MétaCan
Menu
Retour à la cohorte
Enregistrement W4408698228 · doi:10.1016/j.fcr.2025.109863

Pea-oats intercropping: Agronomy and the benefits of including oats as a companion crop

2025· article· en· W4408698228 sur OpenAlexafffundabout
Rebecca Oiza Enesi, Vengai Mbanyele, Lana Shaw, C. B. Holzapfel, B. Nybo, Linda Yuya Gorim

Notice bibliographique

RevueField Crops Research · 2025
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueAgronomic Practices and Intercropping Systems
Établissements canadiensSaskatchewan Conservation Learning CentreAgriculture and Agri-Food CanadaUniversity of Alberta
Organismes subventionnairesWestern Grains Research Foundation
Mots-clésIntercroppingAgronomyCropBiology

Résumé

récupéré en direct d'OpenAlex

Intercropping field pea ( Pisum sativum L.) and oat ( Avena sativa L.) can offer some benefits over monocropping to conventional grain and forage producers. Most studies have been conducted in organic systems with little information for conventional producers prompting a 2-year field study conducted at three Saskatchewan, Canada sites (SERF, IHARF, WCA). This study aimed to assess pea-oat intercropping with oats sown at different seeding rates under conventional systems. Also, it investigates the profitability of pea-oat intercropping. Treatments included monoculture pea (with and without weed control) and oats seeded at recommended rates; pea-oat intercrop with oats seeded at five seeding rates thus: Pea-oat (PO) intercrop with oats seeding rates targeted at 25 plant m −2 (PO 25 ), 50 plants m −2 (PO 50 ), 75 plants m −2 (PO 75 ), 100 plants m −2 (PO 100 ), and 125 plants m −2 (PO 125 ). In pea-oat intercropping, increased oat seeding rates reduced pea plant height, pea dry matter and total dry matter compared with monoculture. The highest Pea-oat seeding rate (PO 125) decreased weeds by ∼ 50 % compared to pea monocrop at one site-year. Pea-oat intercropping, especially at high oat seeding rates reduced lodging. Oat grain yield showed a quadratic relationship with increasing seeding rate (r = 0.69; P < 0.020), and maximum oat grain yield was predicted at 163.7 plants m −2 . The Partial land equivalent ratios (PLER) for peas for grains and biomass was > 0.5 mostly at lower densities (PO 25 and PO 50 ) while for oat it was > 0.5 at higher densities (PO 75 , PO 100 and PO 125 ). Land equivalent ratio (LER) differed with site-year with only 2 out of 5 site-years having LER > 1. Net revenue generated for grain yields were higher in Pm while intercropping reduced net revenue gains. Forage revenue did not differ between pea-oat intercropping seeding rates and was comparable to monocrops. Our findings suggest that pea-oat intercrop significantly reduced grain yields of peas and oats. Furthermore, with oat as a companion crop, intercropping can potentially be beneficial for weed control and lodging especially when oat is sown at higher seeding rates. This study provides an approach in which pea-oat intercropping could be a potential option for increased profitability in forage production systems. • Pea-oat intercropping reduced pea and oat grain yields across various sites in conventional systems. • Increasing oat seeding rates increased total dry matter in pea-oat intercropping systems. • Increasing oat seeding rates consistently reduced lodging and the presence of weed did not impact lodging. • Land equivalent ratio for grains was only influenced by site-year and not seeding rates. • Net revenue gains for grain yields were higher in monocrops than intercropping systems.

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)0,000
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 enseignants0,025
Score d'incertitude au seuil0,050

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,115
Tête enseignante GPT0,365
Écart entre enseignants0,250 · 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

Citations4
Publié2025
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueField Crops ResearchMême sujetAgronomic Practices and Intercropping SystemsTravaux en français237 207