Forage harvest management impacts “Kernza” intermediate wheatgrass productivity across North America
Notice bibliographique
Résumé
Abstract Intermediate wheatgrass [IWG, Thinopyrum intermedium (Host) Barkworth & D.R. Dewey, trade name Kernza] is a widely adapted, cool‐season forage grass, actively bred for perennial grain production. Most of IWG's net primary productivity is directed to nonreproductive structures, so dual‐use strategies to harvest both grain and forage represent a potentially viable pathway to increase its productivity and profitability. We conducted a 3‐year trial at nine diverse environments across North America to evaluate grain and forage yields and forage nutritive value of an early IWG breeding line under contrasting forage harvest managements. These included control (no forage harvest), summer forage harvest immediately after grain harvest, and summer forage harvest with spring or fall forage harvests. Across all sites, IWG grain yields averaged 745, 296, and 221 kg ha −1 for the first, second, and third years, respectively. Grain yields were influenced more by stand age than site. Summer forage mass after grain harvest averaged 6.0, 4.5, and 5.7 Mg ha −1 respectively for the first 3 years. Forage mass was less influenced by stand age, and more by site and forage harvest frequency. Fall forage harvest increased grain yields while spring forage harvests decreased grain yields and both treatments increased total relative feed nutritive values. Collectively, our results demonstrate that harvesting forage can improve both grain yield and forage nutritive values. Farmers growing IWG as a perennial grain can benefit from dual‐use management by harvesting both grain and forage.
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 | 0,001 |
| Études des sciences et des technologies | 0,001 | 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 ».