Effect of sod-seeding bloat-free legumes on pasture productivity, steer performance, and production economics
Notice bibliographique
Résumé
A 5 yr experiment evaluated the effects of sod-seeding sainfoin and cicer milkvetch into monoculture grass (Lanigan, SK) or legume (Lethbridge, AB) stands on pasture productivity, steer performance, and economics. At Lanigan, sainfoin decreased (treatment × year P = 0.01) from 13% in year 1 to 2% in year 2 (% plant population) and did not differ thereafter, whereas cicer milkvetch maintained a proportion of 16% in the stand. Forage yield was greater (treatment × year; P < 0.01) in year 1 in the sainfoin and cicer milkvetch treatments compared with control. Dry matter intake of steers was greater only in year 5 and average daily gain was greater (P < 0.01) in sainfoin and cicer milkvetch treatments compared with control. At Lethbridge, sainfoin decreased (treatment × year; P = 0.01) from 46% to 17% (% dry matter yield), whereas cicer milkvetch maintained its proportion at 11%. Forage yield increased (treatment × year; P < 0.01) only in years 2 and 3 of sainfoin, compared with cicer milkvetch or control. Average daily gain gain was not affected by treatment. At Lanigan, sainfoin and cicer milkvetch generated greater gross returns compared with control; however, once establishment costs were applied, there were no differences in the present value of net returns.
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) | 0,001 | 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».