MétaCan
Menu
Retour à la cohorte
Enregistrement W4226372072 · doi:10.5539/jas.v14n5p23

Effect of Oversowing and Fertilization on Species Composition, Yield and Nutritional Quality of Forages on a Permanent Wet Meadow

2022· article· en· W4226372072 sur OpenAlexvenueno aff
Daphné Durant, Corentin Doublet

Notice bibliographique

RevueJournal of Agricultural Science · 2022
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgriculture and Rural Development Research
Établissements canadiensnon disponible
Organismes subventionnairesInstitut National de Recherche pour l'Agriculture, l'Alimentation et l'EnvironnementConseil Régional Aquitaine
Mots-clésForageHayAgronomyHuman fertilizationFertilizerBiologyEnvironmental scienceAgricultureAgroforestryGeographyEcology

Résumé

récupéré en direct d'OpenAlex

The improvement of forage production and nutrition quality on native grasslands through plant species oversowing and fertilization (legumes in particular, coupled with phosphorus fertilization) is known to have been widely adopted worldwide. Less is known about this practice on the wet grasslands of the French Atlantic littoral marshes. The purpose of this study, conducted over a 3-year period (2012-2014) on the Saint Laurent de la Prée research farm, was to investigate the effects on the yield and nutritional quality of forage hay on a permanent wet meadow, of oversowing with different plant species and fertilization. We found that the success of oversowing was influenced by species or mixtures, and depended on their ability to develop and persist in the cover. In general, oversowing tended to provide benefits in terms of the total annual forage yield in 2013, with a slight increase in forage quality in 2012 and 2013. Fertilization provided no real benefit in terms of forage quality. There was no persistence of introduced species in the sward, as in 2014 almost all of them disappeared. In the conditions of this study, the benefits of oversowing and fertilizer applications were limited and short-lived. These results are discussed in relation to the conservation value of these wet grasslands and the need to pursue research on agroecology for their biodiversity-oriented management.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,913
Score d'incertitude au seuil0,329

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,272
Écart entre enseignants0,245 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Agricultural ScienceMême sujetAgriculture and Rural Development ResearchTravaux en français237 207