Nitrogen management strategies on plant growth and severities of <i>Sclerotinia</i> stem rot of canola in eastern Canada
Notice bibliographique
Résumé
Effective nitrogen (N) management strategies are important for ensuring a balance between optimizing plant growth and minimizing disease damage. A field experiment was conducted for three years to (i) assess the effects of N fertilizer application on the growth and seed yield of canola and severities of Sclerotinia stem rot (SSR), and (ii) to determine a reasonable N-rate for optimizing plant growth and minimizing the loss from SSR in eastern Canada. The experiment was designed with factorial combinations of eight N treatments and two canola hybrids. All N treatments reduced canola emergence with increasing preplant N application rates above 100 kg ha−1, but had a positive impact on plant height, fresh weight, dry weight, and seed yield. The development of SSR showed differential responses to N application rates. Of all the treatments, the split application (50 kg N ha−1 at preplant plus 100 kg N ha−1 side-dressed at the 6-leaf stage) increased canola growth and often produced the highest or similar seed yields to those of equivalent N rate applied as preplant. At the 150 kg ha−1 N rate, no severe development of SSR was observed in either preplant-only or split application. Overall, this study demonstrates that the split-N management strategy (50 + 100 kg ha−1) maintained a balance between enhancing plant growth and mitigating the negative impacts of SSR on canola.
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 | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 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 ».