Evaluation of cool-season perennial forage varieties as monocultures and legume–grass binary mixtures under intensive grazing
Notice bibliographique
Résumé
In Canada, new forage varieties need not undergo grazing trials before registration and sale. To evaluate the effect of grazing, six cool-season species including meadow bromegrass ( Bromus riparius Rehmann), orchardgrass ( Dactylis glomerata L.), sainfoin ( Onobrychis viciifoila Scop.), and three alfalfa varieties ( Medicago sativa L.) were established in monocultures and grass–legume binary mixtures in Saskatchewan, Canada. Forage treatments were randomly established within each of three 3.5 ha paddock replicates. In Year 1, 69 Bos taurus crossbred steers, and in Year 2, 149 steers were homogenously allocated to the three paddocks for the grazing trials. Alfalfa monocultures had the greatest ( p < 0.05) pre-graze forage yields and crude protein content. Leaf area index was greater in alfalfa monocultures than in all other treatments ( p < 0.01). Etiolated growth differed ( p < 0.05) among binary mixtures but not monocultures. Alfalfa monoculture stands were preferred over grass monocultures and most grass–legume mixtures, and sainfoin was avoided relative to alfalfa. Killarney orchardgrass was the least productive and least preferred among forages evaluated. In summary, alfalfa monocultures had greater ( p < 0.05) forage yields and quality than sainfoin monocultures, grass–legume binary mixtures, or grass monocultures.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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) | 0,000 | 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 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 ».