Canopy management: the balance between lodging risk and nitrogen use for spring wheat production in the Canadian Prairies
Notice bibliographique
Résumé
Lodging risk in spring wheat has grown with the introduction of high-yielding cultivars that require high nitrogen (N) inputs to optimize grain yield and protein content. Canopy management (CM) strategies have been used to reduce lodging risk. However, the short growing season and unpredictable moisture supply may limit the use of these strategies in the Canadian Prairies. The objective of this study was to quantify the ability of agronomic practices to modify the early season crop canopy, and hence lodging risk, and to determine how these practices influence N use and final grain N yield. Split-plot field trials were established at four site-years (SYs) in Manitoba to evaluate CM strategies including three plant densities, a split N fertilizer application, and the application of chlormequat chloride (CCC) on canopy size (dry matter (DM) and height at anthesis), N uptake and remobilization, lodging and stalk strength, grain yield, protein, and grain N yield on the cultivar AAC Brandon. Precipitation was low during this study (64%–78% of long-term average (LTA)), resulting in modest yields and low lodging pressure. However, low plant density (PD), split N, and CCC applications all showed potential to reduce lodging risk without reducing grain yield or protein concentration. Split N and plant growth regulator (PGR) applications increased final grain N yield by 11.2% and 2.4%, respectively. Therefore, CM practices have potential in the Canadian Prairies to reduce lodging risk without compromising grain N, but results should be validated in higher precipitation environments and across additional cultivars and growing regions of western Canada.
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 | 0,002 | 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 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».