MétaCan
Menu
Retour à la cohorte
Enregistrement W4236947075 · doi:10.2489/63.5.322

Effect of tillage regimens on soil erosion, nematodes, and carrot yield in Prince Edward Island

2008· article· en· W4236947075 sur OpenAlexaboutno aff
D. Holmstrom, K. Sanderson, J. Kimpinski

Notice bibliographique

RevueJournal of Soil and Water Conservation · 2008
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgronomic Practices and Intercropping Systems
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésChiselMulchSowingTillageAgronomyEnvironmental scienceErosionSurface runoffSoil waterErosion controlBiologyGeographySoil scienceEcology

Résumé

récupéré en direct d'OpenAlex

Prince Edward Island soils have rooting depths of 25 to 40 cm (10 to 16 in), and soil erosion is critical on these shallow soils. Soil erosion has been identified as a problem by local carrot producers. The objective of this project was to examine the impact of pre- and post-planting soil conservation methods on the reduction of soil sediment loss and relative water runoff using a rainfall simulator. The effect of these methods on carrot yield and change in nematode populations were also assessed. Pre-planting treatments consisted of fall mold-board plowed, fall disced, fall chisel plowed, and no fall tillage with or without fall-applied mulch. Post-planting treatments were established between-row as mulch, dyking, fall rye, barley, and a control (no treatment). The pre-planting experiments show that fall disced, fall chisel plowed and no tillage with or without mulch are unacceptable to producers because they hinder bed formation and seeding operations. Root-lesion nematodes in the carrot root at harvest were four times higher in the mulched than the non-mulched plots. The post-planting results show that between-row mulching or dyking in combination with the spring chisel plowed significantly reduced relative soil sediment loss overall by 68% and 48%, respectively. We conclude that soil erosion prevention in a carrot crop can be achieved with spring chisel plowed combined with post planting mulching.

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)0,000
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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,322
Score d'incertitude au seuil0,110

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,019
Tête enseignante GPT0,220
Écart entre enseignants0,202 · 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'étudeObservationnel
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

Citations1
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Soil and Water ConservationMême sujetAgronomic Practices and Intercropping SystemsTravaux en français237 207