MétaCan
Menu
Retour à la cohorte
Enregistrement W4404020156 · doi:10.3390/agriculture14111976

The Effect of Varying Compaction Levels on Soil Dynamic Properties and the Growth of Canola (Brassica napus L.)

2024· article· en· W4404020156 sur OpenAlexafffund
Ernest Owusu-Sekyere, Ying Chen

Notice bibliographique

RevueAgriculture · 2024
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueSoil Management and Crop Yield
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésCanolaBrassicaAgronomyCompactionSoil compactionRapeseedBiologyBotanyMathematicsMaterials scienceComposite material

Résumé

récupéré en direct d'OpenAlex

Extremely low field emergence rates for canola are primarily attributed to soil compaction from field traffic during and after planting. This study aimed to determine the critical compaction level for canola emergence across different soil types. A laboratory experiment was conducted using sandy loam, silt clay, and clay soils, compacted to five levels (zero to four) using Proctor hammer drops after sowing canola (Brassica napus L.). The lab results were validated through two years of field experiments in sandy loam, applying four compaction levels (zero to three) using a tractor. Soil properties (bulk density and surface resistance) and canola growth parameters (plant emergence rate, count, height, and above-ground biomass) were measured. Zero compaction resulted in lower bulk density and surface resistance across all soil types. Laboratory results showed maximum emergence rates of 95% for sandy loam, 100% for silt clay, and 60% for clay, while field emergence rates were 63% and 87.59% in the first and second years, respectively, both at zero compaction. Recommendations include light or no compaction for sandy loam, and zero compaction for silt clay, while clay soil did not achieve the 80% emergence target at any compaction level. These results can assist agricultural producers in optimizing their seeding equipment setup and managing field traffic for canola production.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,194
Écart entre enseignants0,182 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAgricultureMême sujetSoil Management and Crop YieldTravaux en français237 207