MétaCan
Menu
Retour à la cohorte
Enregistrement W7046897921

Duel-purpose winter canola in the Pacific Northwest : forage management

2017· other· en· W7046897921 sur OpenAlexaff

Notice bibliographique

RevueResearch Exchange (Washington State University) · 2017
Typeother
Langueen
DomainePhysics and Astronomy
ThématiqueSuperconducting and THz Device Technology
Établissements canadiensUniversity College of the North
Organismes subventionnairesWashington State Department of AgricultureWashington State UniversityU.S. Department of Commerce
Mots-clésCanolaForageCroppingHayCropping systemFertilizerPastureCropCrop rotation
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

As winter canola (Brassica napus) continues to gain acceptance as a viable broadleaf crop in the predominantly cereal rotations of the Pacific Northwest (PNW), dual-purpose winter canola is beginning to gain interest. Not only does canola provide benefits, such as improving weed control, breaking disease and pest cycles, and increasing water infiltration, but Washington State University (WSU) research has also shown increased wheat yields following a canola crop. As the name suggests, dual-purpose winter canola serves two purposes: fall forage or silage and grain harvest. Canola forage could be advantageous in the inland PNW where late summer and fall pasture is often in short supply. While grown successfully elsewhere (mainly Australia), the feasibility of dual-purpose canola in the PNW has not been thoroughly investigated. Our study investigates the effect of different fertilizer rates and timing on forage and grain yield as well as nitrate and sulfur accumulation in winter canola. The Washington State Oilseed Cropping Systems Research and Extension Project (WOCS) is funded by the Washington State Legislature to meet expanding biofuel, food, and feed demands with diversified rotations in wheat based cropping systems. The WOCS fact sheet series provides practical oilseed production information based on research findings in eastern Washington.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,230
Score d'incertitude au seuil0,457

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,043
Tête enseignante GPT0,296
Écart entre enseignants0,253 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueResearch Exchange (Washington State University)Même sujetSuperconducting and THz Device TechnologyTravaux en français237 207