Intercropping chickpea–flax for yield and disease management
Notice bibliographique
Résumé
Abstract Ascochyta blight (caused by Ascochyta rabiei) is a primary concern of chickpea production worldwide. Intercropping chickpea with a non‐host crop has the potential to suppress this disease and improve resource use efficiency for enhanced crop yield. This study aimed to evaluate the effects of seeding rate and row configuration of chickpea (Cicer arietinum L.)–flax (Linum usitatissimum L) intercropping on (1) yield and seed quality, (2) disease incidence and severity of Ascochyta blight of chickpea, and (3) land productivity of this intercropping system. Field trials were conducted at the Eastern Agricultural Research Center, Sidney, MT, and the Southern Agricultural Research Center, Huntley, MT, in 2020 and 2021. Chickpea was planted with flax in four intercropping configurations (70% chickpea–30% flax in mixed rows, 50% chickpea–50% flax in alternate rows, 50% chickpea–50% flax in mixed rows, and 30% chickpea–70% flax in mixed rows). Chickpea yield decreased with increased flax proportion in the mixed rows intercrop. Flax displayed higher competitiveness than chickpea, resulting in decreased yield and protein concentration in chickpea but increased yield and protein content in flax. Land equivalent ratio of intercropping was greater than one, showing improved land productivity (2%–23% greater than monocropping). Intercropping reduced Ascochyta blight disease incidence and severity; the 50% chickpea–50% flax and 30% chickpea–70% flax intercropping configurations could reduce the disease severity to 50% (in Huntley) and 67% (in Sidney) of that in the monocropping. These results indicated that seed ratio and planting configurations of chickpea–flax intercropping may be manipulated to increase land use efficiency and reduce Ascochyta blight in chickpea. Canadian Development Center ‘CDC Leader’ yielded greater than Royal in the higher disease pressure environment in Huntley indicated that selection of disease resistant cultivars is important for managing Ascochyta blight in chickpea.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».