Integrating forage legumes reduces dependence on N fertilizer and increases the stability of grazing systems
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Midst increasing global demand for livestock products, grassland-livestock systems face challenges including pasture degradation and climate change. The introduction of nitrogen (N)-fixing legumes into grass monocultures addresses these challenges and may sustain or increase livestock production with fewer off-farm inputs. This 10-yr study assessed N fertilization level and legume integration effects on cool- and warm- season herbage responses, animal performance, and system stability of bahiagrass ( Paspalum notatum Flügge) pastures. Including diverse legume species added a total of 139 kg N ha −1 yr −1 , 66 kg ha −1 during the cool season and 73 kg ha −1 during the warm season, via biological N fixation. The inclusion of rhizoma peanut (RP; Arachis glabrata Benth.) and clovers ( Trifolium spp.) resulted in similar animal performance to N-fertilized, grass-only systems. Cool + warm-season liveweight gain on Grass+N and Grass+RP systems averaged 635 and 626 kg ha −1 , respectively, with the legume integration reducing N fertilizer inputs by 85 % (224 vs. 34 kg N ha −1 yr −1 ). The proportion of RP in feces was 49.5 % compared with ∼35 % in pasture herbage mass, indicating the preference of grazing animals for RP. Cattle average daily gain was successfully predicted from fecal δ 13 C (‰) ( P < 0.001). Over a decade, the grass-legume mixture was more stable than the other grazing systems ( P = 0.07), and increasing the system biodiversity improved overall system performance. In conclusion, integrating forage legumes into bahiagrass pastures reduced dependence on N fertilizers without sacrificing cattle performance, potentially improving the economic return and stability of the system.
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.
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 | 0,002 | 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 découle