Immediate and second‐year effects of preceding crops on wheat production in the Northern Great Plains
Notice bibliographique
Résumé
Abstract Growers in the Northern Great Plains (NGP) are increasingly adopting winter wheat (WW; Triticum aestivum L.) into their crop rotations in years of ideal fall planting conditions due to its high yield potential. Our study evaluated WW responses to rotational crops, soybean ( Glycine max L.) and lentil ( Lens culinaris L.), field peas ( Pisum sativum L.), faba bean ( Vicia faba L.), canola ( Brassica napus L.), flax ( Linum usitatissimum L.), and oats ( Avena sativa L.), and to different wheat rotational schemes following the rotational crop: WW‐WW, hard red spring wheat (HRSW)‐WW, and WW‐HRSW. Although canola is traditionally favored for its snow‐trapping benefits, soybean and lentil can achieve similar or superior results, enhancing both WW grain yields and protein concentrations when grown immediately after these two rotational crops. These benefits persisted in the second wheat phase in the WW–WW and HRSW–WW systems, albeit with increased variability. Canola stubble, while not offering immediate advantages for WW, contributed to high and stable yields in WW and HRSW when planted in the second year. However, a wheat yield drag was noted in the second year, especially affecting HRSW, indicating that monoculture cereal rotations are more detrimental to HRSW than to WW. In‐crop growth patterns aligned with yield responses, with leguminous stubbles, especially lentil, promoting superior in‐season growth compared to canola, flax, and oats. This study underscores WW as a viable option for cereal phases in the NGP cropping systems, contributing to enhanced ecological benefits in the local environment. By adopting WW in their cropping systems, growers can accrue synergistic benefits with multiple rotational crops.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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 | 0,001 |
| 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) | 0,000 | 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 tête enseignante, 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 ».