Herbage responses and animal performance of nitrogen-fertilized grass and grass-legume grazing systems
Notice bibliographique
Résumé
Abstract The study evaluated forage and livestock performance in different grazing systems over two years. Treatments were three contrasting grazing systems: (I) N-fertilized bahiagrass (Paspalum notatum Flüggé) in the summer overseeded during the winter by N-fertilized ryegrass (Lolium multiflorum) and oat (Avena sativa L.) (Grass + N); (II) unfertilized bahiagrass during the summer overseeded with ryegrass + oat and a blend of clovers (Trifolium spp.) in the winter (Grass + Clover); (III) unfertilized bahiagrass and rhizoma peanut (RP; Arachis glabrata Benth.) mixture during summer, overseeded during winter by ryegrass + oat + clovers mixture (Grass + Clover + RP). Average daily gain (ADG), gain per area (GPA), and stocking rate (SR) in the winter did not differ across treatments and averaged 0.87 kg/d (P = 0.940), 303 kg/ha, and 2.72 AU/ha. In the summer, Grass + Clover + RP had greater ADG than Grass + N (0.34 vs. 0.17 kg/d, respectively). During the summer, the GPA of Grass + Clover + RP was superior to Grass + N (257 vs. 129 kg/ha, respectively), with no difference in SR among treatments at 3.19 AU/ha. Over the entire year, ADG and GPA tended to be greater for Grass + Clover + RP. Annual SR differed between treatments, where Grass + N was greater (3.37 AU/ha) than the other treatments, which averaged 2.76 AU/ha. Integration of legumes into pasture systems in the summer and winter contributes to developing a sustainable grazing system, reducing N fertilizer use by 85% while tending to increase livestock productivity even though SR was decreased by 18%.
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) | 0,000 | 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) | 0,001 | 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 ».