The effects of legume green manures, perennial forages, and cover crops on non-renewable energy use in western Canadian cropping systems
Notice bibliographique
Résumé
Inputs such as machinery, fuel, pesticides and fertilizers contribute to energy expended in cropping systems. Reducing non-renewable energy use (EU) and increasing energy use efficiency (EUE) can make cropping systems more sustainable. Nitrogen benefits of legumes to succeeding non-leguminous crops are well documented. This study examined the effect of green manure and perennial forage legumes on energy efficiency of crop production for four western Canadian crop rotation studies: Lethbridge, AB; Swift Current, SK; Indian Head, SK; Glenlea, MB. Relative to continuous grain rotations, rotations containing 50% perennial forage legumes decreased EU by up to 85% and increased EUE by up to 438%. Relative to cereal, pulse and oilseed rotations, they reduced EU by up to 28% and increased EUE by up to 294%. Rotations containing green manure legumes decreased EU by up to 65%, and increased EUE by up to 196%. The primary contribution of legumes to lower energy use was nitrogen addition to the soil. Depending on site and rotation, economic performance of legume rotations varied compared to annual grain rotations. The rotational benefits of relay intercropped and double cropped legumes in cont nuous grain systems in Manitoba were also investigated. When examining relay intercropped alfalfa and red clover and double cropped chickling fetch and lentil, it was found that considerable nitrogen benefits were provided to a succeeding oat crop by all legumes at Winnipeg, and by some legumes at Carmen. Reduced legume growth at Carmen, due to drought conditions, resulted in few yield benefits from the relay intercropped and double cropped legumes. Including relay intercropped and double cropped legumes in continuous grain rotations reduced energy use by up to 39%, and increased energy use efficiency by up to 28%. Increasing the frequency of legumes in cropping systems shows promise to enhance agricultural sustainability.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».