The distance from tree legumes in silvopastoral systems modifies the litter in grass-composed pastures
Notice bibliographique
Résumé
Abstract The use of silvopastoral systems with tree legumes is a viable alternative to recover and develop pastures, as they add N to the system influencing pasture growth. This study hypothesized that the herbage and litter of signalgrass (Urochloa decumbens Stapf) is affected by legume trees in the pasture. Treatments were composed of (1) signalgrass + Mimosa caesalpiniifolia Benth.; (2) signalgrass + Gliricidia sepium Jacq.; and (3) signalgrass monoculture. The 3-year experiment followed a randomized complete block design with three replications. Tree legumes were planted in double rows (15 × 1 × 0.5 m), in 1 ha paddocks. Litter samples were taken in five distance points (0, 1.8, 3.7, 5.6 and 7.5 m) perpendicular to tree legume rows. Signalgrass was taller at longer distances from the trees (P < 0.05). Signalgrass height differed between treatments, with taller signalgrass found in pastures mixed with G. sepium (15.6 cm) compared to M. caesalpiniifolia (9 cm) (P < 0.05). Herbage N content decreased with increasing distance from tree rows (P < 0.05). Litter N content followed a similar pattern, ranging from 23 g/kg under the trees to 12 g/kg at 7.5 m away from tree rows. Signalgrass did not grow under the tree crown (0–1.8 m), especially when intercropped with M. caesalpiniifolia. The findings of this study suggest that the type of legume trees used in the silvopastoral system has the potential to modify the pattern of grass growth and content of N in pasture litter.
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 ».