Legume addition to alfalfa‐based mixtures improves the forage energy to protein ratio
Notice bibliographique
Résumé
Abstract Alfalfa (Medicago sativa L., AL)‐based forage mixtures are a major constituent of ruminant rations, and optimizing their energy‐to‐protein ratio has been identified as a way to improve N use efficiency. This study aimed to determine whether the energy‐to‐protein ratio could be improved by adding red clover (Trifolium pratense L., RC) or birdsfoot trefoil (Lotus corniculatus L., BT) at different seeding proportions, and/or one grass species [timothy, Phleum pratense L., or tall fescue, Schedonorus arundinaceus (Schreb.) Dumort] to AL. Annual forage yield, species proportion in botanical composition, and nutritive value of forage were measured at three sites in Canada for 2 post‐seeding years. The addition of RC or BT did not affect the annual forage yield but it increased the concentration of forage nonfiber carbohydrates (NFCs), particularly of soluble sugars, and decreased concentrations of crude protein (CP), nonprotein nitrogen (NPN), and rapidly degradable protein (PB1) of AL‐based mixtures. The addition of one percentage unit of RC or BT to forage botanical composition improved the NFC/CP ratio by 0.005, and the NFC/(NPN + PB1) ratio by 0.024. The addition of either grass species to AL mixtures also increased the two ratios, but it was related to a CP decrease with no increase in NFC concentrations. Adding RC or BT to AL‐based mixtures is therefore a valuable strategy to increase the forage energy to protein ratio.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 ».