Self‐regenerating black medic cover crop provides agronomic benefits at low nitrogen
Notice bibliographique
Résumé
Abstract A black medic ( Medicago lupulina L.) cover crop is able to regenerate from seed annually and produce biomass at the end of each growing season, but its long‐term effectiveness on crop productivity, water use efficiency (WUE), and soil nutrient status within a no‐till cropping system is unclear. A field experiment was established in 2003 in Saskatchewan in a 3‐yr crop rotation [flax ( Linum usitatissimum L.)–oat ( Avena sativa L.)–wheat ( Triticum aestivum L.)]. Treatments included cover crop (black medic or no medic), and N fertilizer (20, 60, and 100% of recommended N) arranged in a split‐split plot design. Over 10 yr, medic aboveground fall biomass averaged 625 kg ha –1 (range 0–1,868 kg ha –1 ) and was greatest at the lowest N rate, 879 kg ha –1 . Medic increased grain yield at 20% N fertilizer; no effect was observed at higher N rates. Medic increased tiller density and kernel weight at 20% N, indicating that medic positively influenced the crop throughout the entire life cycle. Medic presence did not affect grain N or P status. Medic did not affect level of available soil N in fall but consistently increased level of soil available P. This extended to the 30–60 cm soil depth in the 100% vs. lower N rates, suggesting medic roots may have influenced P cycling. In oat stubble, medic increased spring soil water and WUE. In conclusion, black medic improved crop productivity at the low N rate but improved available soil P at all N rates, warranting further research.
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 | 0,001 | 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 | 0,002 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 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 ».