PSXII-14 Impact of Nitrogen Application and Intercrop Forage Species on Chemical Composition and Yield of Standing Corn and Intercropped Forages
Notice bibliographique
Résumé
Abstract This study evaluated the impact of nitrogen (N) application rate and forage species of intercropped corn for potential grazing of beef cattle in late fall/early winter. A split plot design (4 replicates/treatment) was used at 2 experimental sites in Manitoba, Canada with 2 treatment factors: 1) N application rate as the main plot and 2) forage intercrop species as the sub plot. Nitrogen application rates were 45 kg N/ha and 112 kg N/ha. Forage species were: italian ryegrass (Lolium multiflorum), hairy vetch (Vicia villosa), graza forage radish (Raphanus sativus), red clover (Trifolium incarnatum) and a mix of all 4 forages. Intercropped treatments were compared with corn only control treatments with no intercrop at both N rates. Plots were seeded in 2019 with corn from May 8-10 and intercrops seeded from June 17-25. Chemical composition of intercropped forages and corn were determined in early October. Averaged over sites and intercrop treatment, increasing N application increased (P< 0.004) CP of the intercrops from 20.5% (low N) to 22.3% (high N), with CP similar at both sites. On average, radish had the greatest CP (29%), clover least (13.2%), with the remaining crops intermediate (mean 21.7%). Corn CP increased (P< 0.01) with N application (6.6 to 7.5% averaged over treatments), with no effect of intercrop species. Intercrop TDN was not affected by N rate, with greatest concentrations observed in radish (68.2%), least in hairy vetch and red clover (53.6%) and intermediate in the mix and italian ryegrass (mean 60.2%). Dry matter yield for all intercrop and corn treatments were less than expected at both locations due to exceptional drought conditions. Intercrop treatment and its interaction with N rate did not impact corn yield. In conclusion, intercrop CP ranged from 12-29%, thus offering the potential to increase the feeding value of corn for overwintering cattle.
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 | 0,000 | 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 | 0,001 | 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 ».