Economic optimum plant density of irrigated early-maturity soybean in southern Alberta
Notice bibliographique
Résumé
With soybean [Glycine max (L.) Merr.] seed cost increasing in Alberta, understanding economic optimum plant density (EOPD) could help growers save on input expenses. A study was conducted at two irrigated locations in southern Alberta (Bow Island and Lethbridge), in three growing seasons (2014–2016), using two maturity group (MG) 00 soybean genotypes, two row spacings (RS; narrow, 17.5 cm; wide, 35 cm), and three seeding densities (SD; 30, 50 and 80 seeds·m −2 ). Exponential plant density–yield relationships were used to estimate EOPD. The earlier MG 00.4 genotype compensated yield at lower plant density (39 vs. 43 plants·m −2 ) and emergence (74% vs. 80%) than the later MG 00.8 genotype. The EOPD gaps between environments, genotypes, and RS were minimal (from 1–3 plants·m −2 ), resulting in only 1.3%–2.0% differences in grain yield (37–56 kg·ha −1 ), and gross revenue at EOPD ($16–24·ha −1 ). The overall EOPD estimate was 46 plants·m −2 , regardless of environment, genotype or RS. The study highlighted the difference between agronomic production and profit maximization in choosing an optimum plant density, and the need to establish a seeding density calculator for irrigated soybean in southern Alberta.
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 ».