Suorakylvön soveltuvuus nautakarjatilojen viljanviljelyyn
Notice bibliographique
Résumé
Viljojen suorakylvö on todettu toimivaksi ja kustannuksia säästäväksi menetelmäksi Etelä-Suomessa järjestetyissä kokeissa. Tämän tutkimuksen tavoitteina oli selvittää, miten suorakylvömenetelmä soveltuu pohjoisen Suomen maaperä- ja ilmasto-oloihin, miten karjanlanta soveltuu suorakylvöön ja miten suorakylvö onnistuu, kun kylvetään nurmen jälkeen. Tutkimusta varten perustettiin keväällä 2003 kolme kolmevuotista ohran suorakylvökoetta hieta- ja multamaille. Kokeissa verrattiin syys- ja kevätkyntöä suorakylvöön. Lannoituksena käytettiin joko naudan lietelantaa tai väkilannoitetta. Suorakylvetyn ohran kasvuunlähtö oli yleensä hitaampaa kuin kyntäen muokatun, mutta erot tasoittuivat kasvukauden edetessä. Suorakylvetyn ohran sadot olivat yleensä samaa luokkaa kuin kynnetynkin, mutta yhdellä koepaikalla jäätiin kahtena vuotena kolmesta 10 15 % pienempään satoon. Joinain vuosina suorakylvetyn sadon laatu oli hieman heikompi, joinain vuosina hieman parempi kuin kynnettyjen ruutujen sadon laatu. Nämä tulokset ovat hyvin samansuuntaisia kuin Etelä-Suomen suorakylvökokeista saadut tulokset. Ennen suorakylvöä levitetyn lietelannan liukoisesta typestä haihtui ilmaan noin 75 %. Vastaavasti kynnetystä ja äestämällä mullatusta lietelannasta typen haihtuminen oli hyvin vähäistä. Siten joinakin vuosina suorakylvettyjen ja lietteellä lannoitettujen ruutujen sato jäi 20 40 % kynnettyjä ruutuja pienemmäksi. Suorakylvössä lietteen sisältämä fosfori kertyi maan pintaan, jolloin se voi olla alttiina huuhtoutumiselle. Suorakylvökoneen lannan multausteho ei siis ole riittävä. Juolavehnän torjunnalla oli myös suuri merkitys. Mikäli torjuntaa ei tehty säännöllisesti, suorakylvetyn koejäsenen sato pieneni jo toisena koevuonna yli 40 %. Kun nurmen lopetus oli tehty huolellisesti glyfosaatilla, viljan suorakylvö onnistui siihen hyvin.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,006 | 0,005 |
| Méta-épidémiologie (sens large) | 0,006 | 0,003 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,007 | 0,003 |
| Intégrité de la recherche | 0,006 | 0,009 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,046 | 0,274 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».