MétaCan
Menu
Retour à la cohorte
Enregistrement W6964953131 · doi:10.3389/fsufs.2020.00126.s003

Presentation_2_Enhancing In-crop Diversity in Common Bean by Planting Cultivar Mixtures and Its Effect on Productivity.pptx

2020· article· en· W6964953131 sur OpenAlex

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.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueFigshare · 2020
Typearticle
Langueen
DomaineEngineering
ThématiquePhysics and Engineering Research Articles
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCultivarSowingMonocultureYield (engineering)LegumeCropMonocroppingPhaseolus

Résumé

récupéré en direct d'OpenAlex

<p>Common bean (Phaseolus vulgaris L.) is the most important food legume crop worldwide. Canadian beans, especially large seeded cultivars of Andean origin, have relatively narrow genetic diversities. Establishing crops with mixtures of cultivars instead of pure lines is a simple, cost effective way to increase genetic diversity in the field. A number of studies have demonstrated the benefits of mixture cropping over monocropping in controlling disease, increasing water use efficiency, and increasing yield stability. The objective of this study was to determine the effects of increasing in-field diversity, by using mixtures of bean cultivars instead of monocultures, on productivity. The feasibility of growing bean cultivar mixtures in southern Ontario environments was confirmed with a small pilot study that was conducted with four bean cultivars and restricted number of mixtures at two locations in 2017. Mixture performance experiments were performed with seven diverse bean genotypes at two Ontario locations [Woodstock and Elora (two planting dates) research stations] as pure stands and all possible binary mixtures (planted in alternate rows or as completely random mixtures) in 2018. Conventional plot-based above ground crop data were collected. Mixing efficiencies were calculated from the yield data using a relative yield of the mixture (RYM) index. Diallel analysis was used to identify general mixing ability of cultivars and specific mixing abilities of mixtures. Significant differences among seven bean cultivars and their mixtures were identified in all three environments for all analyzed traits. The results indicated multiple benefits of planting mixtures compared to monocultures A number of mixtures overyielded component cultivars grown in pure stands; they had higher yields, RYM index values >1 and positive specific mixing abilities (for yield) in both types of biblends. The research has the potential to provide a theoretical basis for the use of precision agriculture tools to plant fields with mixtures instead of monocultures. It could lead to greater in-field diversity in the crop and in the above and below ground ecosystems that might provide greater buffering capacity and resiliency to the cropping system as well as increased ecosystem services.</p>

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,093
Score d'incertitude au seuil0,361

Scores Codex et Gemma par catégorie

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

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 Opus0,026
Tête enseignante GPT0,244
Écart entre enseignants0,218 · 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