Modeled performance of forage mixtures and annual crops grown in eastern Canada under climate change
Notice bibliographique
Résumé
Abstract Timothy ( Phleum pratense L.) is expected to be more affected by climate change than other forage grasses. Therefore, alternatives to timothy, such as tall fescue [ Schedonorus arundinaceus (Shreb.) Dumort.], meadow fescue [ S. pratensis (Huds.) P. Beauv.], or meadow bromegrass ( Bromus biebersteinii Roem. & Schult.) should be explored. Our objective was to simulate and compare the yield and nutritive value of four alfalfa ( Medicago sativa L.)–grass mixtures and annual crops grown on two virtual dairy farms representative of eastern Canada under future climate conditions. The Integrated Farm System Model (IFSM) was used for these projections under the reference (1971–2000), near future (2020–2049), and distant future (2050–2079) climates for two climatically contrasting agricultural areas in eastern Canada (eastern Quebec; southwestern Quebec). In both future periods, annual forage dry matter (DM) yields of the four alfalfa–grass mixtures are projected to increase because of additional harvests, with greater DM yield increases projected in the colder area than in the warmer area. In both areas, the highest yield increase is projected for alfalfa–tall fescue mixture and the lowest for alfalfa–timothy mixture. The nutritive value of all mixtures should increase due to a greater proportion of alfalfa. In both areas, yields of silage and grain corn ( Zea mays L.), and soybean [ Glycine max (L.) Merr.] are projected to increase, but not those of wheat ( Triticum aestivum L.) and barley ( Hordeum vulgare L.). Tall fescue, meadow bromegrass, and meadow fescue are adequate alternatives to timothy grown in association with alfalfa under future climate conditions.
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 ».