Seeding rate affects the performance of oat and black oat
Notice bibliographique
Résumé
Abstract Basic management practices, including ideal seeding rates, are still lacking for black oat (Avena strigosa Schreb.) in the southeastern United States. This study evaluated the performance of five seeding rates (15, 30, 60, 120, and 240 lb acre−1) on ‘Legend 567’ oat (Avena sativa L.) and ‘UF‐10’ black oat at three harvest dates (early, mid‐season, and late) per year. Seeding rates of 60, 120, and 240 lb acre−1 tended (P = .07) to increase total herbage accumulation [4,760 lb dry matter (DM) acre−1] compared with 15 lb acre−1 (3,945 lb DM acre−1). Tiller density was usually greater for black oat than for oat. Seeding rate was positively associated with tiller density and explained 84 to 98% and 96 to 98% of the variation for black oat and oat, respectively. Tiller mass was greater for oat (0.045 oz tiller−1) than black oat (0.034 oz tiller−1), and greater for the mid‐season harvest (0.043 oz tiller−1), compared with the early and late harvests (0.037 oz tiller−1 on average). There was a negative effect (P < .001) of seeding rate on tiller mass. Increasing the seeding rate had a negative effect on leaf length at the early and middle harvests (P < .05), and decreased leaf width from 0.56 to 0.39 inches in oat, and from 0.32 to 0.29 inches in black oat when changing from 15 to 240 lb acre−1. To maximize herbage accumulation at a lower seeding rate, we recommend 60 lb acre−1 for both oat and black oat for multiple harvests.
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 | 0,001 | 0,001 |
| 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 | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 ».