (corn + companion) than C‐M. Of the seven corn intercrops, only corn‐hairy vetch (Vicia villosa Roth) (C‐HV) and corn–annual crop mixture (C‐ACM) had significantly (P < .05) improved forage CP and digestible CP than C‐M. Both C‐HV and C‐ACM exceeded the CP recommendations for mature beef cattle and also had adequate CP for young (growing and finishing calves) beef cattle, thereby eliminating the need for protein supplementation during the feeding of either C‐HV or C‐ACM beef cattle. Forage minerals were not significantly affected (P > .05) by corn intercrops. Forage total digestible nutrients (TDN) was significantly (P < .05) influenced by intercrops and varied from 65.9‐71.2%. Results indicate that selected corn intercrops can improve nutritive value of forage for beef cattle production.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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) | 0,001 | 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 ».