Nitrogen Fixation and Resource Partitioning in Alfalfa (Medicago sativa L.), Cicer Milkvetch (Astragalus cicer L.) and Sainfoin (Onobrychis viciifolia Scop.) Using 15N Enrichment under Controlled Environment Conditions
Notice bibliographique
Résumé
Availability of nitrogen (N) limits pasture production. Inclusion of legumes into grass pastures can provide an alternative N source through biological N2 fixation (BNF), and enhance retention and cycling of soil C and N. Despite the use of alfalfa (Medicago sativa L.), cicer milkvetch (Astragalus cicer L.) and sainfoin (Onobrychis viciifolia Scop.) in grass-legume pastures to improve forage quality, relative BNF potentials and resource partitioning are unknown. We quantified BNF using 15N isotope dilution and estimated resource partitioning in alfalfa, two cultivars of cicer milkvetch and two cultivars of sainfoin under controlled conditions. Percentage of nitrogen derived from atmosphere followed the order alfalfa (92%) > cicer milkvetch (87%) > sainfoin (81%); corresponding to estimated N contributions of 200, 128 and 65 kg N ha−1 yr−1, respectively, based on total herbage. Root dry matter was 24% to 36% greater than shoot dry matter in all of the legumes, providing substantial below-ground C and N. Cultivars of the same species did not differ in any measured parameter (p > 0.05). Despite the lower BNF in cicer milkvetch and sainfoin compared to alfalfa, their use may not negatively affect stand productivity and C storage.
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 | 0,000 | 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 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 ».