Performance agronomique et santé du sol dans divers itinéraires agronomiques lors de la transition biologique en grandes cultures au Québec
Bibliographic record
Abstract
Les pratiques de l’agriculture biologique favorisent la biodiversité et la santé du sol. Mais entreprendre une transition vers l’agriculture biologique est une étape cruciale pour une entreprise agricole, cette période amenant souvent une baisse des rendements. Les objectifs du projet sont d’évaluer l’effet de différents itinéraires agronomiques sur le stockage de carbone dans le sol et sur la santé du sol, ainsi que sur les performances agronomiques des cultures lors des deuxième et troisième années de la période de transition biologique en grandes cultures. Les quatre itinéraires agronomiques comparés sont des systèmes avec un labour printanier (A), un labour d’automne (B), un labour d’automne sans fumier (C) ou un travail du sol minimum (D). Les itinéraires n’ont pas eu d’effet sur la résistance à la pénétration du sol, la stabilité des agrégats, la protéine du sol et la respiration du sol. La concentration et le stock de carbone en surface (0-15 cm) étaient similaires entre les itinéraires mais supérieurs dans D par rapport à C dans la couche 15-30 cm. La période de transition de trois ans n’a pas été suffisante pour influencer la santé des sols avec les quatre itinéraires testés. En 2017, le rendement en orge était plus élevé avec l’itinéraire B que le A, mais non différent de l’itinéraire D. Pour le maïs-grain (Zea mays L.) en 2018, l’itinéraire D a entraîné le rendement le plus faible alors que les rendements étaient similaires pour A, B et C. Les cultures de couverture enfouies pour les itinéraires A, B et C, et l’application de fumier pour les itinéraires A et B ont bénéficié au maïs-grain, par rapport à l’itinéraire D. À la troisième année (2019) de la transition biologique, les itinéraires agronomiques n’ont pas eu d’effet sur le rendement de soya (Glycine max (L.) Merr.), culture moins exigeante en azote.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.002 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".