Corn and soybean root traits improved by preceding perennial forage crops
Notice bibliographique
Résumé
Abstract Background and aims Benefits for soil health associated with crop rotations can improve plant aboveground biomass, although the effect on root traits is unclear. The aim of this study was to measure the legacy effect of crop rotations typical of dairy farms on root traits of subsequent forage corn ( Zea mays L.) and soybean ( Glycine max [L.] Merr.). Methods On a silty clay in eastern Canada, six rotations were compared, varying in crop species (perennials and/or annuals) and fertilizer sources (dairy cattle slurry and/or mineral fertilizer) for 5 years. Roots of subsequent corn and soybean were sampled by coring (0–45 cm), washed, and digitized for image analysis. Results Crop rotations including perennial crops rather than only annual crops resulted in greater total net annual productivity in corn (+ 20%) and soybean (+ 21%), corn root biomass (+ 31%) and length density (+ 106%), and proportion of fine roots. Compared to the alfalfa-grass mixture, grass-only mixtures resulted in a greater corn root biomass (+ 23%) and length density (+ 54%). A longer duration (5 vs. 3 years) of the alfalfa-grass mixture improved corn root length density (+ 37%) and corn and soybean fine root proportion at depth, suggesting benefits from maintaining perennial forage stands over time. Mineral fertilizer versus slurry improved root traits of subsequent corn and soybean when applied to perennial but not annual crops. Conclusion Our results highlight the positive response of corn and soybean root traits to the presence, species composition, and duration of perennial forage crops, extending further their benefits within rotations.
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 | 0,000 | 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) | 0,000 | 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 ».