Investigating the effects of seed treatments on the economically optimal seeding rate of conventional soybean in Atlantic Canada
Notice bibliographique
Résumé
Soybean seeding rates in the cool growing environment of Atlantic Canada are much higher than other regions impacting economic return. Recent studies across North America have suggested that soybean seeding rates can be lowered to maximize profitability. Seed treatments have been shown to improve abiotic stress tolerance and may be another mechanism to reduce seeding rates. Therefore, the objectives of the present study were to ( i) determine the economically optimal seeding rate (EOSR) for conventional soybean in Atlantic Canada and ( ii) determine if fungicide seed treatments can reduce this rate. Field studies were conducted in 2020 and 2021 to evaluate the effects of four seeding rates and four fungicide seed treatments on soybean stand establishment, growth, resource use efficiency, yield, and profitability. Price received had a dramatic effect on producer return and the EOSR which ranged from 243 000 seeds ha −1 under a low price received scenario ($0.45 kg −1 ) up to 613 000 seeds ha −1 under a high price received scenario ($0.82 kg −1 ). In contrast, seed and pesticide costs had a minimal impact on expected returns. Soybean resource use efficiency was not impacted by seeding rate or by seed treatments. Further seed treatments did not impact soybean stand establishment or profitability. Soybean yield increased with seeding rate and plateaued at a seeding rate of 741 000 seeds ha −1 , whereas individual plant yield dramatically declined as seeding rate increased. Results of this study suggest that soybean producers in Atlantic Canada should base their seeding rates on contracted or expected price received to maximize profitability.
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 | 0,001 | 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 | 0,000 |
| 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 ».