Corn and soybean yields and returns are greater in rotations with wheat
Notice bibliographique
Résumé
Abstract Simple rotations containing only corn ( Zea mays L.) and/or soybean ( Glycine max L.) dominate landscapes despite agronomic, soil health, and environmental benefits associated with diversification. We hypothesize that inclusion of wheat ( Triticum aestivum L.) in corn–soybean (CS) rotations increases yield and net returns and that this benefit is becoming larger over time. Yields from rotation–tillage trials located near Elora and Ridgetown, ON, Canada, respectively, were used to investigate the yield and return effects of diversifying CS rotation using wheat with/without red clover ( Trifolium pratense L). At Elora, wheat inclusion increased rate of yield increase in corn and soybean over 36 yr. During the latter 16 yr, adding wheat to CS rotation increased conventional tillage (CT) 1st and 2nd‐year corn yields (with red clover) by 0.43 Mg ha −1 (4.2%) and 0.98 Mg ha −1 (11.8%), respectively, no‐till 1st and 2nd‐year corn yields (no red clover) by 0.78 Mg ha −1 (9.9%) and 0.45 Mg ha −1 (5.3%), respectively, and 1st‐year soybean yield by 0.34 Mg ha −1 (11.8%). At Elora, net returns in the 4‐yr wheat‐containing rotations were 10% greater compared to the CS rotation. Similar corn and soybean yield responses including wheat in 2 or 3 yr rotations also occurred at the greater‐yielding Ridgetown trial, however net returns were not increased relative to the CS rotation. Inclusion of wheat in CS rotation once every 4–5 yr may provide the optimal balance between accruing higher net returns from corn and soybean while minimizing direct net revenue reductions associated with wheat.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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 tête enseignante, 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 ».