Species Choice Influences Weed Suppression, N Sharing and Crop Productivity in Oilseed Rape–Legume Intercrops
Notice bibliographique
Résumé
Increasing crop trait diversity in oilseed rape (OR, Brassica napus L.) cropping systems by introducing frost-sensitive legume species could improve weed suppression and crop productivity. Intercrops and sole crops were compared over two years in the field in Western France. Winter OR was intercropped simultaneously with either spring faba bean (Vicia faba L.) or common vetch (Vicia sativa L.) in a row replacement design without herbicides. Each species was sown at 50% of the recommended sole crop density in alternate rows. Due to the high values of faba bean aboveground traits (height, leaf area, and biomass) and the strong competitive ability for soil N of OR, both species appeared complementary in resource utilization, and thus less soil N and light were available for weeds. The OR–faba bean intercrop was able to reduce weed biomass by 41% compared to the OR–common vetch intercrop. Furthermore, growth and competitive ability of OR for soil N were increased when intercropped with faba bean. Both grain yield and number per plant were three times higher in OR–faba bean intercrops compared to OR sole crops. Under high weed infestation, the presence of faba bean with OR reduced weed aboveground biomass by 35% and weed N accumulation by 11% compared to the OR sole crop. No change was observed in the weed community composition. We observed that a level of aboveground biomass greater than 2 t ha−1 and a soil N uptake at approximately 80 kg ha−1 was needed to reduce biomass and N content of weeds.
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 | 0,000 | 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 | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».