Intercropping of oat or mustard with legumes under organic management in the semiarid Canadian Prairie
Notice bibliographique
Résumé
Abstract Intercropping, the growing of more than one crop at the same time within the same land area, could be a sustainable method of crop production in semiarid regions, which could increase biodiversity, and productivity and quality of crops compared to monocultures. This may be of significance under limited N, such as in organic agriculture, and could be an alternative to green manure. An organic study was conducted in the semiarid Canadian Prairie in drier than average years (2017–2018) to determine if intercropping legumes with non‐legumes could reduce weeds and increase grain yield and quality of crops at different seeding rate ratios. Intercrops examined were lentil ( Lens culinaris Medik.)–yellow mustard ( Sinapis alba L.), and field pea ( Pisum sativum L.)–oat ( Avena sativa L.), at three seeding rate ratios, and their respective monocultures. Weed density was lower in the pea–oat intercrop than the pea monoculture, while weed biomass was lower in the lentil–mustard intercrop than the lentil monoculture. Legumes, when intercropped even at monoculture ratios, had lower aboveground biomass and grain yield than their monocultures, with pea showing higher tolerance than lentil to competition with its companion. Total biomass and grain yield were accounted for mostly by the non‐legumes, which performed better than expected based on their seeding ratios. Mustard grown with lentil appeared to be more competitive than oat grown with pea. Grain weight of oat was higher in all intercrops with pea than in its monoculture, while grain protein of pea was higher when intercropped with oat than in its monoculture.
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 | 0,000 |
| 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) | 0,000 | 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 ».